Hybrid quantum transfer learning for crack image classification on NISQ hardware
Fraunhofer Institute for Industrial Mathematics ITWM(弗劳恩霍夫工业数学研究所ITWM);University of Kaiserslautern(凯泽斯劳滕大学)
针对NISQ时代量子图像处理尺寸受限问题,提出一种混合量子迁移学习方法用于灰度图裂纹检测,并比较了PennyLane标准量子比特与IBM模拟器及真实后端的性能与训练时间。
2023-07-31 cs.AI eess.IV math.ST
Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation
Origin Quantum Computing Company Limited(本源量子计算科技有限责任公司);Laboratory of Quantum Information, University of Science and Technology of China(中国科学技术大学量子信息实验室);Department of Electronic Information and Artificial Intelligence, West Anhui University(皖西大学电子信息与人工智能学院);College of Physics and Optoelectronic Engineering, Ocean University of China(中国海洋大学物理与电子工程学院);Institute of Artificial Intelligence, Hefei Comprehensive National Science Center(合肥综合性国家科学中心人工智能研究院);Anhui Province Key Laboratory of Quantum Network, University of Science and Technology of China(中国科学技术大学安徽省量子网络重点实验室)
本文利用凸插值改进变分量子本征求解器(VQE)的可训练性,通过近解初始化、正则代价函数景观和递归拟设平衡分区策略,在仅用10个超导量子比特实现40量子比特实验,并融合贪心算法实现全局与局部优化的互补。
2026-01-20 quant-ph
A practical applicable quantum-classical hybrid ant colony algorithm for the NISQ era
本文提出将聚类算法与量子蚁群优化(QACO)结合的量子-经典混合算法,以TSP为基准验证其在多数据集上的性能提升,并评估噪声影响,证明该扩展QACO可在NISQ设备上实现大规模优化问题的实际应用。
2024-10-08 cs.NE quant-ph
Hybrid Quantum-Classical Algorithm for Hydrodynamics
提出了一种新的非线性带电量子相对论流体模型。该模型可以离散成离散时间量子行走(DTQWs),并提出了一种新的混合(量子经典)算法实现这些行走的NISQ设备。高分辨率(高达$N=2^{17}$网格点)的相对论和非相对论流体动力学冲击的混合数值模拟当前IBM NISQs与此算法进行,并再现经典计算机上的等效模拟。这项工作表明,非线性流体动力学可以在NISQs上模拟,并打开了大门,模拟其他量子和非量子流体,包括等离子体,更一般的量子行走和量子自动机。
2022-02-02 physics.flu-dyn physics.plasm-ph quant-ph
Quantum-Assisted Clustering Algorithms for NISQ-Era Devices
Naval Surface Warfare Center, Dahlgren Division(海军水面作战中心达尔格伦分部)
在量子计算的NISQ时代,我们不应该期望看到量子设备在实际问题的运行时间上提供指数级的改进,因为缺乏纠错和可用的量子比特数量很少。然而,这些设备应该能够提供其他性能改进,特别是当与现有的经典机器相结合时。在这篇文章中,我们开发了几种混合量子经典聚类算法,可以作为子程序在小型NISQ时代的设备上使用。这些新的混合算法需要多个量子位,这些量子位在数据大小上至多是对数的,与它们的经典对应物相比提供性能改进和/或运行时间改进,并且不需要黑盒预言。因此,我们能够提供一个有前途的近期应用程序的NISQ时代的设备。
2019-06-27 cs.LG quant-ph
A hybrid quantum-classical approach to mitigating measurement errors
噪声中间可伸缩量子器件(NISQ)应用于信息处理时,从制备、操纵到测量多体量子比特态的各个阶段都包含着各种类型的噪声,而这些噪声在实际应用中通常很难得到验证。在这项工作中,我们提出了一个方案来处理未知的量子噪声,并表明它可以用来减轻测量读出与NISQ设备的错误。可以规避识别测量中的噪声类型的量子检测器断层扫描。该方案仅应用单量子位操作,其具有比测量读出或双量子位门相对更高的精度。然后对测量结果进行经典的后处理。该方案是在量子算法与NISQ设备:伯恩斯坦-Vazirani算法和量子幅度估计算法在IBMQ约克敦和IBMQ埃塞克斯。增强的统计测量结果的算法与NISQ设备。
2021-12-15 quant-ph
Context-Aware Error Mitigation Orchestration for Hybrid Quantum Reinforcement Learning on NISQ Systems
National Institute of Technology Srinagar(斯利那加国立理工学院)
提出APGEM,一种上下文感知的错误缓解编排框架,动态选择ZNE、PEC、CDR或REM策略,在NISQ设备上提升量子强化学习的鲁棒性,在CVRP上达到Oracle策略效用的94%。
2026-10-02 cs.LG quant-ph
A hybrid quantum image edge detector for the NISQ era
Fraunhofer Institute for Industrial Mathematics ITWM(弗劳恩霍夫工业数学研究所ITWM);University of Kaiserslautern(凯泽斯劳滕大学)
边缘是灰度值强度突然变化的图像位置。它们是理解和分割图像的最重要特征之一。边缘检测是数字图像处理中的标准任务,例如使用滤波技术来解决。然而,要处理的数据量迅速增长,甚至将超级计算机推向极限。量子计算承诺与经典位的数量相比,量子位的数量以指数方式降低内存使用。本文基于量子人工神经元的思想,提出了一种量子边缘检测的混合方法。我们的方法可以在量子计算机上实际实现,特别是在当前有噪声的中间尺度量子时代。我们比较了该方法的六种变体,以减少电路的数量,从而减少量子边缘检测所需的时间。利用我们的方法的可扩展性,我们实际上可以检测图像中的边缘比以前达到的要大得多。
2022-03-22 cs.AI eess.IV quant-ph
When could NISQ algorithms start to create value in discrete manufacturing ?
离散制造业的量子优势在短期内能否实现?作为与制造相关的NISQ算法,我们确定了用于组合优化的量子退火(QA)和量子近似优化算法(QAOA)以及用于求解非线性偏微分方程的衍生量子线路(DQC)。虽然有证据表明QAOA的出色表现,但这需要后NISQ电路深度。在QA的情况下,到目前为止,没有毫无疑问的证据表明与经典计算相比具有优势。然而,不同的协议可能会导致发现这种情况。与精心选择的量子特征图一起,DQC是一个很有前途的概念。更高维问题的进一步调查和培训的改进可以遵循。
2022-09-17 quant-ph
Practicality of training a quantum-classical machine in the NISQ era
本文在离子阱平台上实验研究NISQ时代量子-经典混合系统的监督训练,证明遗传算法比梯度优化器更能应对噪声与多局部极小值的二分类优化景观。
2025-02-17 physics.app-ph physics.atom-ph quant-ph
A quantum Poisson solver implementable on NISQ devices (improved version)
本文提出一种基于Ry旋转的紧凑量子泊松求解器,仅利用概率幅操作,避免相位估计和哈密顿量模拟,在NISQ设备上以低门复杂度求解一维泊松方程。
2023-05-25 quant-ph
Variational Quantum-Neural Hybrid Eigensolver
变分量子本征求解器(VQE)是噪声中等大小量子(NISQ)时代最具代表性的量子算法之一,被普遍认为在非平凡哈密顿量的基态模拟中具有最早的量子优势之一.然而,短的量子相干性时间和有限的可用性的量子硬件资源在NISQ的硬件强烈限制的容量和表现力的VQE。在这封信中,我们介绍了变分量子神经混合本征解算器(VQNHE),其中浅电路量子anonymity可以进一步增强经典的神经网络后处理。我们表明,VQNHE一贯和显着优于VQE在模拟基态能量的量子自旋和分子给予相同数量的量子资源。更重要的是,我们证明了对于任意后处理神经函数,VQNHE只会产生处理时间的多项式开销,并且代表了第一种可扩展的方法,可以在NISQ时代有效地实现非酉后处理,以指数方式加速VQE。
2021-06-09 cond-mat.str-el quant-ph
Enhancing Hybrid Methods in Parameterized Quantum Circuit Optimization
Aalto University(阿尔托大学)
本研究受经典早停法启发,提出两种更鲁棒、可扩展的混合优化算法,在多种代价函数上优于现有方法,并适用于不同噪声的NISQ设备。
2025-10-09 quant-ph
Subdivided Phase Oracle for NISQ Search Algorithms
由于噪声、中等规模量子(NISQ)机器会快速积累错误,我们需要新的方法来设计NISQ感知算法并评估它们的性能。具有在理想情况下不太理想的特性的算法,例如较低的成功概率,实际上可能优于现有硬件上的理想对应物。我们提出了一个适应Grover的算法,细分的相位翻转成段,以取代数字计数器和复杂的相位翻转决策逻辑。我们应用这种方法来获得最大切割问题的最佳解决方案,在稀疏图,利用多控制,Toffoli样门与剩余相移。我们在IBM Q处理器上实现了该算法,并成功地解决了一个5节点MAX-CUT问题,演示了四个量子比特的振幅放大。这种方法将对一系列问题有用,并可能缩短达到量子优势的时间。
2020-03-31 quant-ph
Hybrid Quantum Neighborhood Selection: NISQ-Compatible Combinatorial Optimization via Stochastic Frontier Decomposition
Technological Institute of Aeronautics (ITA)(巴西航空技术学院);ICTQ Foton --- Institute of Quantum Sciences and Technologies Foton(量子科学与技术研究所 Foton)
提出混合量子邻域选择(HQNS)框架,通过随机前沿分解将大规模QUBO问题分解为小规模子问题,在NISQ设备上实现高效优化,在N=1000的MDSSP基准测试中达到并行模拟退火99.99%的解质量,同时减少65%的耗时。
2026-06-28 cs.ET math.OC quant-ph
Reducing the Number of Qubits from $n^2$ to $n\log_{2} (n)$ to Solve the Traveling Salesman Problem with Quantum Computers: A Proposal for Demonstrating Quantum Supremacy in the NISQ Era
本文提出基于 QAOA 的 TSP 求解方法,将量子比特需求由 $n^2$ 降至 $n\log_{2}(n)$,并在既有指标上表现更优,为 NISQ 时代实现量子优越性提供路径。
2024-02-28 quant-ph
Variational Quantum Eigensolvers with Quantum Gaussian Filters for solving ground-state problems in quantum many-body systems
提出一种结合变分量子本征求解器与量子高斯滤波器的量子算法,用于在NISQ设备上高效求解多体系统基态,在横场伊辛模型上展现出更快的收敛和更高的精度。
2024-03-15 quant-ph
Trustworthy Quantum Machine Learning: A Roadmap for Reliability, Robustness, and Security in the NISQ Era
Department of Electrical Engineering and Computer Science, University of Stavanger, Norway(斯瓦尔巴大学电气工程与计算机科学系);School of Physics, Engineering and Technology, University of York, UK(约克大学物理、工程与技术学院)
提出可信量子机器学习路线图,整合不确定性量化、对抗鲁棒性与隐私保护,并在NISQ设备上验证了统一信任评估流水线,将可信度确立为量子AI的首要设计目标。
2025-11-04 cs.AI quant-ph
NISQ Algorithm for Hamiltonian Simulation via Truncated Taylor Series
模拟多体量子系统的动力学被认为是量子计算机可以显示出优于经典计算机的量子优势的第一个领域之一。噪声中尺度量子(NISQ)算法旨在有效地利用现有的量子硬件。对于量子模拟,已经提出了各种类型的NISQ算法,具有各自的优点以及挑战。在这项工作中,我们提出了一个新的算法,截断泰勒量子模拟器(TTQS),分享现有算法的优点,并消除了一些缺点。我们的算法没有任何经典-量子反馈回路,并通过构造绕过了贫瘠高原问题。在我们的混合量子经典算法的经典部分对应于一个二次约束的二次规划(QCQP)与一个单一的二次等式约束,它承认一个半定松弛。基于QCQP的经典优化是最近引入的量子辅助本征解算器(QAE)的经典步骤,量子辅助本征解算器(QAE)是求解哈密顿基态问题的NISQ算法。因此,我们的工作提供了一个概念之间的统一的NISQ算法的哈密顿基态问题和哈密顿模拟。我们恢复微分方程为基础的NISQ算法的哈密顿模拟,如量子辅助模拟器(QAS)和变分量子模拟器(VQS)作为我们的算法的特殊情况。我们在当前云量子计算机上的一些玩具示例上测试了我们的算法。我们还提供了一个系统的方法来提高我们的算法的准确性。
2021-05-18 quant-ph
Minimum Hardware Requirements for Hybrid Quantum-Classical DMFT
我们数值模拟嘈杂的中间尺度量子(NISQ)的设备,并确定最低的硬件要求的两个站点的混合量子经典动力学平均场论(DMFT)。我们提出了一种电路重编译算法,该算法显著减少了DMFT算法的量子门数目,并发现当两量子位门的重编译率大于99%时,量子经典算法收敛.收敛结果与精确解的一致性在10%以内,并且当两量子比特门的量子效率超过99.9%时,在噪声引起的误差范围内完全一致。相比之下,没有电路重新编译的量子经典算法需要至少99.999%的双量子比特门保真度才能与精确解完全一致。因此,我们发现量子经典DMFT计算可以运行在下一代的NISQ设备,如果结合在这项工作中开发的重新编译技术。
2020-06-18 quant-ph
Effects of Quantum Noise on Quantum Approximate Optimization Algorithm
量子-经典混合算法是一种有望在NISQ器件中展示量子优势的算法。当运行这样的算法时,来自量子噪声的影响是不可避免的。在我们的工作中,我们考虑一个著名的混合算法,量子近似优化算法(QAOA)。我们研究了典型量子噪声信道对QAOA的影响,并给出了一些数值结果。我们的研究表明,从QAOA得到的输出状态保真度,成本函数,其梯度下降指数的门的数量和噪声强度。此外,我们还发现噪声只是对参数空间的扰动,并没有改变参数空间的结构,因此优化后的参数不会偏离理想值。我们的研究结果为NISQ设备上运行的混合算法的有效性提供了证据。
2019-12-09 quant-ph
Solving DC Power Flow Problems Using Quantum and Hybrid algorithms
潮流计算在电力系统的规划、运行和控制中起着重要的作用。量子HHL算法在直流潮流计算上与经典算法相比可以获得理论上的指数加速比。由于在噪声中间尺度量子(NISQ)时代的量子比特资源是有限的,因此讨论考虑到这种限制的性能是很重要的。直流潮流问题中线性方程组的系数矩阵不能用有限个二进制数串完全表示,从而导致相位估计不完善。这项工作是在不完美的相位估计的假设下进行的。系统地研究了HHL算法在不同精度和冗余量子比特下的性能。为了进一步减少所需的量子比特资源,提出了一种量子-经典混合算法。通过比较HHL算法和混合算法在IEEE 5节点测试系统直流潮流计算中的误差,发现混合算法通过增加相位估计模块的数量,可以在更少的量子比特数下达到与HHL算法相当的精度,这可能是NISQ时代的一条可行路线。
2022-06-08 quant-ph
Hybrid Quantum--Classical Machine Learning Potential with Variational Quantum Circuits
Department of Energy Science, Sungkyunkwan University(能源科学系,成均馆大学);Department of Energy, Sungkyunkwan University(能源系,成均馆大学);Department of Quantum Information Engineering, Sungkyunkwan University(量子信息工程系,成均馆大学)
本研究提出混合量子-经典机器学习势,将变分量子电路嵌入消息传递层,用于预测液态硅的DFT性质,并在NISQ硬件上实现优于纯经典方法的高温结构模拟。
2025-08-06 cond-mat.mtrl-sci cs.LG physics.chem-ph
Quantum Simulations of Chemical Reactions: Achieving Accuracy with NISQ Devices
Indian Institute of Technology Jodhpur(印度技术学院焦浦尔分校)
本文提出利用不同活性空间研究化学反应,结合基态和激发态的不可约表示,通过VQE算法实现反应能量的高精度预测,误差小于1 kcal/mol。
2026-01-10 physics.chem-ph quant-ph
Noisy intermediate-scale quantum algorithm for semidefinite programming
Centre for Quantum Technologies, National University of Singapore(新加坡国立大学量子技术中心);Imperial College London(帝国理工学院);University of Oxford(牛津大学);MajuLab, CNRS-UNS-NUS-NTU International Joint Research Unit(Maju实验室,法国国家科学研究中心-尼斯大学-新加坡国立大学-南洋理工大学国际联合研究单位);National Institute of Education, Nanyang Technological University(南洋理工大学国立教育学院)
半定规划是一类凸优化问题,在控制理论、量子信息、组合优化和运筹学等领域有着广泛的应用。噪声中尺度量子(NISQ)算法旨在有效利用当前一代量子硬件。然而,优化变分量子算法是一个挑战,因为它是一个NP难题,通常需要指数时间来解决,并且可能包含许多远离最优的局部极小值。在这里,我们提出了一个目前的长期NISQ算法求解SDP。我们的NISQ求解器的经典优化程序是低维空间上的另一个SDP。我们利用基于SDP的哈密顿基态问题的公式来设计NISQ本征解算器。与变分量子本征求解器不同,本征解算器的经典优化程序是凸的,可以在多项式时间内求解,且每个局部最小值都是全局最小值。我们发现数值证据表明,NISQ SDP可以提高基态能量的估计在一个可扩展的方式。进一步,我们有效地解决了约束问题,计算了哈密顿量的激发态,找到了对称约束哈密顿量的最低能量,确定了量子态鉴别的最佳测量方法。我们证明了我们的方法的潜力,找到最大的本征值高达$2^{1000}$维矩阵和解决图形问题的量子上下文。我们还讨论了NISQ算法的秩约束的SDP。我们的工作将NISQ计算机的应用扩展到过去几十年中最成功的算法框架之一。
2023-01-28 cs.LG math.OC quant-ph
Photonic variational quantum eigensolver for NISQ-compatible quantum technology
Korea Institute of Science and Technology (KIST)(韩国科学技术院);Korea University of Science and Technology(韩国科学技术大学)
本文提出利用光子系统实现变分量子特征解算机,以解决量子化学、多体物理和整数分解问题,展示其在NISQ时代实用量子计算中的潜力。
2025-12-22 quant-ph
State preparation and evolution in quantum computing: a perspective from Hamiltonian moments
在有噪声的中尺度量子(NISQ)器件上的量子算法有望模拟经典难以处理的量子系统,以展示量子优势。然而,NISQ器件上不可忽略的门误差阻碍了传统量子算法的实现。实用的策略通常利用混合量子经典算法来展示量子计算在NISQ时代的潜在有用应用。在众多的混合算法中,最近的努力突出了基于量子计算的哈密顿矩,$\langle ϕ| \hat{\mathcal{H}}^n | ϕ\rangle$($n=1,2,\cdots$),相对于量子态$|ϕ\rangle$的量子算法的发展。在本教程中,我们将简要回顾这些量子算法,重点介绍使用量子硬件计算哈密顿矩的典型方法,并基于量子计算矩提高估计状态能量的准确性。此外,我们将提供一个教程,展示如何测量和计算四位海森堡模型的哈密顿矩,并在真实的IBM-Q NISQ硬件环境中利用虚时间演化计算模型的能量和磁化强度。沿着这条线,我们将进一步讨论与这些算法相关的一些实际问题。我们将通过概述在不久的将来在这个方向上的一些可能的发展和应用来结束本教程的回顾。
2021-09-30 quant-ph
Tangible reduction in learning sample complexity with large classical samples and small quantum system
量子计算需要将大型经典数据集嵌入到量子态中,以便利用量子并行性。然而,这种嵌入需要相当多的资源。因此,如果可能的话,对于噪声中间尺度量子(NISQ)实现,希望避免它。因此,我们考虑一个经典量子混合架构,它允许大的经典输入数据,与一个相对小规模的量子系统。这种混合体系结构用于实现oracle。结果表明,在混合预言机中存在噪声时,内部噪声的影响可以相互抵消,从而提高查询成功率。它还表明,这种免疫力的混合预言机噪声直接和有形地降低了样本的复杂性,在可能近似正确的学习框架。这种与NISQ兼容的学习优势归因于oracle处理大型输入特征的能力。
2021-09-01 quant-ph
NISQ-compatible approximate quantum algorithm for unconstrained and constrained discrete optimization
提出一种基于梯度的NISQ兼容近似量子算法,通过振幅编码与硬件高效电路解决离散优化问题,支持直接纳入线性约束,并在超1000节点的MaxCut问题上验证了与CPLEX混合的方法优于纯经典求解。
2023-11-15 math.OC quant-ph
A preprocessing perspective for quantum machine learning classification advantage using NISQ algorithms
量子机器学习(QML)与经典的机器学习方法相比,还没有广泛而明确地展示其优势。到目前为止,只有一些特定的情况下,一些量子启发的技术已经实现了小的增量优势,并且考虑到中期的未来,混合量子计算中的一些实验案例是有希望的(不考虑纯粹与使用量子经典算法的优化相关的成就)。目前的量子计算机有噪声,并且只有很少的量子比特可供测试,因此很难证明QML方法的当前和潜在的量子优势。研究表明,在数据预处理过程中使用线性判别分析(LDA)可以获得更好的经典编码和量子分类器的性能。结果表明,变分量子算法(VQA)与LDA技术相比,在平衡精度方面表现出了性能上的提高,并且优于基线经典分类器。
2022-09-01 quant-ph stat.ML
Multistate Transition Dynamics by Strong Time-Dependent Perturbation in NISQ era
利用McLachlan变分原理发展了一种量子计算方案,在量子-经典混合算法中精确计算了受强含时微扰的多激发态封闭量子系统的跃迁动力学.改进了一种系统的方法,用于优化构造具有一元N量子比特编码的一般N态量子阱。在McLachlan变分量子算法中采用量子比特有效编码,将量子比特数减少到log 2N,同时减小了量子线路的深度.通过使用二阶步进方法,时间步长的数量实现了显着减少。仪器在获得高精度的电路,包括时间相关的全球相位校正的适应。我们在一组16个束缚类氢本征态上对我们的量子计算算法进行了说明、测试和优化。通过与基准数据的比较,得到的转移概率结果的准确度优于1%。使用哈密顿量的相互作用表示减少了量子系统随时间演化时NISQ噪声和采样误差累积的影响。
2022-04-24 quant-ph
Hybrid quantum-classical algorithms in the noisy intermediate-scale quantum era and beyond
混合量子经典算法是当前量子计算研究的核心,特别是在考虑噪声中间尺度量子(NISQ)时代时,已经进行了大量的实验演示。从这个角度来看,我们讨论了在一个非常广泛的意义上,它意味着一个算法是混合量子经典。我们首先非常直接地探索这个概念,通过建立一个基于抽象/表示理论的定义,认为使算法混合的不是它是如何运行的(或者它消耗了多少经典资源),而是经典组件是否对计算的底层模型至关重要。然后,我们采取更广泛的观点,这个问题,回顾了一些混合算法,并讨论是什么使他们的混合,以及他们如何出现的历史,并考虑到硬件。这导致了对这些算法未来的自然讨论。为了回答这个问题,我们转向经典计算中专用处理器的使用。经典的趋势不是新技术完全取代旧技术,而是增强它。我们认为量子计算的演变不太可能有所不同:混合算法很可能在NISQ时代之后保持很好甚至进入完全容错,量子处理器通过执行专门的任务来增强已经存在的强大的经典处理器。
2022-07-14 quant-ph
QRunes: High-Level Language for Quantum-Classical Hybrid Programming
量子-经典混合算法因其在噪声中等尺度量子器件中实现“量子优势“的潜力而备受关注。在这里,我们介绍QRunes,一种用于混合编程的跨平台量子语言。QRunes可以编译到各种主机后端,允许用户编写可移植的量子子程序。混合编程基于类型系统,该类型系统用于决定语句应该在何处运行。我们还介绍了Qurator,一个VSCode插件,它支持QRunes语言和两个主机后端。
2019-01-24 quant-ph
Supply Chain Logistics with Quantum and Classical Annealing Algorithms
噪声中尺度量子(NISQ)硬件几乎普遍与具有实际重要性的全尺度优化问题不兼容,这些问题可能具有许多变量和笨拙的目标函数。因此,有越来越多的文献在运筹学环境中出现的问题的小型化版本上测试量子算法。而不是采取这种方法,我们调查的问题,大量的商业价值,多卡车的供应链物流车辆路线,在规模上使用的公司在其业务。这样的问题太复杂,无法完全嵌入任何近期的量子硬件或模拟器中;我们通过采用混合工作流方法来避免面对这一挑战:我们通过每次生成一辆卡车的新的二元优化问题实例来迭代地为卡车分配路线。每个实例都有$\sim 2500$二次二进制变量,将其置于NISQ量子计算,特别是量子退火硬件可行的范围内。我们使用模拟退火和D-Wave混合求解器作为占位符来测试我们的方法,以等待量子硬件的发展。在将这些运行所建议的车辆路线馈送到高度逼真的经典供应链仿真中之后,我们发现整个供应链的性能非常出色。我们的工作给出了一套技术,可以采用在车辆路由以外的背景下应用NISQ设备在一个混合的方式,以大规模的商业利益的问题。
2022-05-09 quant-ph
Advanced Quantum Poisson Solver in the NISQ era
泊松方程在科学和工程的广泛领域有许多应用。到目前为止,大多数量子算法的泊松求解器,要么遭受缺乏准确性和/或仅限于非常小的尺寸的问题,因此没有实际用途。在这里,我们提出了一个先进的量子算法求解泊松方程的高精度和动态可调的问题大小。通过有限差分法将Poisson方程转化为线性方程组,采用Harrow-Hassidim-Lloyd(HHL)算法作为基本框架。特别是,在这项工作中,我们提出了一种先进的电路,通过实施非截断本征值,通过本征值放大,以及通过提高控制旋转角系数,这是在HHL算法的关键因素的准确性,以确保解决方案的准确性。我们表明,我们的算法不仅提高了解决方案的准确性,而且还组成了更实用和可扩展的电路,通过动态控制问题的大小在NISQ设备。我们提出了模拟和实验的解决方案,并得出结论,量子硬件的总体结果是由CNOT门的误差。
2022-09-19 quant-ph
Quantum annealing in the NISQ era: railway conflict management
我们正处于噪声中间尺度量子(NISQ)设备的时代,在这个时代,量子硬件已经可以应用于现实世界的问题。然而,证明这种NISQ设备的有用性仍然很少见。在这项工作中,我们考虑了一个实际的铁路调度问题:单线铁路线上的延误和冲突管理。我们研究的问题,训练调度的后果所造成的一个已经延误的训练的网络段的到来正在考虑。这个问题在计算上是困难的,几乎需要实时解决。我们引入了一个二次无约束二进制优化(QUBO)模型,这个问题,兼容新兴的量子退火技术。该模型的实例可以在当今的量子退火机上执行。作为概念验证,我们使用D-Wave量子退火机解决了波兰铁路网络中的特定现实问题。作为参考,我们还提供了使用经典方法计算的解决方案,包括与社区相关的解决方案(线性整数规划)和基于张量网络的复杂算法,用于解决Ising实例。我们的初步结果说明了当前量子退火技术在现实生活中的铁路实例中的困难程度。此外,我们的分析表明,新一代量子退火器(优势系统)在这些情况下的表现比其前身差得多。
2021-12-08 quant-ph
Hybrid Quantum-Classical Normalizing Flow
本文提出一种基于参数化量子电路的混合量子-经典归一化流模型,用于图像生成,在FID分数上优于量子生成对抗网络,且参数更少。
2024-05-22 quant-ph
The NISQ Complexity of Collision Finding
本文研究NISQ时代碰撞查找问题的复杂性,针对量子查询预算受限、含噪声预言机和量子深度受限三种模型给出紧界,填补了该问题在NISQ模型下的研究空白。
2024-02-28 cs.CC cs.CR cs.DS
Identifying Bottlenecks of NISQ-friendly HHL algorithms
本研究针对NISQ时代HHL算法的核心组件QPE及其迭代版本开展实证研究,测试其可扩展性与抗噪性,发现现有噪声缓解技术效果不足,精度提升带来的扩展性问题是主要瓶颈,为相关算法优化指明方向。
2024-08-02 cs.ET quant-ph
Quantum Algorithms for solving Hard Constrained Optimisation Problems
La Salle - Ramon Llull University(拉蒙柳尔大学拉萨尔学院);IBMQ(IBM量子);AWS-Braket(AWS布拉凯特)
本文研究了求解硬约束优化问题的量子算法。它展示了量子计算机如何解决困难的日常问题,例如为社会工作者找到最佳时间表或机器人在仓库中挑选和整理的路径。解决方案的路径导致了一种新的人工智能范式的定义,包括量子计算,量子基于案例推理(qCBR),以及使用Raspberry Pi 4作为处理器(qRobot)将量子计算的能力集成到移动机器人中的概念验证,能够与IBMQ,Amazon Braket(D-Wave)和Pennylane等领先的技术参与者一起运行。为了提高变分算法在这个NISQ时代和下一个时代的执行时间,我们提出了EVA:一种量子指数值近似算法,它可以加速VQE,也就是说,到目前为止,量子计算的旗舰。为了提高变分算法在这个NISQ时代和下一个时代的执行时间,我们提出了EVA:一种量子指数值近似算法,它可以加速VQE,也就是说,到目前为止,量子计算的旗舰。
2022-02-26 cs.LG quant-ph
Exploring polymer classification with a hybrid single-photon quantum approach
Alysophil 850 Bd Sébastien Brant, 67400 Illkirch-Graffenstaden, France(法国伊尔克希茨-格拉芬斯塔登市Alysophil 850 Bd Sébastien Brant)
本文提出了一种混合经典-量子方法,利用单光子量子计算对聚合物进行分类,展示了在NISQ设备限制下有效处理化学分类任务的可行性。
2025-12-19 cs.LG quant-ph
Optimization and Noise Analysis of the Quantum Algorithm for Solving One-Dimensional Poisson Equation
解微分方程是量子计算最有前途的应用之一。最近,我们提出了一种有效的量子算法来求解一维泊松方程,避免了进行量子运算或哈密顿模拟。在这封信中,我们进一步发展该算法,使其更接近实际应用中的噪声中间尺度量子(NISQ)设备。为此,我们首先开发了一种新的方法来执行正弦变换,并在此基础上通过将电路的深度从n2减少到n来优化算法。然后,我们使用IBM Qiskit工具包分析了实际量子器件中存在的公共噪声对算法的影响。我们发现,相位阻尼噪声对我们的算法的影响很小,而位翻转噪声的影响最大。此外,还得到了量子门的阈值误差,使电路输出的保真度大于90%。噪声分析的结果将为后续的算法误差消除和误差校正工作提供很好的指导。在这项工作中开发的噪声分析方法可以用于其他算法上执行的NISQ设备。
2021-08-27 quant-ph
NISQ: Error Correction, Mitigation, and Noise Simulation
发明纠错码是为了纠正嘈杂的通信信道上的错误。然而,量子纠错(QEC)可以具有更广泛的用途,包括信息传输、量子模拟/计算和容错。这些都促使我们重新思考QEC,特别是量子物理学在编码和解码方面所扮演的角色。许多量子算法,特别是近期的量子-经典混合算法,只使用有限类型的量子态局部测量,这一事实导致了称为量子误差减轻(QEM)的各种新技术。这项工作从几个方面探讨了QEM的任务。使用基于经典和量子通信场景的一些直觉,我们澄清了QEC和QEM之间的一些基本区别。然后,我们讨论了QEM的噪声可逆性的影响,并给出了一个明确的结构称为Drazin逆的不可逆噪声,这是跟踪保持,而常用的Moore-Penrose伪逆可能不是。最后,我们研究的后果,有一个不完善的知识的噪音,并推导出的条件时,噪音可以减少使用QEM。
2022-08-04 quant-ph
Hybrid quantum optimization in the context of minimizing traffic congestion
本文针对交通拥堵最小化问题,提出定制初始化技术和消除长程双量子比特相互作用的抗噪声QAOA变体,在低电路深度及IBM量子设备上显著提升求解性能。
2025-04-11 quant-ph
Where are we heading with NISQ?
本文回顾NISQ(含噪声中等规模量子计算)发展现状,分析其算法资源需求与硬件能力的矛盾,介绍相关优化技术,指出NISQ实用窗口期狭窄,且未来可能与容错量子计算沿不同路径发展,提出量子比特规模与保真度的权衡问题。
2023-06-12 quant-ph
A hybrid quantum-classical algorithm for multichannel quantum scattering of atoms and molecules
本文提出一种基于Kohn变分原理和变分量子线性求解器的混合量子-经典算法,用于求解原子与分子碰撞的散射S矩阵,并在NISQ处理器上验证了其计算振动弛豫概率及扩展至多原子分子碰撞的可行性。
2023-04-12 physics.chem-ph quant-ph
Dynamic Hypergraph Partitioning of Quantum Circuits with Hybrid Execution
针对NISQ设备量子比特受限、噪声高且现有划分方法扩展性差的问题,本文提出结合经典与量子硬件的动态超图划分方法,以降低噪声、时间和成本。
2025-06-11 cs.ET quant-ph
Quantum dynamics simulations beyond the coherence time on NISQ hardware by variational Trotter compression
我们展示了淬火后的动力学模拟海森堡模型在当今的IBM量子硬件,扩展到设备的相干时间之外。这是使用混合量子经典算法来实现的,该算法使用Trotter演化来传播状态,然后执行经典优化,该经典优化有效地将时间演化状态压缩成变分形式。当迭代时,该过程使得能够模拟到任意时间,其中误差由压缩保真度和固定的Trotter步长控制。我们展示了如何测量所需的成本函数,时间演化和变分状态之间的重叠,在当今的硬件,利用几种错误缓解方法。除了在真实硬件上进行模拟之外,我们还研究了该算法的性能和缩放行为,包括无噪声和有噪声的经典模拟。我们发现,在去更大的系统尺寸的主要瓶颈是进行噪声成本函数的优化的困难。
2021-12-23 cond-mat.str-el quant-ph
Variational quantum eigensolver with linear depth problem-inspired ansatz for solving portfolio optimization in finance
本文设计线性深度、参数数量为 n^2/4 的硬件高效 Dicke 态 ansatz,并结合可扩展 HDC 方案,在 Wu Kong 上以最多 55 量子比特求解 CVaR 投资组合优化。
2024-03-07 quant-ph
Quantum-enhanced data classification with a variational entangled sensor network
变分量子线路(VQC)建立在噪声中间尺度量子(NISQ)硬件上,结合经典处理,构成了量子模拟、经典优化和机器学习的一种有前途的体系结构。然而,所需的VQC深度,以证明一个量子优势超过经典的计划是超出了现有的NISQ设备的范围。由纠缠传感器网络(SLAEN)辅助的监督学习是一种独特的范例,它利用经典机器学习算法训练的VQC来定制传感器共享的多体纠缠,以解决实际有用的数据处理问题。在这里,我们报告了SLAEN的第一个实验演示,并显示了一个纠缠启用减少多维射频信号分类的错误概率。我们的工作为NISQ时代的量子增强数据处理及其应用开辟了一条新的途径。
2021-05-18 physics.optics quant-ph
Solving nonlinear differential equations on noisy $156$-qubit quantum computers
ColibriTD;Laboratoire Interdisciplinaire Carnot de Bourgogne, UMR 6303 CNRS, University of Technology of Belfort-Montbéliard(勃艮第卡诺跨学科实验室,CNRS联合研究单位6303,贝尔福-蒙贝利亚尔理工大学);Mathematics and Statistics Department, Auburn University(奥本大学数学与统计系)
本文提出了一种混合经典-量子算法H-DES,在噪声的156量子位量子计算机上成功求解了非线性微分方程,包括一维材料变形问题和无粘性伯格斯方程。
2026-02-10 quant-ph
Dynamical Self-energy Mapping (DSEM) for quantum computing
对于有噪声的中间尺度量子(NISQ)设备,只有具有有限相干性的中等数量的量子比特可用,因此在当前执行的量子计算中仅实现浅电路和几个时间演化步骤。在这里,我们提出了如何绕过这一挑战,在实际的分子化学模拟NISQ设备采用经典量子混合算法,使我们能够产生一个稀疏的哈密顿量,其中只包含$\mathcal{O}(n^2)$条款在高斯轨道的基础上相比,$\mathcal{O}(n^4)$条款的标准哈密顿量,其中$n$是在系统中的轨道数。这个混合的经典部分需要稀疏的,虚构的哈密顿量的参数化,以这样一种方式,它恢复了原来的分子系统的自能。然后量子机使用这个虚构的哈密顿量来计算系统的自能。我们表明,开发的混合算法产生非常好的总能量小分子测试情况下,同时减少深度的量子线路的至少一个数量级相比,涉及一个完整的哈密顿量的模拟。
2021-02-02 physics.chem-ph quant-ph
Hierarchical Quantum Optimization via Backbone-Driven Problem Decomposition: Integrating Tabu-Search with QAOA
针对NISQ设备限制QAOA处理大规模组合优化问题的挑战,提出骨干驱动QAOA混合框架,通过自适应禁忌搜索预处理分解QUBO问题为量子可处理子问题并迭代优化,实验证明其性能优于或媲美传统经典及混合算法,提升NISQ设备解决大规模问题的能力。
2025-04-13 quant-ph
Fast-Forwarding with NISQ Processors without Feedback Loop
预计在量子计算机上模拟量子动力学比在经典计算机上更容易。然而,目前可用的量子器件缺乏实现用于量子模拟的容错量子算法的能力。已经提出了诸如变分量子算法的混合经典量子算法以有效地使用当前项量子设备。在有噪声的中间尺度量子(NISQ)时代,一种有前途的量子模拟方法是基于对角化的方法,其中一些有前途的例子是子空间变分量子模拟器(SVQS)、变分快速转发(VFF)、固定状态变分快速转发(fs-VFF)和变分哈密顿对角化(VHD)算法。然而,这些算法需要经典计算机和量子计算机之间的反馈回路,这可能是实际应用中的关键瓶颈。在这里,我们提出了经典量子快速转发(CQFF)作为一种替代的基于对角化的算法量子模拟。CQFF与SVQS、VFF、fs-VFF和VHD有一些相似之处,但不需要经典量子反馈回路和受控多量子比特幺正。CQFF算法不受贫瘠高原问题的影响,精度可以系统地提高。此外,如果要模拟的哈密顿量被表示为张量-泡利矩阵的线性组合,则CQFF算法简化为在一组泡利旋转基中对一些多体量子态进行采样的任务,这在NISQ时代很容易做到。我们在现有的量子处理器上运行CQFF算法,并展示了CQFF算法对当前量子硬件的承诺。我们的工作提供了一个$10^4$的改进,在以前的记录。
2021-09-21 quant-ph