1Theoretische Abteilung, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
2Fachbereich Physik, Imperial College London, London, SW7 2AZ, Großbritannien
3Fakultät für Physik, Astronomie und Angewandte Informatik, Jagiellonen-Universität, Krakau, Polen
4Mark Kac Center for Complex Systems Research, Jagiellonen-Universität, Krakau, Polen
5Quantum Science Center, Oak Ridge, TN 37931, USA
6Zentrum für nichtlineare Studien, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.
Abstrakt
Variationale Quantenalgorithmen (VQAs) werden oft als die beste Hoffnung auf kurzfristige Quantenvorteile angesehen. Jüngste Studien haben jedoch gezeigt, dass Rauschen die Trainierbarkeit von VQAs erheblich einschränken kann, z. B. durch eine exponentielle Abflachung der Kostenlandschaft und eine Unterdrückung der Größenordnung von Kostengradienten. Die Fehlerminderung (EM) ist vielversprechend, wenn es darum geht, die Auswirkungen von Rauschen auf kurzfristig verfügbare Geräte zu reduzieren. Daher stellt sich natürlich die Frage, ob EM die Trainierbarkeit von VQAs verbessern kann. In dieser Arbeit zeigen wir zunächst, dass für eine breite Klasse von EM-Strategien die exponentielle Kostenkonzentration nicht gelöst werden kann, ohne an anderer Stelle exponentielle Ressourcen zu binden. Zu dieser Klasse von Strategien gehören als Sonderfälle Zero Noise Extrapolation, Virtual Distillation, Probabilistic Error Cancellation und Clifford Data Regression. Zweitens führen wir eine analytische und numerische Analyse dieser EM-Protokolle durch und stellen fest, dass einige von ihnen (z. B. virtuelle Destillation) die Auflösung von Kostenfunktionswerten schwieriger machen können, als wenn überhaupt kein EM ausgeführt wird. Als positives Ergebnis finden wir numerische Belege dafür, dass Clifford Data Regression (CDR) den Trainingsprozess in bestimmten Umgebungen unterstützen kann, in denen die Kostenkonzentration nicht zu stark ist. Unsere Ergebnisse zeigen, dass bei der Anwendung von EM-Protokollen Vorsicht geboten ist, da diese die Trainingsfähigkeit entweder verschlechtern oder nicht verbessern können. Andererseits unterstreichen unsere positiven Ergebnisse für CDR die Möglichkeit, Methoden zur Fehlerminderung zu entwickeln, um die Trainierbarkeit zu verbessern.
Ausgewähltes Bild: Es wurde festgestellt, dass bestimmte Arten von Hardware-Rauschen die Auflösbarkeit von Kostenlandschaften in Variationsquantenalgorithmen exponentiell beeinträchtigen. Daher kann die genaue und zuverlässige Optimierung verrauschter Variationsquantenalgorithmen mit einem exponentiellen Probenaufwand verbunden sein. In dieser Arbeit fragen wir, ob Fehlerminderung dieses Phänomen abmildern kann, sowohl aus Sicht der Skalierung (im Grenzbereich großer Systemgrößen) als auch für feste Problemgrößen.
► BibTeX-Daten
► Referenzen
[1] Jarrod R. McClean, Jonathan Romero, Ryan Babbush und Alán Aspuru-Guzik. „Die Theorie der Variations-Hybrid-Quanten-klassischen Algorithmen“. Neue Zeitschrift für Physik 18, 023023 (2016).
https://doi.org/10.1007/978-94-015-8330-5_4
[2] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio und Patrick J. Coles. „Variative Quantenalgorithmen“. Nature Reviews Physics 3, 625–644 (2021).
https://doi.org/10.1038/s42254-021-00348-9
[3] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C. Benjamin und Xiao Yuan. „Variationsansatzbasierte Quantensimulation der imaginären Zeitentwicklung“. npj Quantum Information 5, 1–6 (2019).
https://doi.org/10.1038/s41534-019-0187-2
[4] Harper R. Grimsley, Sophia E. Economou, Edwin Barnes und Nicholas J. Mayhall. „Ein adaptiver Variationsalgorithmus für exakte molekulare Simulationen auf einem Quantencomputer“. Nature Communications 10, 1–9 (2019).
https://doi.org/10.1038/s41467-019-10988-2
[5] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J. Coles und Andrew Sornborger. „Variationeller schneller Vorlauf für die Quantensimulation über die Kohärenzzeit hinaus“. npj Quantum Information 6, 1–10 (2020).
https://doi.org/10.1038/s41534-020-00302-0
[6] Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles und Andrew Sornborger. „Variationelle Hamiltonsche Diagonalisierung für dynamische Quantensimulation“. arXiv-Vorabdruck arXiv:2009.02559 (2020).
https:///doi.org/10.48550/arXiv.2009.02559
[7] Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles und Andrew Sornborger. „Langzeitsimulationen mit hoher Genauigkeit auf Quantenhardware“. arXiv-Vorabdruck arXiv:2102.04313 (2021).
https:///doi.org/10.48550/arXiv.2102.04313
[8] Yong-Xin Yao, Niladri Gomes, Feng Zhang, Thomas Iadecola, Cai-Zhuang Wang, Kai-Ming Ho und Peter P Orth. „Adaptive Variationsquantendynamiksimulationen“. arXiv-Vorabdruck arXiv:2011.00622 (2020).
https: / / doi.org/ 10.1103 / PRXQuantum.2.030307
[9] Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin und Xiao Yuan. „Variative Quantensimulation allgemeiner Prozesse“. Physical Review Letters 125, 010501 (2020).
https://doi.org/ 10.1103/PhysRevLett.125.010501
[10] Y. Li und SC Benjamin. „Effizienter Variationsquantensimulator mit aktiver Fehlerminimierung“. Physik. Rev. X 7, 021050 (2017).
https://doi.org/ 10.1103/PhysRevX.7.021050
[11] Jonathan Wei Zhong Lau, Kishor Bharti, Tobias Haug und Leong Chuan Kwek. „Quantengestützte Simulation zeitabhängiger Hamilton-Operatoren“. arXiv-Vorabdruck arXiv:2101.07677 (2021).
https:///doi.org/10.48550/arXiv.2101.07677
[12] Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai und Keisuke Fujii. „Subraumvariationsquantensimulator“. arXiv-Vorabdruck arXiv:1904.08566 (2019).
https:///doi.org/10.48550/arXiv.1904.08566
[13] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li und Simon C. Benjamin. „Theorie der Variationsquantensimulation“. Quantum 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191
[14] Maria Schuld, Alex Bocharov, Krysta M Svore und Nathan Wiebe. „Schaltkreiszentrierte Quantenklassifikatoren“. Physical Review A 101, 032308 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.032308
[15] Guillaume Verdon, Michael Broughton und Jacob Biamonte. „Ein Quantenalgorithmus zum Trainieren neuronaler Netze mithilfe von Schaltkreisen geringer Tiefe“. arXiv-Vorabdruck arXiv:1712.05304 (2017).
https:///doi.org/10.48550/arXiv.1712.05304
[16] Jonathan Romero und Alan Aspuru-Guzik. „Variative Quantengeneratoren: Generatives kontradiktorisches Quantenmaschinenlernen für kontinuierliche Verteilungen“. Advanced Quantum Technologies 4, 2000003 (2021).
https: / / doi.org/ 10.1002 / qute.202000003
[17] Edward Farhi und Hartmut Neven. „Klassifizierung mit Quanten-Neuronalen Netzen auf Nahzeitprozessoren“. arXiv-Vorabdruck arXiv:1802.06002 (2018).
https:///doi.org/10.48550/arXiv.1802.06002
[18] Kerstin Beer, Dmytro Bondarenko, Terry Farrelly, Tobias J. Osborne, Robert Salzmann, Daniel Scheiermann und Ramona Wolf. „Training tiefer quantenneuronaler Netze“. Nature Communications 11, 808 (2020).
https://doi.org/10.1038/s41467-020-14454-2
[19] Iris Cong, Soonwon Choi und Mikhail D. Lukin. „Quantenfaltungsneuronale Netze“. Naturphysik 15, 1273–1278 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[20] Edward Grant, Marcello Benedetti, Shuxiang Cao, Andrew Hallam, Joshua Lockhart, Vid Stojevic, Andrew G Green und Simone Severini. „Hierarchische Quantenklassifikatoren“. npj Quantum Information 4, 1–8 (2018).
https://doi.org/10.1038/s41534-018-0116-9
[21] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik und Jeremy L O’brien. "Ein Variationseigenwertlöser auf einem photonischen Quantenprozessor". Nature Communications 5, 1–7 (2014).
https: / / doi.org/ 10.1038 / ncomms5213
[22] Bela Bauer, Dave Wecker, Andrew J. Millis, Matthew B. Hastings und Matthias Troyer. „Hybrider quantenklassischer Ansatz für korrelierte Materialien“. Körperliche Überprüfung X 6, 031045 (2016).
https://doi.org/ 10.1103/PhysRevX.6.031045
[23] Tyson Jones, Suguru Endo, Sam McArdle, Xiao Yuan und Simon C. Benjamin. „Variative Quantenalgorithmen zur Entdeckung von Hamilton-Spektren“. Physical Review A 99, 062304 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062304
[24] Edward Farhi, Jeffrey Goldstone und Sam Gutmann. „Ein Quantennäherungsoptimierungsalgorithmus“. arXiv-Vorabdruck arXiv:1411.4028 (2014).
https:///doi.org/10.48550/arXiv.1411.4028
[25] Zhihui Wang, S. Hadfield, Z. Jiang und EG Rieffel. „Quantennäherungsoptimierungsalgorithmus für MaxCut: Eine fermionische Sichtweise“. Physical Review A 97, 022304 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.97.022304
[26] Gavin E. Crooks. „Leistung des Quantennäherungsoptimierungsalgorithmus beim Maximum-Cut-Problem“. arXiv-Vorabdruck arXiv:1811.08419 (2018).
https:///doi.org/10.48550/arXiv.1811.08419
[27] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G. Rieffel, Davide Venturelli und Rupak Biswas. „Vom Quantennäherungsoptimierungsalgorithmus zum Quantenalternierungsoperatoransatz“. Algorithmen 12, 34 (2019).
https: // doi.org/ 10.3390 / a12020034
[28] Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio und Patrick Coles. „Variativer Quantenlinearlöser“. arXiv-Vorabdruck arXiv:1909.05820 (2019).
https://doi.org/10.22331/q-2023-11-22-1188
[29] Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C. Benjamin und Xiao Yuan. „Variationsalgorithmen für die lineare Algebra“. Science Bulletin 66, 2181–2188 (2021).
https: / / doi.org/ 10.1016 / j.scib.2021.06.023
[30] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki und Simon C. Benjamin. „Variationszustands-Quantenmetrologie“. Neue Zeitschrift für Physik (2020).
https:///doi.org/10.1088/1367-2630/ab965e
[31] Johannes Jakob Meyer, Johannes Borregaard und Jens Eisert. „Eine Variations-Toolbox für die Quanten-Multiparameterschätzung“. NPJ Quantum Information 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y
[32] Eric Anschuetz, Jonathan Olson, Alán Aspuru-Guzik und Yudong Cao. „Variative Quantenfaktorisierung“. Quantentechnologie und Optimierungsprobleme (2019).
https://doi.org/10.1007/978-3-030-14082-3_7
[33] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T. Sornborger und Patrick J. Coles. „Quantenunterstütztes Quantenkompilieren“. Quantum 3, 140 (2019).
https://doi.org/10.22331/q-2019-05-13-140
[34] Kunal Sharma, Sumeet Khatri, M. Cerezo und Patrick J. Coles. „Rauschresilienz der Variationsquantenkompilierung“. Neues Journal of Physics 22, 043006 (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c
[35] Tyson Jones und Simon C. Benjamin. „Quantenkompilierung und Schaltungsoptimierung durch Energiedissipation“. arXiv-Vorabdruck arXiv:1811.03147 (2018).
https://doi.org/10.22331/q-2022-01-24-628
[36] Andrew Arrasmith, Lukasz Cincio, Andrew T. Sornborger, Wojciech H. Zurek und Patrick J. Coles. „Variationskonsistente Geschichten als Hybridalgorithmus für Quantengrundlagen“. Nature Communications 10, 1–7 (2019).
https://doi.org/10.1038/s41467-019-11417-0
[37] M. Cerezo, Kunal Sharma, Andrew Arrasmith und Patrick J. Coles. „Variativer Quantenzustands-Eigenlöser“. arXiv-Vorabdruck arXiv:2004.01372 (2020).
https://doi.org/10.1038/s41534-022-00611-6
[38] Ryan LaRose, Arkin Tikku, Étude O'Neel-Judy, Lukasz Cincio und Patrick J Coles. „Variative Quantenzustandsdiagonalisierung“. npj Quantum Information 5, 1–10 (2019).
https://doi.org/10.1038/s41534-019-0167-6
[39] Guillaume Verdon, Jacob Marks, Sasha Nanda, Stefan Leichenauer und Jack Hidary. „Quanten-Hamiltonian-basierte Modelle und der Variations-Quanten-Thermalizer-Algorithmus“. arXiv-Vorabdruck arXiv:1910.02071 (2019).
https:///doi.org/10.48550/arXiv.1910.02071
[40] Peter D. Johnson, Jonathan Romero, Jonathan Olson, Yudong Cao und Alán Aspuru-Guzik. „Qvector: ein Algorithmus zur gerätespezifischen Quantenfehlerkorrektur“. arXiv-Vorabdruck arXiv:1711.02249 (2017).
https:///doi.org/10.48550/arXiv.1711.02249
[41] John Preskill. „Quantencomputing in der NISQ-Ära und darüber hinaus“. Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
[42] Kristan Temme, Sergey Bravyi und Jay M. Gambetta. "Fehlerminderung für Quantenschaltkreise mit kurzer Tiefe". Phys. Rev. Lett. 119, 180509 (2017).
https://doi.org/ 10.1103/PhysRevLett.119.180509
[43] Suguru Endo, Simon C. Benjamin und Ying Li. „Praktische Quantenfehlerminderung für Anwendungen der nahen Zukunft“. Körperliche Überprüfung X 8, 031027 (2018).
https://doi.org/ 10.1103/PhysRevX.8.031027
[44] Abhinav Kandala, Kristan Temme, Antonio D. Corcoles, Antonio Mezzacapo, Jerry M. Chow und Jay M. Gambetta. "Fehlerminderung erweitert die Rechenreichweite eines lauten Quantenprozessors". Natur 567, 491–495 (2019).
https://doi.org/10.1038/s41586-019-1040-7
[45] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles und Lukasz Cincio. „Fehlerminderung mit Clifford-Quantenschaltungsdaten“. Quantum 5, 592 (2021).
https://doi.org/10.22331/q-2021-11-26-592
[46] William J. Huggins, Sam McArdle, Thomas E. O'Brien, Joonho Lee, Nicholas C. Rubin, Sergio Boixo, K. Birgitta Whaley, Ryan Babbush und Jarrod R. McClean. „Virtuelle Destillation zur Quantenfehlerminderung“. Körperliche Überprüfung X 11, 041036 (2021).
https://doi.org/ 10.1103/PhysRevX.11.041036
[47] Bálint Koczor. „Exponentielle Fehlerunterdrückung für kurzfristige Quantengeräte“. Körperliche Überprüfung X 11, 031057 (2021).
https://doi.org/ 10.1103/PhysRevX.11.031057
[48] Jarrod R. McClean, Mollie E. Kimchi-Schwartz, Jonathan Carter und Wibe A. De Jong. „Hybride quantenklassische Hierarchie zur Minderung der Dekohärenz und Bestimmung angeregter Zustände“. Physical Review A 95, 042308 (2017).
https: / / doi.org/ 10.1103 / PhysRevA.95.042308
[49] Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean und Ryan Babbush. „Fehlerminderung durch verifizierte Phasenschätzung“. PRX Quantum 2, 020317 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317
[50] Sam McArdle, Xiao Yuan und Simon Benjamin. „Fehlerbegrenzte digitale Quantensimulation“. Phys. Rev. Lett. 122, 180501 (2019).
https://doi.org/ 10.1103/PhysRevLett.122.180501
[51] Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh und TE O'Brien. „Kostengünstige Fehlerminderung durch Symmetrieüberprüfung“. Physical Review A 98, 062339 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.062339
[52] William J. Huggins, Jarrod R. McClean, Nicholas C. Rubin, Zhang Jiang, Nathan Wiebe, K. Birgitta Whaley und Ryan Babbush. „Effiziente und rauschresistente Messungen für die Quantenchemie auf kurzfristigen Quantencomputern“. npj Quantum Information 7, 1–9 (2021).
https://doi.org/10.1038/s41534-020-00341-7
[53] George S. Barron und Christopher J. Wood. „Messfehlerminderung für Variationsquantenalgorithmen“. arXiv-Vorabdruck arXiv:2010.08520 (2020).
https:///doi.org/10.48550/arXiv.2010.08520
[54] Alistair WR Smith, Kiran E. Khosla, Chris N. Self und MS Kim. „Qubit-Auslesefehlerminderung durch Bit-Flip-Mittelwertbildung“. Wissenschaftliche Fortschritte 7 (2021).
https:///doi.org/10.1126/sciadv.abi8009
[55] Daiqin Su, Robert Israel, Kunal Sharma, Haoyu Qi, Ish Dhand und Kamil Brádler. „Fehlerminderung bei einem kurzfristigen quantenphotonischen Gerät“. Quantum 5, 452 (2021).
https://doi.org/10.22331/q-2021-05-04-452
[56] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio und Patrick J Coles. „Rauscheninduzierte unfruchtbare Plateaus in Variationsquantenalgorithmen“. Nature Communications 12, 1–11 (2021).
https://doi.org/10.1038/s41467-021-27045-6
[57] Daniel Stilck França und Raul Garcia-Patron. "Einschränkungen von Optimierungsalgorithmen auf verrauschten Quantengeräten". Naturphysik 17, 1221–1227 (2021).
https://doi.org/10.1038/s41567-021-01356-3
[58] Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush und Hartmut Neven. „Karge Plateaus in Trainingslandschaften für quantenneuronale Netze“. Nature Communications 9, 1–6 (2018).
https://doi.org/10.1038/s41467-018-07090-4
[59] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio und Patrick J Coles. „Kostenfunktionsabhängige unfruchtbare Plateaus in flachen parametrisierten Quantenschaltungen“. Nature Communications 12, 1–12 (2021).
https: / / doi.org/ 10.1038 / s41467-021-21728-w
[60] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio und Patrick J Coles. „Auswirkung unfruchtbarer Plateaus auf die gradientenfreie Optimierung“. Quantum 5, 558 (2021).
https://doi.org/10.22331/q-2021-10-05-558
[61] M. Cerezo und Patrick J Coles. „Ableitungen höherer Ordnung quantenneuronaler Netze mit unfruchtbaren Plateaus“. Quantenwissenschaft und -technologie 6, 035006 (2021).
https:///doi.org/10.1088/2058-9565/abf51a
[62] Kentaro Heya, Yasunari Suzuki, Yasunobu Nakamura und Keisuke Fujii. „Variative Quantengatteroptimierung“. arXiv-Vorabdruck arXiv:1810.12745 (2018).
https:///doi.org/10.48550/arXiv.1810.12745
[63] Jonathan Romero, Jonathan P. Olson und Alan Aspuru-Guzik. „Quanten-Autoencoder zur effizienten Komprimierung von Quantendaten“. Quantenwissenschaft und -technologie 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072
[64] Lennart Bittel und Martin Kliesch. „Das Training von Variationsquantenalgorithmen ist np-schwer.“ Physik. Rev. Lett. 127, 120502 (2021).
https://doi.org/ 10.1103/PhysRevLett.127.120502
[65] Jonas M. Kübler, Andrew Arrasmith, Lukasz Cincio und Patrick J. Coles. "Ein adaptiver Optimierer für messungssparsame Variationsalgorithmen". Quantum 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263
[66] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma und Patrick J Coles. „Operator-Sampling zur Shot-Frugal-Optimierung in Variationsalgorithmen“. arXiv-Vorabdruck arXiv:2004.06252 (2020).
https:///doi.org/10.48550/arXiv.2004.06252
[67] Andi Gu, Angus Lowe, Pavel A Dub, Patrick J. Coles und Andrew Arrasmith. „Adaptive Schusszuweisung für schnelle Konvergenz in Variationsquantenalgorithmen“. arXiv-Vorabdruck arXiv:2108.10434 (2021).
https:///doi.org/10.48550/arXiv.2108.10434
[68] Zoë Holmes, Kunal Sharma, M. Cerezo und Patrick J. Coles. „Ansatz-Expressibilität mit Gradientengrößen und unfruchtbaren Plateaus verbinden“. PRX Quantum 3, 010313 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313
[69] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht und Andrew T. Sornborger. „Unfruchtbare Hochebenen verhindern, dass man lernen kann.“ Physical Review Letters 126, 190501 (2021).
https://doi.org/ 10.1103/PhysRevLett.126.190501
[70] Carlos Ortiz Marrero, Mária Kieferová und Nathan Wiebe. „Verschränkungsbedingte karge Plateaus“. PRX Quantum 2, 040316 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
[71] Taylor L. Patti, Khadijeh Najafi, Xun Gao und Susanne F. Yelin. „Verschränkung ersann die Abmilderung des kargen Plateaus“. Physical Review Research 3, 033090 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033090
[72] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles und M. Cerezo. „Diagnose karger Plateaus mit Werkzeugen der quantenoptimalen Kontrolle“. arXiv-Vorabdruck arXiv:2105.14377 (2021).
https:///doi.org/10.48550/arXiv.2105.14377
[73] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa und Keisuke Fujii. „Quantenschaltungslernen“. Physical Review A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[74] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac und Nathan Killoran. „Auswertung analytischer Gradienten auf Quantenhardware“. Physical Review A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[75] John A. Nelder und Roger Mead. „Eine Simplex-Methode zur Funktionsminimierung“. Das Computerjournal 7, 308–313 (1965).
https: / / doi.org/ 10.1093 / comjnl / 7.4.308
[76] MJD Powell. „Eine direkte Suchoptimierungsmethode, die die Ziel- und Einschränkungsfunktionen durch lineare Interpolation modelliert.“ Fortschritte in der Optimierung und numerischen Analyse (1994).
https://doi.org/10.1007/978-94-015-8330-5_4
[77] E. Campos, D. Rabinovich, V. Akshay und J. Biamonte. „Trainingssättigung in der schichtweisen Quantennäherungsoptimierung“. Körperliche Überprüfung A 104 (2021).
https:///doi.org/10.1103/PhysRevA.104.L030401
[78] Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu und Guo-Ping Guo. "Auswirkungen von Quantenrauschen auf den Quanten-Approximations-Optimierungsalgorithmus". Chinesische Physikbriefe 38, 030302 (2021).
https://doi.org/10.1088/0256-307X/38/3/030302
[79] Jeffrey Marshall, Filip Wudarski, Stuart Hadfield und Tad Hogg. „Charakterisierung von lokalem Rauschen in Qaoa-Schaltkreisen“. IOP SciNotes 1, 025208 (2020). URL: https:///doi.org/10.1088/2633-1357/abb0d7.
https://doi.org/10.1088/2633-1357/abb0d7
[80] Enrico Fontana, M. Cerezo, Andrew Arrasmith, Ivan Rungger und Patrick J. Coles. „Nicht-triviale Symmetrien in Quantenlandschaften und ihre Widerstandsfähigkeit gegenüber Quantenrauschen“. Quantum 6, 804 (2022).
https://doi.org/10.22331/q-2022-09-15-804
[81] Suguru Endo, Zhenyu Cai, Simon C. Benjamin und Xiao Yuan. „Hybride quantenklassische Algorithmen und Quantenfehlerminderung“. Journal of the Physical Society of Japan 90, 032001 (2021).
https: / / doi.org/ 10.7566 / JPSJ.90.032001
[82] Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles und Lukasz Cincio. „Einheitlicher Ansatz zur datengesteuerten Quantenfehlerminderung“. Physik. Rev. Research 3, 033098 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098
[83] Andrea Mari, Nathan Shammah und William J Zeng. „Erweiterung der quantenprobabilistischen Fehlerunterdrückung durch Rauschskalierung“. Körperliche Überprüfung A 104, 052607 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.104.052607
[84] Daniel Bultrini, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Patrick J. Coles und Lukasz Cincio. „Vereinheitlichung und Benchmarking modernster Quantenfehlerminderungstechniken“. Quantum 7, 1034 (2023).
https://doi.org/10.22331/q-2023-06-06-1034
[85] Ashley Montanaro und Stasja Stanisic. „Fehlerminderung durch Training mit fermionischer Linearoptik“. arXiv-Vorabdruck arXiv:2102.02120 (2021).
https:///doi.org/10.48550/arXiv.2102.02120
[86] Joseph Vovrosh, Kiran E. Khosla, Sean Greenaway, Christopher Self, Myungshik S. Kim und Johannes Knolle. „Einfache Abschwächung globaler Depolarisierungsfehler in Quantensimulationen“. Physical Review E 104, 035309 (2021).
https: / / doi.org/ 10.1103 / PhysRevE.104.035309
[87] Eliott Rosenberg, Paul Ginsparg und Peter L. McMahon. „Experimentelle Fehlerminderung durch lineare Neuskalierung für Variationsquanteneigenlösung mit bis zu 20 Qubits“. Quantenwissenschaft und -technologie 7, 015024 (2022).
https://doi.org/10.1088/2058-9565/ac3b37
[88] Andre He, Benjamin Nachman, Wibe A. de Jong und Christian W. Bauer. „Rauschfreie Extrapolation zur Quanten-Gate-Fehlerminderung mit Identitätseinfügungen“. Physical Review A 102, 012426 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.102.012426
[89] Andrew Shaw. „Klassische Quantenrauschminderung für Nisq-Hardware“. arXiv-Vorabdruck arXiv:2105.08701 (2021).
https:///doi.org/10.48550/arXiv.2105.08701
[90] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C. Bardin, Rami Barends, Andreas Bengtsson, Sergio Boixo, Michael Broughton, Bob B. Buckley, et al. „Beobachtung der getrennten Dynamik von Ladung und Spin im Fermi-Hubbard-Modell“. arXiv-Vorabdruck arXiv:2010.07965 (2020).
https:///doi.org/10.48550/arXiv.2010.07965
[91] Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C. Benjamin und Ying Li. „Lernbasierte Quantenfehlerminderung“. PRX Quantum 2, 040330 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330
[92] Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio und Patrick J Coles. „Qubit-effiziente exponentielle Unterdrückung von Fehlern“. arXiv-Vorabdruck arXiv:2102.06056 (2021).
https:///doi.org/10.48550/arXiv.2102.06056
[93] Yifeng Xiong, Daryus Chandra, Soon Xin Ng und Lajos Hanzo. „Sampling-Overhead-Analyse zur Quantenfehlerminderung: Uncodierte vs. codierte Systeme“. IEEE Access 8, 228967–228991 (2020).
https: / / doi.org/ 10.1109 / ACCESS.2020.3045016
[94] Ryuji Takagi. „Optimale Ressourcenkosten zur Fehlerminderung“. Physik. Rev. Res. 3, 033178 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178
[95] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar und Patrick J. Coles. „Maschinelles Lernen rauschresistenter Quantenschaltungen“. PRX Quantum 2, 010324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324
[96] P. Erdös und A. Rényi. „Auf Zufallsgraphen $I$“. Publicationes Mathematicae Debrecen 6, 18 (1959). URL: http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf
[97] Andrew Wack, Hanhee Paik, Ali Javadi-Abhari, Petar Jurcevic, Ismael Faro, Jay M. Gambetta und Blake R. Johnson. „Qualität, Geschwindigkeit und Skalierbarkeit: drei Schlüsselattribute zur Messung der Leistung kurzfristiger Quantencomputer“. arXiv-Vorabdruck arXiv:2110.14108 (2021).
https:///doi.org/10.48550/arXiv.2110.14108
[98] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari und William J Zeng. „Digitale Nullrauschextrapolation zur Quantenfehlerminderung“. 2020 IEEE International Conference on Quantum Computing and Engineering (QCE) (2020).
https: / / doi.org/ 10.1109 / QCE49297.2020.00045
[99] Youngseok Kim, Christopher J. Wood, Theodore J. Yoder, Seth T. Merkel, Jay M. Gambetta, Kristan Temme und Abhinav Kandala. „Skalierbare Fehlerminderung für verrauschte Quantenschaltungen führt zu wettbewerbsfähigen Erwartungswerten.“ arXiv-Vorabdruck arXiv:2108.09197 (2021).
https://doi.org/10.1038/s41567-022-01914-3
[100] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah und Ross Duncan. „Volumetrisches Benchmarking der Fehlerminderung mit Qermit“. arXiv-Vorabdruck arXiv:2204.09725 (2022).
https:///doi.org/10.48550/ARXIV.2204.09725
[101] Ryuji Takagi, Suguru Endo, Shintaro Minagawa und Mile Gu. „Grundlegende Grenzen der Quantenfehlerminderung“. npj Quantum Information 8, 114 (2022).
https: / / doi.org/ 10.1038 / s41534-022-00618-z
[102] Avram Sidi. „Praktische Extrapolationsmethoden: Theorie und Anwendungen“. Band 10. Cambridge University Press. (2003).
[103] Masanori Ohya und Dénes Petz. „Quantenentropie und ihre Verwendung“. Springer Wissenschafts- und Wirtschaftsmedien. (2004).
[104] Christoph Hirche, Cambyse Rouzé und Daniel Stilck França. „Über Kontraktionskoeffizienten, Teilordnungen und Approximation von Kapazitäten für Quantenkanäle“. Quantum 6, 862 (2022).
https://doi.org/10.22331/q-2022-11-28-862
[105] Jeffrey C. Lagarias, James A. Reeds, Margaret H. Wright und Paul E. Wright. „Konvergenzeigenschaften der Nelder-Mead-Simplex-Methode in niedrigen Dimensionen“. SIAM Journal on Optimization 9, 112–147 (1998).
https: / / doi.org/ 10.1137 / S1052623496303470
[106] Abhijith J., Adetokunbo Adedoyin, John Ambrosiano, Petr Anisimov, William Casper, Gopinath Chennupati, Carleton Coffrin, Hristo Djidjev, David Gunter, Satish Karra, Nathan Lemons, Shizeng Lin, Alexander Malyzhenkov, David Mascarenas, Susan Mniszewski, Balu Nadiga, Daniel O'malley, Diane Oyen, Scott Pakin, Lakshman Prasad, Randy Roberts, Phillip Romero, Nandakishore Santhi, Nikolai Sinitsyn, Pieter J. Swart, James G. Wendelberger, Boram Yoon, Richard Zamora, Wei Zhu, Stephan Eidenbenz, Andreas Bärtschi, Patrick J. Coles, Marc Vuffray und Andrey Y. Lokhov. „Quantenalgorithmus-Implementierungen für Anfänger“. ACM-Transaktionen zum Quantencomputing (2022).
https: / / doi.org/ 10.1145 / 3517340
[107] Bálint Koczor. „Der dominante Eigenvektor eines verrauschten Quantenzustands“. New Journal of Physics 23, 123047 (2021).
https:///doi.org/10.1088/1367-2630/ac37ae
Zitiert von
[1] Zhenyu Cai, Ryan Babbush, Simon C. Benjamin, Suguru Endo, William J. Huggins, Ying Li, Jarrod R. McClean und Thomas E. O'Brien, „Quantum Error Mitigation“, Rezensionen zur modernen Physik 95 4, 045005 (2023).
[2] Ryuji Takagi, Suguru Endo, Shintaro Minagawa und Mile Gu, „Grundlegende Grenzen der Quantenfehlerminderung“, npj Quanteninformation 8, 114 (2022).
[3] Ryuji Takagi, Hiroyasu Tajima und Mile Gu, „Universal Sampling Lower Bounds for Quantum Error Mitigation“, Physische Überprüfungsschreiben 131 21, 210602 (2023).
[4] Louis Schatzki, Andrew Arrasmith, Patrick J. Coles und M. Cerezo, „Entangled Datasets for Quantum Machine Learning“, arXiv: 2109.03400, (2021).
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles und M. Cerezo, „Theorie der Überparametrisierung in Quantenneuralnetzwerken“, arXiv: 2109.11676, (2021).
[6] Valentin Heyraud, Zejian Li, Kaelan Donatella, Alexandre Le Boité und Cristiano Ciuti, „Effiziente Schätzung der Trainierbarkeit für Variationsquantenschaltungen“, PRX-Quantum 4 4, 040335 (2023).
[7] Patrick J. Coles, Collin Szczepanski, Denis Melanson, Kaelan Donatella, Antonio J. Martinez und Faris Sbahi, „Thermodynamische KI und die Fluktuationsgrenze“, arXiv: 2302.06584, (2023).
[8] Yihui Quek, Daniel Stilck França, Sumeet Khatri, Johannes Jakob Meyer und Jens Eisert, „Exponentiell engere Grenzen für die Grenzen der Quantenfehlerminderung“, arXiv: 2210.11505, (2022).
[9] R. Au-Yeung, B. Camino, O. Rathore und V. Kendon, „Quantenalgorithmen für wissenschaftliche Anwendungen“, arXiv: 2312.14904, (2023).
[10] Kento Tsubouchi, Takahiro Sagawa und Nobuyuki Yoshioka, „Universal Cost Bound of Quantum Error Mitigation Based on Quantum Estimation Theory“, Physische Überprüfungsschreiben 131 21, 210601 (2023).
[11] Gokul Subramanian Ravi, Pranav Gokhale, Yi Ding, William M. Kirby, Kaitlin N. Smith, Jonathan M. Baker, Peter J. Love, Henry Hoffmann, Kenneth R. Brown und Frederic T. Chong, „CAFQA: Ein klassischer Simulations-Bootstrap für Variationsquantenalgorithmen“, arXiv: 2202.12924, (2022).
[12] Yasunari Suzuki, Suguru Endo, Keisuke Fujii und Yuuki Tokunaga, „Quantum error Mitigation as a universal error-minimization Technique: Applications from NISQ to FTQC eras“, arXiv: 2010.03887, (2020).
[13] Yasunari Suzuki, Suguru Endo, Keisuke Fujii und Yuuki Tokunaga, „Quantum Error Mitigation as a Universal Error Reduction Technique: Applications from the NISQ to the Fault-Tolerant Quantum Computing Eras“, PRX-Quantum 3 1, 010345 (2022).
[14] He-Liang Huang, Xiao-Yue Fehlerminderung, Schaltungszusammenstellung, Benchmarking und klassische Simulation“, Wissenschaft China Physik, Mechanik und Astronomie 66 5, 250302 (2023).
[15] Supanut Thanasilp, Samson Wang, M. Cerezo und Zoë Holmes, „Exponentielle Konzentration und Untrainierbarkeit bei Quantenkernmethoden“, arXiv: 2208.11060, (2022).
[16] Giacomo De Palma, Milad Marvian, Cambyse Rouzé und Daniel Stilck França, „Limitations of Variational Quantum Algorithms: A Quantum Optimal Transport Approach“, PRX-Quantum 4 1, 010309 (2023).
[17] Abhinav Deshpande, Pradeep Niroula, Oles Shtanko, Alexey V. Gorshkov, Bill Fefferman und Michael J. Gullans, „Tight Bounds on the Convergence of Noisy Random Circuits to the Uniform Distribution“, PRX-Quantum 3 4, 040329 (2022).
[18] C. Huerta Alderete, Max Hunter Gordon, Frédéric Sauvage, Akira Sone, Andrew T. Sornborger, Patrick J. Coles und M. Cerezo, „Inference-Based Quantum Sensing“, Physische Überprüfungsschreiben 129 19, 190501 (2022).
[19] Ingo Tews, Zohreh Davoudi, Andreas Ekström, Jason D. Holt, Kevin Becker, Raúl Briceño, David J. Dean, William Detmold, Christian Drischler, Thomas Duguet, Evgeny Epelbaum, Ashot Gasparyan, Jambul Gegelia, Jeremy R. Green , Harald W. Grießhammer, Andrew D. Hanlon, Matthias Heinz, Heiko Hergert, Martin Hoferichter, Marc Illa, David Kekejian, Alejandro Kiewsky, Sebastian König, Hermann Krebs, Kristina D. Launey, Dean Lee, Petr Navrátil, Amy Nicholson, Assumpta Parreño, Daniel R. Phillips, Marek Płoszajczak, Xiu-Lei Ren, Thomas R. Richardson, Caroline Robin, Grigor H. Sargsyan, Martin J. Savage, Matthias R. Schindler, Phiala E. Shanahan, Roxanne P. Springer, Alexander Tichai , Ubirajara van Kolck, Michael L. Wagman, André Walker-Loud, Chieh-Jen Yang und Xilin Zhang, „Nuclear Forces for Precision Nuclear Physics: A Collection of Perspectives“, Wenig-Körper-Systeme 63 4, 67 (2022).
[20] Frédéric Sauvage, Martín Larocca, Patrick J. Coles und M. Cerezo, „Aufbau räumlicher Symmetrien in parametrisierte Quantenschaltungen für schnelleres Training“, Quantenwissenschaft und -technologie 9 1, 015029 (2024).
[21] Adam Callison und Nicholas Chancellor, „Hybride quantenklassische Algorithmen in der lauten Quantenära der Zwischenskala und darüber hinaus“, Physische Überprüfung A 106 1, 010101 (2022).
[22] Supanut Thanasilp, Samson Wang, Nhat A. Nghiem, Patrick J. Coles und M. Cerezo, „Feinheiten in der Trainierbarkeit von Quantenmaschinen-Lernmodellen“, arXiv: 2110.14753, (2021).
[23] Laurin E. Fischer, Daniel Miller, Francesco Tacchino, Panagiotis Kl. Barkoutsos, Daniel J. Egger und Ivano Tavernelli, „Ancilla-freie Implementierung verallgemeinerter Messungen für Qubits, die in einen Qudit-Raum eingebettet sind“, Physical Review Research 4 3, 033027 (2022).
[24] Tailong Xiao, Xinliang Zhai, Xiaoyan Wu, Jianping Fan und Guihua Zeng, „Praktischer Vorteil des Quantenmaschinellen Lernens bei der Geisterbildgebung“, Kommunikationsphysik 6 1, 171 (2023).
[25] Travis L. Scholten, Carl J. Williams, Dustin Moody, Michele Mosca, William Hurley, William J. Zeng, Matthias Troyer und Jay M. Gambetta, „Bewertung der Vorteile und Risiken von Quantencomputern“, arXiv: 2401.16317, (2024).
[26] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi und Shannon K. McWeeney, „Biologie und Medizin in der Landschaft der Quantenvorteile“, arXiv: 2112.00760, (2021).
[27] Kazunobu Maruyoshi, Takuya Okuda, Juan W. Pedersen, Ryo Suzuki, Masahito Yamazaki und Yutaka Yoshida, „Konservierte Ladungen in der Quantensimulation integrierbarer Spinketten“, Journal of Physics A Mathematical General 56 16, 165301 (2023).
[28] Manuel S. Rudolph, Sacha Lerch, Supanut Thanasilp, Oriel Kiss, Sofia Vallecorsa, Michele Grossi und Zoë Holmes, „Trainability Barriers and Opportunities in Quantum Generative Modeling“, arXiv: 2305.02881, (2023).
[29] Zhenyu Cai, „Ein praktischer Rahmen für die Minderung von Quantenfehlern“, arXiv: 2110.05389, (2021).
[30] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio und Patrick J. Coles, „Herausforderungen und Chancen beim Quantenmaschinellen Lernen“, arXiv: 2303.09491, (2023).
[31] Keita Kanno, Masaya Kohda, Ryosuke Imai, Sho Koh, Kosuke Mitarai, Wataru Mizukami und Yuya O. Nakagawa, „Quantum-Selected Configuration Interaction: klassische Diagonalisierung von Hamiltonianern in von Quantencomputern ausgewählten Unterräumen“, arXiv: 2302.11320, (2023).
[32] Minh C. Tran, Kunal Sharma und Kristan Temme, „Locality and Error Mitigation of Quantum Circuits“, arXiv: 2303.06496, (2023).
[33] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger und Benjamin Weder, „Untersuchung der Wirkung von Schaltungsunterbrechungen in QAOA für das MaxCut-Problem bei NISQ-Geräten“, Quantenwissenschaft und -technologie 8 4, 045022 (2023).
[34] Christoph Hirche, Cambyse Rouzé und Daniel Stilck França, „Über Kontraktionskoeffizienten, Teilordnungen und Approximation von Kapazitäten für Quantenkanäle“, arXiv: 2011.05949, (2020).
[35] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah und Ross Duncan, „Volumetric Benchmarking of Error Mitigation with Qermit“, Quantum 7, 1059 (2023).
[36] Muhammad Kashif und Saif Al-Kuwari, „Der Einfluss der Globalität und Lokalität der Kostenfunktion in hybriden Quanten-Neuronalen Netzen auf NISQ-Geräte“, Maschinelles Lernen: Wissenschaft und Technologie 4 1, 015004 (2023).
[37] Daniel Bultrini, Samson Wang, Piotr Czarnik, Max Hunter Gordon, M. Cerezo, Patrick J. Coles und Lukasz Cincio, „Der Kampf zwischen sauberen und schmutzigen Qubits im Zeitalter der teilweisen Fehlerkorrektur“, arXiv: 2205.13454, (2022).
[38] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger und Lukasz Cincio, „Verbesserung der Effizienz lernbasierter Fehlerminderung“, arXiv: 2204.07109, (2022).
[39] Muhammad Kashif und Saif Al-kuwari, „ResQNets: A Residual Approach for Mitigating Barren Plateaus in Quantum Neural Networks“, arXiv: 2305.03527, (2023).
[40] NM Guseynov, AA Zhukov, WV Pogosov und AV Lebedev, „Tiefenanalyse von Variationsquantenalgorithmen für die Wärmegleichung“, Physische Überprüfung A 107 5, 052422 (2023).
[41] Olivia Di Matteo und RM Woloshyn, „Quantum Computing Fidelity Susceptibility using Automatic Differentiation“, Physische Überprüfung A 106 5, 052429 (2022).
[42] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger und Lukasz Cincio, „Robustes Design unter Unsicherheit bei der Quantenfehlerminderung“, arXiv: 2307.05302, (2023).
[43] Matteo Robbiati, Alejandro Sopena, Andrea Papaluca und Stefano Carrazza, „Echtzeit-Fehlerminderung für Variationsoptimierung auf Quantenhardware“, arXiv: 2311.05680, (2023).
[44] Yunfei Wang und Junyu Liu, „Quantum Machine Learning: from NISQ to Fault Tolerance“, arXiv: 2401.11351, (2024).
[45] Nico Meyer, Daniel D. Scherer, Axel Plinge, Christopher Mutschler und Michael J. Hartmann, „Quantum Natural Policy Gradients: Towards Sample-Efficient Reinforcement Learning“, arXiv: 2304.13571, (2023).
[46] Zichang He, Bo Peng, Yuri Alexeev und Zheng Zhang, „Distributionally Robust Variational Quantum Algorithms with Shifted Noise“, arXiv: 2308.14935, (2023).
[47] Enrico Fontana, Ivan Rungger, Ross Duncan und Cristina Cîrstoiu, „Spektralanalyse für Lärmdiagnose und filterbasierte digitale Fehlerminderung“, arXiv: 2206.08811, (2022).
[48] Wei-Bin Ewe, Dax Enshan Koh, Siong Thye Goh, Hong-Son Chu und Ching Eng Png, „Variational Quantum-Based Simulation of Waveguide Modes“, IEEE-Transaktionen zu Techniken der Mikrowellentheorie 70 5, 2517 (2022).
[49] Siddharth Dangwal, Gokul Subramanian Ravi, Poulami Das, Kaitlin N. Smith, Jonathan M. Baker und Frederic T. Chong, „VarSaw: Application-tailored Measurement Error Mitigation for Variational Quantum Algorithms“, arXiv: 2306.06027, (2023).
[50] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan und Daniel O'Malley, „Quantum Algorithms for Geologic Fracture Networks“, arXiv: 2210.11685, (2022).
[51] André Melo, Nathan Earnest-Noble und Francesco Tacchino, „Impulseffizientes Quantenmaschinenlernen“, Quantum 7, 1130 (2023).
[52] Christoph Hirche, Cambyse Rouzé und Daniel Stilck França, „Über Kontraktionskoeffizienten, Teilordnungen und Approximation von Kapazitäten für Quantenkanäle“, Quantum 6, 862 (2022).
[53] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan und Daniel O'Malley, „Quantenalgorithmen für geologische Bruchnetzwerke“, Wissenschaftliche Berichte 13, 2906 (2023).
[54] Marco Schumann, Frank K. Wilhelm und Alessandro Ciani, „Emergence of Noise-Induced Barren Plateaus in Arbitrary Layered Noise Models“, arXiv: 2310.08405, (2023).
[55] Sharu Theresa Jose und Osvaldo Simeone, „Error Mitigation-Aided Optimization of Parametrized Quantum Circuits: Convergence Analysis“, arXiv: 2209.11514, (2022).
[56] Kosuke Ito und Keisuke Fujii, „SantaQlaus: Eine ressourceneffiziente Methode zur Nutzung von Quantenschrotrauschen zur Optimierung von Variationsquantenalgorithmen“, arXiv: 2312.15791, (2023).
[57] P. Singkanipa und DA Lidar, „Jenseits des einheitlichen Rauschens in Variationsquantenalgorithmen: rauschinduzierte unfruchtbare Plateaus und Fixpunkte“, arXiv: 2402.08721, (2024).
[58] Kevin Lively, Tim Bode, Jochen Szangolies, Jian-Xin Zhu und Benedikt Fauseweh, „Robust Experimental Signatures of Phase Transitions in the Variational Quantum Eigensolver“, arXiv: 2402.18953, (2024).
Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2024, 03:19:15 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.
On Der von Crossref zitierte Dienst Es wurden keine Daten zum Zitieren von Werken gefunden (letzter Versuch 2024-03-19 15:55:34).
Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://quantum-journal.org/papers/q-2024-03-14-1287/
