1División Teórica, Laboratorio Nacional de Los Alamos, Los Alamos, NM 87545, EE. UU.
2Departamento de Física, Imperial College London, Londres, SW7 2AZ, Reino Unido
3Facultad de Física, Astronomía e Informática Aplicada, Universidad Jagellónica, Cracovia, Polonia
4Centro Mark Kac para la Investigación de Sistemas Complejos, Universidad Jagellónica, Cracovia, Polonia
5Centro de Ciencias Cuánticas, Oak Ridge, TN 37931, EE. UU.
6Centro de Estudios No Lineales, Laboratorio Nacional de Los Alamos, Los Alamos, NM 87545, EE. UU.
¿Encuentra este documento interesante o quiere discutirlo? Scite o deje un comentario en SciRate.
Resumen
Los algoritmos cuánticos variacionales (VQA) a menudo se consideran la mejor esperanza para lograr una ventaja cuántica a corto plazo. Sin embargo, estudios recientes han demostrado que el ruido puede limitar gravemente la capacidad de capacitación de los VQA, por ejemplo, al aplanar exponencialmente el panorama de costos y suprimir las magnitudes de los gradientes de costos. La mitigación de errores (EM) es prometedora a la hora de reducir el impacto del ruido en los dispositivos a corto plazo. Por lo tanto, es natural preguntarse si los EM pueden mejorar la capacidad de capacitación de los VQA. En este trabajo, primero mostramos que, para una amplia clase de estrategias de ME, la concentración exponencial de costos no puede resolverse sin comprometer recursos exponenciales en otra parte. Esta clase de estrategias incluye como casos especiales la extrapolación de ruido cero, la destilación virtual, la cancelación de errores probabilísticos y la regresión de datos de Clifford. En segundo lugar, realizamos un análisis analítico y numérico de estos protocolos EM y encontramos que algunos de ellos (por ejemplo, destilación virtual) pueden dificultar la resolución de los valores de la función de costos en comparación con no ejecutar ningún EM. Como resultado positivo, encontramos evidencia numérica de que la regresión de datos de Clifford (CDR) puede ayudar en el proceso de capacitación en ciertos entornos donde la concentración de costos no es demasiado severa. Nuestros resultados muestran que se debe tener cuidado al aplicar los protocolos EM, ya que pueden empeorar o no mejorar la capacidad de entrenamiento. Por otro lado, nuestros resultados positivos para CDR resaltan la posibilidad de diseñar métodos de mitigación de errores para mejorar la capacidad de entrenamiento.
Imagen de portada: Se ha descubierto que ciertos tipos de ruido de hardware perjudican exponencialmente la resolubilidad de los paisajes de costos en algoritmos cuánticos variacionales. Por lo tanto, la optimización precisa y confiable de algoritmos cuánticos variacionales ruidosos puede verse sobrecargada con una sobrecarga de muestra exponencial. En este trabajo nos preguntamos si la mitigación de errores puede mitigar este fenómeno, tanto desde un punto de vista de escala (en el límite de sistemas de gran tamaño) como para problemas de tamaño fijo.
► datos BibTeX
► referencias
[ 1 ] Jarrod R McClean, Jonathan Romero, Ryan Babbush y Alán Aspuru-Guzik. “La teoría de los algoritmos cuánticos-clásicos híbridos variacionales”. Nueva Revista de Física 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 y Patrick J. Coles. “Algoritmos cuánticos variacionales”. 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 y Xiao Yuan. “Simulación cuántica variacional basada en ansatz de la evolución del tiempo imaginario”. npj Información cuántica 5, 1–6 (2019).
https://doi.org/10.1038/s41534-019-0187-2
[ 4 ] Harper R Grimsley, Sophia E Economou, Edwin Barnes y Nicholas J Mayhall. “Un algoritmo variacional adaptativo para simulaciones moleculares exactas en una computadora cuántica”. Comunicaciones de la naturaleza 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 y Andrew Sornborger. “Avance rápido variacional para simulación cuántica más allá del tiempo de coherencia”. npj Información cuántica 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 y Andrew Sornborger. “Diagonalización hamiltoniana variacional para simulación cuántica dinámica”. Preimpresión de arXiv 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 y Andrew Sornborger. “Simulaciones de larga duración con alta fidelidad en hardware cuántico”. Preimpresión de arXiv 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 y Peter P Orth. “Simulaciones adaptativas de dinámica cuántica variacional”. Preimpresión de arXiv arXiv:2011.00622 (2020).
https: / / doi.org/ 10.1103 / PRXQuantum.2.030307
[ 9 ] Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin y Xiao Yuan. “Simulación cuántica variacional de procesos generales”. Cartas de revisión física 125, 010501 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.010501
[ 10 ] Y. Li y SC Benjamín. “Simulador cuántico variacional eficiente que incorpora minimización activa de errores”. Física. Rev. X 7, 021050 (2017).
https: / / doi.org/ 10.1103 / PhysRevX.7.021050
[ 11 ] Jonathan Wei Zhong Lau, Kishor Bharti, Tobias Haug y Leong Chuan Kwek. "Simulación asistida cuántica de hamiltonianos dependientes del tiempo". Preimpresión de arXiv arXiv:2101.07677 (2021).
https:///doi.org/10.48550/arXiv.2101.07677
[ 12 ] Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai y Keisuke Fujii. “Simulador cuántico variacional subespacial”. Preimpresión de arXiv arXiv:1904.08566 (2019).
https:///doi.org/10.48550/arXiv.1904.08566
[ 13 ] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li y Simon C Benjamin. “Teoría de la simulación cuántica variacional”. Cuántica 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191
[ 14 ] María Schuld, Alex Bocharov, Krysta M Svore y Nathan Wiebe. "Clasificadores cuánticos centrados en circuitos". Revisión física A 101, 032308 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.032308
[ 15 ] Guillaume Verdon, Michael Broughton y Jacob Biamonte. "Un algoritmo cuántico para entrenar redes neuronales utilizando circuitos de baja profundidad". Preimpresión de arXiv arXiv:1712.05304 (2017).
https:///doi.org/10.48550/arXiv.1712.05304
[ 16 ] Jonathan Romero y Alán Aspuru-Guzik. “Generadores cuánticos variacionales: aprendizaje automático generativo adversario para distribuciones continuas”. Tecnologías cuánticas avanzadas 4, 2000003 (2021).
https: / / doi.org/ 10.1002 / qute.202000003
[ 17 ] Edward Farhi y Hartmut Neven. “Clasificación con redes neuronales cuánticas en procesadores de corto plazo”. Preimpresión de arXiv 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 y Ramona Wolf. “Entrenamiento de redes neuronales cuánticas profundas”. Comunicaciones de la naturaleza 11, 808 (2020).
https://doi.org/10.1038/s41467-020-14454-2
[ 19 ] Iris Cong, Soonwon Choi y Mikhail D Lukin. “Redes neuronales convolucionales cuánticas”. Física de la naturaleza 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 y Simone Severini. “Clasificadores cuánticos jerárquicos”. npj Información cuántica 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 y Jeremy L O'brien. "Un solucionador de valor propio variacional en un procesador cuántico fotónico". Comunicaciones de la naturaleza 5, 1–7 (2014).
https: / / doi.org/ 10.1038 / ncomms5213
[ 22 ] Bela Bauer, Dave Wecker, Andrew J Millis, Matthew B Hastings y Matthias Troyer. "Enfoque híbrido cuántico-clásico de materiales correlacionados". Revisión física X 6, 031045 (2016).
https: / / doi.org/ 10.1103 / PhysRevX.6.031045
[ 23 ] Tyson Jones, Suguru Endo, Sam McArdle, Xiao Yuan y Simon C Benjamin. "Algoritmos cuánticos variacionales para el descubrimiento del espectro hamiltoniano". Revisión física A 99, 062304 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062304
[ 24 ] Edward Farhi, Jeffrey Goldstone y Sam Gutmann. "Un algoritmo de optimización cuántica aproximada". Preimpresión de arXiv arXiv:1411.4028 (2014).
https:///doi.org/10.48550/arXiv.1411.4028
[ 25 ] Zhihui Wang, S. Hadfield, Z. Jiang y EG Rieffel. "Algoritmo de optimización cuántica aproximada para MaxCut: una vista fermiónica". Revisión física A 97, 022304 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.97.022304
[ 26 ] Gavin E Crooks. “Rendimiento del algoritmo de optimización cuántica aproximada en el problema de corte máximo”. Preimpresión de arXiv 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 y Rupak Biswas. “Del algoritmo de optimización cuántica aproximada a un operador cuántico alterno ansatz”. Algoritmos 12, 34 (2019).
https: / / doi.org/ 10.3390 / a12020034
[ 28 ] Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio y Patrick Coles. “Solucionador lineal cuántico variacional”. Preimpresión de arXiv 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 y Xiao Yuan. “Algoritmos variacionales para álgebra lineal”. Boletín científico 66, 2181–2188 (2021).
https: / / doi.org/ 10.1016 / j.scib.2021.06.023
[ 30 ] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki y Simon C Benjamin. “Metrología cuántica de estados variacionales”. Nueva Revista de Física (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab965e
[ 31 ] Johannes Jakob Meyer, Johannes Borregaard y Jens Eisert. "Una caja de herramientas variacional para la estimación multiparamétrica cuántica". Información cuántica de NPJ 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y
[ 32 ] Eric Anschuetz, Jonathan Olson, Alán Aspuru-Guzik y Yudong Cao. “Factorización cuántica variacional”. Problemas de optimización y tecnología cuántica (2019).
https://doi.org/10.1007/978-3-030-14082-3_7
[ 33 ] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger y Patrick J Coles. “Compilación cuántica asistida cuánticamente”. Cuántica 3, 140 (2019).
https://doi.org/10.22331/q-2019-05-13-140
[ 34 ] Kunal Sharma, Sumeet Khatri, M. Cerezo y Patrick J Coles. "Resiliencia al ruido de la compilación cuántica variacional". Nueva Revista de Física 22, 043006 (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c
[ 35 ] Tyson Jones y Simon C Benjamín. “Compilación cuántica y optimización de circuitos mediante disipación de energía”. Preimpresión de arXiv 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 y Patrick J Coles. “Historias variacionales consistentes como algoritmo híbrido para fundamentos cuánticos”. Comunicaciones de la naturaleza 10, 1–7 (2019).
https://doi.org/10.1038/s41467-019-11417-0
[ 37 ] M. Cerezo, Kunal Sharma, Andrew Arrasmith y Patrick J Coles. “Resolvedor propio de estados cuánticos variacionales”. Preimpresión de arXiv arXiv:2004.01372 (2020).
https://doi.org/10.1038/s41534-022-00611-6
[ 38 ] Ryan LaRose, Arkin Tikku, Étude O'Neel-Judy, Lukasz Cincio y Patrick J Coles. “Diagonalización variacional del estado cuántico”. npj Información cuántica 5, 1–10 (2019).
https://doi.org/10.1038/s41534-019-0167-6
[ 39 ] Guillaume Verdon, Jacob Marks, Sasha Nanda, Stefan Leichenauer y Jack Hidary. "Modelos cuánticos basados en Hamilton y el algoritmo termalizador cuántico variacional". Preimpresión de arXiv arXiv:1910.02071 (2019).
https:///doi.org/10.48550/arXiv.1910.02071
[ 40 ] Peter D Johnson, Jonathan Romero, Jonathan Olson, Yudong Cao y Alán Aspuru-Guzik. "Qvector: un algoritmo para la corrección de errores cuánticos adaptados al dispositivo". Preimpresión de arXiv arXiv:1711.02249 (2017).
https:///doi.org/10.48550/arXiv.1711.02249
[ 41 ] Juan Preskill. “Computación cuántica en la era NISQ y más allá”. Cuántica 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
[ 42 ] Kristan Temme, Sergey Bravyi y Jay M. Gambetta. “Mitigación de errores para circuitos cuánticos de profundidad corta”. física Rev. Lett. 119, 180509 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509
[ 43 ] Suguru Endo, Simon C Benjamin y Ying Li. "Mitigación práctica de errores cuánticos para aplicaciones del futuro cercano". Revisión física X 8, 031027 (2018).
https: / / doi.org/ 10.1103 / PhysRevX.8.031027
[ 44 ] Abhinav Kandala, Kristan Temme, Antonio D. Córcoles, Antonio Mezzacapo, Jerry M. Chow y Jay M. Gambetta. “La mitigación de errores amplía el alcance computacional de un procesador cuántico ruidoso”. Naturaleza 567, 491–495 (2019).
https://doi.org/10.1038/s41586-019-1040-7
[ 45 ] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles y Lukasz Cincio. "Mitigación de errores con datos del circuito cuántico de Clifford". Cuántico 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 y Jarrod R McClean. "Destilación virtual para la mitigación de errores cuánticos". Revisión física X 11, 041036 (2021).
https: / / doi.org/ 10.1103 / PhysRevX.11.041036
[ 47 ] Bálint Koczor. "Supresión de errores exponenciales para dispositivos cuánticos a corto plazo". Revisión física X 11, 031057 (2021).
https: / / doi.org/ 10.1103 / PhysRevX.11.031057
[ 48 ] Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter y Wibe A De Jong. “Jerarquía híbrida cuántica-clásica para la mitigación de la decoherencia y determinación de estados excitados”. Revisión física 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 y Ryan Babbush. “Mitigación de errores mediante estimación de fase verificada”. PRX Quantum 2, 020317 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317
[ 50 ] Sam McArdle, Xiao Yuan y Simon Benjamin. “Simulación cuántica digital mitigada por errores”. física Rev. Lett. 122, 180501 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.122.180501
[ 51 ] Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh y TE O'Brien. "Mitigación de errores de bajo costo mediante verificación de simetría". Revisión física 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 y Ryan Babbush. "Medidas eficientes y resistentes al ruido para la química cuántica en computadoras cuánticas a corto plazo". npj Información cuántica 7, 1–9 (2021).
https://doi.org/10.1038/s41534-020-00341-7
[ 53 ] George S Barron y Christopher J Wood. "Mitigación de errores de medición para algoritmos cuánticos variacionales". Preimpresión de arXiv arXiv:2010.08520 (2020).
https:///doi.org/10.48550/arXiv.2010.08520
[ 54 ] Alistair WR Smith, Kiran E. Khosla, Chris N. Self y MS Kim. "Mitigación de errores de lectura de Qubit con promedio de inversión de bits". Avances científicos 7 (2021).
https:///doi.org/10.1126/sciadv.abi8009
[ 55 ] Daiqin Su, Robert Israel, Kunal Sharma, Haoyu Qi, Ish Dhand y Kamil Brádler. "Mitigación de errores en un dispositivo fotónico cuántico a corto plazo". Cuántico 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 y Patrick J Coles. "Mesetas estériles inducidas por ruido en algoritmos cuánticos variacionales". Comunicaciones de la naturaleza 12, 1–11 (2021).
https://doi.org/10.1038/s41467-021-27045-6
[ 57 ] Daniel Stilck França y Raul Garcia-Patron. “Limitaciones de los algoritmos de optimización en dispositivos cuánticos ruidosos”. Física de la naturaleza 17, 1221–1227 (2021).
https://doi.org/10.1038/s41567-021-01356-3
[ 58 ] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush y Hartmut Neven. “Mesetas estériles en paisajes de entrenamiento de redes neuronales cuánticas”. Comunicaciones de la naturaleza 9, 1–6 (2018).
https://doi.org/10.1038/s41467-018-07090-4
[ 59 ] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio y Patrick J Coles. "Mesas estériles dependientes de la función de costo en circuitos cuánticos parametrizados poco profundos". Comunicaciones de la naturaleza 12, 1–12 (2021).
https: / / doi.org/ 10.1038 / s41467-021-21728-w
[ 60 ] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio y Patrick J Coles. “Efecto de mesetas estériles en la optimización sin gradiente”. Cuántica 5, 558 (2021).
https://doi.org/10.22331/q-2021-10-05-558
[ 61 ] M. Cerezo y Patrick J. Coles. “Derivados de orden superior de redes neuronales cuánticas con mesetas estériles”. Ciencia y tecnología cuántica 6, 035006 (2021).
https: / / doi.org/ 10.1088 / 2058-9565 / abf51a
[ 62 ] Kentaro Heya, Yasunari Suzuki, Yasunobu Nakamura y Keisuke Fujii. “Optimización de puerta cuántica variacional”. Preimpresión de arXiv arXiv:1810.12745 (2018).
https:///doi.org/10.48550/arXiv.1810.12745
[ 63 ] Jonathan Romero, Jonathan P Olson y Alan Aspuru-Guzik. “Codificadores automáticos cuánticos para la compresión eficiente de datos cuánticos”. Ciencia y Tecnología Cuántica 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072
[ 64 ] Lennart Bittel y Martin Kliesch. "Entrenar algoritmos cuánticos variacionales es np-difícil". física Rev. Lett. 127, 120502 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.120502
[ 65 ] Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio y Patrick J Coles. “Un optimizador adaptativo para algoritmos variacionales de medición frugal”. Cuántica 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263
[ 66 ] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma y Patrick J Coles. “Muestreo de operadores para optimización frugal en algoritmos variacionales”. Preimpresión de arXiv arXiv:2004.06252 (2020).
https:///doi.org/10.48550/arXiv.2004.06252
[ 67 ] Andi Gu, Angus Lowe, Pavel A Dub, Patrick J. Coles y Andrew Arrasmith. "Asignación de disparos adaptativa para una rápida convergencia en algoritmos cuánticos variacionales". Preimpresión de arXiv arXiv:2108.10434 (2021).
https:///doi.org/10.48550/arXiv.2108.10434
[ 68 ] Zoë Holmes, Kunal Sharma, M. Cerezo y Patrick J Coles. “Conectando la expresibilidad de ansatz con magnitudes de gradiente y mesetas estériles”. 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 y Andrew T Sornborger. "Las mesetas áridas impiden que los codificadores aprendan". Cartas de revisión física 126, 190501 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.126.190501
[ 70 ] Carlos Ortiz Marrero, Mária Kieferová y Nathan Wiebe. “Mesetas estériles inducidas por enredos”. PRX Quantum 2, 040316 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
[ 71 ] Taylor L Patti, Khadijeh Najafi, Xun Gao y Susanne F Yelin. “El entrelazamiento ideó la mitigación de la meseta estéril”. Investigación de revisión física 3, 033090 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033090
[ 72 ] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles y M. Cerezo. “Diagnóstico de mesetas áridas con herramientas de control cuántico óptimo”. Preimpresión de arXiv arXiv:2105.14377 (2021).
https:///doi.org/10.48550/arXiv.2105.14377
[ 73 ] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa y Keisuke Fujii. “Aprendizaje de circuitos cuánticos”. Revisión Física A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[ 74 ] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac y Nathan Killoran. “Evaluación de gradientes analíticos en hardware cuántico”. Revisión Física A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[ 75 ] John A. Nelder y Roger Mead. "Un método simplex para la minimización de funciones". La revista informática 7, 308–313 (1965).
https: / / doi.org/ 10.1093 / comjnl / 7.4.308
[ 76 ] MJD Powell. "Un método de optimización de búsqueda directa que modela las funciones objetivo y de restricción mediante interpolación lineal". Avances en Optimización y Análisis Numérico (1994).
https://doi.org/10.1007/978-94-015-8330-5_4
[ 77 ] E. Campos, D. Rabinovich, V. Akshay y J. Biamonte. “Entrenamiento de saturación en optimización aproximada cuántica por capas”. Revisión física A 104 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.104.L030401
[ 78 ] Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu y Guo-Ping Guo. “Efectos del ruido cuántico en el algoritmo de optimización cuántica aproximada”. Letras de física china 38, 030302 (2021).
https://doi.org/10.1088/0256-307X/38/3/030302
[ 79 ] Jeffrey Marshall, Filip Wudarski, Stuart Hadfield y Tad Hogg. “Caracterización del ruido local en circuitos qaoa”. PIO 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 y Patrick J. Coles. "Simetrías no triviales en paisajes cuánticos y su resistencia al ruido cuántico". Cuántico 6, 804 (2022).
https://doi.org/10.22331/q-2022-09-15-804
[ 81 ] Suguru Endo, Zhenyu Cai, Simon C Benjamin y Xiao Yuan. “Algoritmos híbridos cuánticos-clásicos y mitigación de errores cuánticos”. Revista de la Sociedad de Física de Japón 90, 032001 (2021).
https: / / doi.org/ 10.7566 / JPSJ.90.032001
[ 82 ] Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles y Lukasz Cincio. "Enfoque unificado para la mitigación de errores cuánticos basada en datos". Física. Rev. Investigación 3, 033098 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098
[ 83 ] Andrea Mari, Nathan Shammah y William J. Zeng. "Ampliación de la cancelación de errores probabilísticos cuánticos mediante escalado de ruido". Revisión física 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 y Lukasz Cincio. “Unificación y evaluación comparativa de técnicas de mitigación de errores cuánticos de última generación”. Cuántico 7, 1034 (2023).
https://doi.org/10.22331/q-2023-06-06-1034
[ 85 ] Ashley Montanaro y Stasja Stanisic. “Mitigación de errores mediante entrenamiento con óptica lineal fermiónica”. Preimpresión de arXiv 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 y Johannes Knolle. “Mitigación simple de errores despolarizantes globales en simulaciones cuánticas”. Revisión física E 104, 035309 (2021).
https: / / doi.org/ 10.1103 / PhysRevE.104.035309
[ 87 ] Eliott Rosenberg, Paul Ginsparg y Peter L. McMahon. "Mitigación de errores experimental mediante reescalado lineal para resolución propia cuántica variacional con hasta 20 qubits". Ciencia y tecnología cuánticas 7, 015024 (2022).
https://doi.org/10.1088/2058-9565/ac3b37
[ 88 ] Andre He, Benjamin Nachman, Wibe A. de Jong y Christian W. Bauer. "Extrapolación de ruido cero para la mitigación de errores de puerta cuántica con inserciones de identidad". Revisión física A 102, 012426 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.102.012426
[ 89 ] Andrés Shaw. “Mitigación de ruido cuántico clásico para hardware nisq”. Preimpresión de arXiv 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. “Observación de la dinámica separada de carga y espín en el modelo de Fermi-Hubard”. Preimpresión de arXiv arXiv:2010.07965 (2020).
https:///doi.org/10.48550/arXiv.2010.07965
[ 91 ] Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C Benjamin y Ying Li. "Mitigación de errores cuánticos basada en el aprendizaje". PRX Quantum 2, 040330 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330
[ 92 ] Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio y Patrick J. Coles. "Supresión exponencial de errores eficiente en Qubit". Preimpresión de arXiv arXiv:2102.06056 (2021).
https:///doi.org/10.48550/arXiv.2102.06056
[ 93 ] Yifeng Xiong, Daryus Chandra, Soon Xin Ng y Lajos Hanzo. "Análisis de sobrecarga de muestreo de mitigación de errores cuánticos: sistemas no codificados versus codificados". Acceso IEEE 8, 228967–228991 (2020).
https: / / doi.org/ 10.1109 / ACCESS.2020.3045016
[ 94 ] Ryuji Takagi. “Coste óptimo de recursos para la mitigación de errores”. Física. Rev. Res. 3, 033178 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178
[ 95 ] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar y Patrick J. Coles. “Aprendizaje automático de circuitos cuánticos resistentes al ruido”. PRX Quantum 2, 010324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324
[ 96 ] P Erdös y A Rényi. “Sobre gráficos aleatorios $I$”. Publicaciones 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 y Blake R. Johnson. "Calidad, velocidad y escala: tres atributos clave para medir el rendimiento de las computadoras cuánticas a corto plazo". Preimpresión de arXiv arXiv:2110.14108 (2021).
https:///doi.org/10.48550/arXiv.2110.14108
[ 98 ] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari y William J Zeng. “Extrapolación digital de ruido cero para la mitigación de errores cuánticos”. Conferencia internacional IEEE 2020 sobre ingeniería y computación cuántica (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 y Abhinav Kandala. "La mitigación de errores escalable para circuitos cuánticos ruidosos produce valores esperados competitivos". Preimpresión de arXiv arXiv:2108.09197 (2021).
https://doi.org/10.1038/s41567-022-01914-3
[ 100 ] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah y Ross Duncan. “Evaluación comparativa volumétrica de mitigación de errores con Qermit”. Preimpresión de arXiv arXiv:2204.09725 (2022).
https:///doi.org/10.48550/ARXIV.2204.09725
[ 101 ] Ryuji Takagi, Suguru Endo, Shintaro Minagawa y Mile Gu. “Límites fundamentales de la mitigación del error cuántico”. npj Información cuántica 8, 114 (2022).
https: / / doi.org/ 10.1038 / s41534-022-00618-z
[ 102 ] Avram Sidi. “Métodos prácticos de extrapolación: Teoría y aplicaciones”. Volumen 10. Prensa de la Universidad de Cambridge. (2003).
[ 103 ] Masanori Ohya y Dénes Petz. “Entropía cuántica y su uso”. Medios de ciencia y negocios de Springer. (2004).
[ 104 ] Christoph Hirche, Cambyse Rouzé y Daniel Stilck França. “Sobre coeficientes de contracción, órdenes parciales y aproximación de capacidades para canales cuánticos”. Cuántico 6, 862 (2022).
https://doi.org/10.22331/q-2022-11-28-862
[ 105 ] Jeffrey C. Lagarias, James A. Reeds, Margaret H. Wright y Paul E. Wright. “Propiedades de convergencia del método simplex nelder-mead en dimensiones bajas”. Revista SIAM sobre optimización 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 y Andrey Y. Lokhov. "Implementaciones de algoritmos cuánticos para principiantes". Transacciones ACM sobre computación cuántica (2022).
https: / / doi.org/ 10.1145 / 3517340
[ 107 ] Bálint Koczor. "El vector propio dominante de un estado cuántico ruidoso". Nueva Revista de Física 23, 123047 (2021).
https:///doi.org/10.1088/1367-2630/ac37ae
Citado por
[1] Zhenyu Cai, Ryan Babbush, Simon C. Benjamin, Suguru Endo, William J. Huggins, Ying Li, Jarrod R. McClean y Thomas E. O'Brien, "Mitigación de errores cuánticos", Comentarios de Modern Physics 95 4, 045005 (2023).
[2] Ryuji Takagi, Suguru Endo, Shintaro Minagawa y Mile Gu, “Límites fundamentales de la mitigación de errores cuánticos”, npj Información cuántica 8, 114 (2022).
[3] Ryuji Takagi, Hiroyasu Tajima y Mile Gu, “Límites inferiores de muestreo universal para la mitigación de errores cuánticos”, Cartas de revisión física 131 21, 210602 (2023).
[4] Louis Schatzki, Andrew Arrasmith, Patrick J. Coles y M. Cerezo, "Conjuntos de datos entrelazados para el aprendizaje automático cuántico", arXiv: 2109.03400, (2021).
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles y M. Cerezo, “Teoría de la sobreparametrización en redes neuronales cuánticas”, arXiv: 2109.11676, (2021).
[6] Valentin Heyraud, Zejian Li, Kaelan Donatella, Alexandre Le Boité y Cristiano Ciuti, “Estimación eficiente de la capacidad de entrenamiento para circuitos cuánticos variacionales”, PRX Cuántico 4 4, 040335 (2023).
[7] Patrick J. Coles, Collin Szczepanski, Denis Melanson, Kaelan Donatella, Antonio J. Martinez y Faris Sbahi, “Thermodynamic AI and the fluctuation frontier”, arXiv: 2302.06584, (2023).
[8] Yihui Quek, Daniel Stilck França, Sumeet Khatri, Johannes Jakob Meyer y Jens Eisert, “Límites exponencialmente más estrictos en las limitaciones de la mitigación de errores cuánticos”, arXiv: 2210.11505, (2022).
[9] R. Au-Yeung, B. Camino, O. Rathore y V. Kendon, “Algoritmos cuánticos para aplicaciones científicas”, arXiv: 2312.14904, (2023).
[10] Kento Tsubouchi, Takahiro Sagawa y Nobuyuki Yoshioka, “Costo universal limitado de la mitigación de errores cuánticos basado en la teoría de la estimación cuántica”, Cartas de revisión física 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 y Frederic T. Chong, “CAFQA: Un bootstrap de simulación clásico para algoritmos cuánticos variacionales”, arXiv: 2202.12924, (2022).
[12] Yasunari Suzuki, Suguru Endo, Keisuke Fujii y Yuuki Tokunaga, "Mitigación de errores cuánticos como técnica universal de minimización de errores: aplicaciones de las eras NISQ a FTQC", arXiv: 2010.03887, (2020).
[13] Yasunari Suzuki, Suguru Endo, Keisuke Fujii y Yuuki Tokunaga, “Mitigación de errores cuánticos como técnica universal de reducción de errores: aplicaciones del NISQ a las eras de la computación cuántica tolerante a fallas”, PRX Cuántico 3 1, 010345 (2022).
[14] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao y Gui-Lu Long, “Técnicas de computación cuántica a corto plazo: algoritmos cuánticos variacionales, mitigación de errores, compilación de circuitos, benchmarking y simulación clásica”, Ciencia China Física, mecánica y astronomía 66 5, 250302 (2023).
[15] Supanut Thanasilp, Samson Wang, M. Cerezo y Zoë Holmes, “Concentración exponencial y falta de entrenamiento en métodos de núcleo cuántico”, arXiv: 2208.11060, (2022).
[16] Giacomo De Palma, Milad Marvian, Cambyse Rouzé y Daniel Stilck França, “Limitaciones de los algoritmos cuánticos variacionales: un enfoque de transporte óptimo cuántico”, PRX Cuántico 4 1, 010309 (2023).
[17] Abhinav Deshpande, Pradeep Niroula, Oles Shtanko, Alexey V. Gorshkov, Bill Fefferman y Michael J. Gullans, “Límites estrictos en la convergencia de circuitos aleatorios ruidosos con la distribución uniforme”, PRX Cuántico 3 4, 040329 (2022).
[18] C. Huerta Alderete, Max Hunter Gordon, Frédéric Sauvage, Akira Sone, Andrew T. Sornborger, Patrick J. Coles y M. Cerezo, “Inference-Based Quantum Sensing”, Cartas de revisión física 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 Kievsky, 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 y Xilin Zhang, “Fuerzas nucleares para la física nuclear de precisión: una colección de perspectivas”, Sistemas de pocos cuerpos 63 4, 67 (2022).
[20] Frédéric Sauvage, Martín Larocca, Patrick J. Coles y M. Cerezo, “Construcción de simetrías espaciales en circuitos cuánticos parametrizados para un entrenamiento más rápido”, Ciencia y tecnología cuántica 9 1, 015029 (2024).
[21] Adam Callison y Nicholas Chancellor, “Algoritmos híbridos cuánticos-clásicos en la ruidosa era cuántica de escala intermedia y más allá”, Revisión física A 106 1, 010101 (2022).
[22] Supanut Thanasilp, Samson Wang, Nhat A. Nghiem, Patrick J. Coles y M. Cerezo, "Sutilezas en la capacidad de entrenamiento de los modelos de aprendizaje automático cuántico", arXiv: 2110.14753, (2021).
[23] Laurin E. Fischer, Daniel Miller, Francesco Tacchino, Panagiotis Kl. Barkoutsos, Daniel J. Egger e Ivano Tavernelli, "Implementación sin ancilla de mediciones generalizadas para qubits integrados en un espacio qudit", Investigación de revisión física 4 3, 033027 (2022).
[24] Tailong Xiao, Xinliang Zhai, Xiaoyan Wu, Jianping Fan y Guihua Zeng, "Ventaja práctica del aprendizaje automático cuántico en imágenes fantasma", Física de las comunicaciones 6 1, 171 (2023).
[25] Travis L. Scholten, Carl J. Williams, Dustin Moody, Michele Mosca, William Hurley, William J. Zeng, Matthias Troyer y Jay M. Gambetta, "Evaluación de los beneficios y riesgos de las computadoras cuánticas", arXiv: 2401.16317, (2024).
[26] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi y Shannon K. McWeeney, “Biología y medicina en el panorama de las ventajas cuánticas”, arXiv: 2112.00760, (2021).
[27] Kazunobu Maruyoshi, Takuya Okuda, Juan W. Pedersen, Ryo Suzuki, Masahito Yamazaki y Yutaka Yoshida, "Cargas conservadas en la simulación cuántica de cadenas de espín integrables", Revista de física A matemática general 56 16, 165301 (2023).
[28] Manuel S. Rudolph, Sacha Lerch, Supanut Thanasilp, Oriel Kiss, Sofia Vallecorsa, Michele Grossi y Zoë Holmes, “Barreras y oportunidades de capacitabilidad en el modelado generativo cuántico”, arXiv: 2305.02881, (2023).
[29] Zhenyu Cai, "Un marco práctico para la mitigación de errores cuánticos", arXiv: 2110.05389, (2021).
[30] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio y Patrick J. Coles, "Desafíos y oportunidades en el aprendizaje automático cuántico", arXiv: 2303.09491, (2023).
[31] Keita Kanno, Masaya Kohda, Ryosuke Imai, Sho Koh, Kosuke Mitarai, Wataru Mizukami y Yuya O. Nakagawa, “Interacción de configuración seleccionada cuánticamente: diagonalización clásica de hamiltonianos en subespacios seleccionados por computadoras cuánticas”, arXiv: 2302.11320, (2023).
[32] Minh C. Tran, Kunal Sharma y Kristan Temme, “Localidad y mitigación de errores de circuitos cuánticos”, arXiv: 2303.06496, (2023).
[33] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger y Benjamin Weder, "Investigación del efecto del corte de circuitos en QAOA para el problema MaxCut en dispositivos NISQ", Ciencia y tecnología cuántica 8 4, 045022 (2023).
[34] Christoph Hirche, Cambyse Rouzé y Daniel Stilck França, “Sobre coeficientes de contracción, órdenes parciales y aproximación de capacidades para canales cuánticos”, arXiv: 2011.05949, (2020).
[35] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah y Ross Duncan, “Evaluación comparativa volumétrica de la mitigación de errores con Qermit”, Cuántica 7, 1059 (2023).
[36] Muhammad Kashif y Saif Al-Kuwari, “El impacto de la globalidad y localidad de la función de costos en redes neuronales cuánticas híbridas en dispositivos NISQ”, Aprendizaje automático: ciencia y tecnología 4 1, 015004 (2023).
[37] Daniel Bultrini, Samson Wang, Piotr Czarnik, Max Hunter Gordon, M. Cerezo, Patrick J. Coles y Lukasz Cincio, “La batalla de los qubits limpios y sucios en la era de la corrección parcial de errores”, arXiv: 2205.13454, (2022).
[38] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger y Lukasz Cincio, “Mejorando la eficiencia de la mitigación de errores basada en el aprendizaje”, arXiv: 2204.07109, (2022).
[39] Muhammad Kashif y Saif Al-kuwari, "ResQNets: un enfoque residual para mitigar mesetas estériles en redes neuronales cuánticas", arXiv: 2305.03527, (2023).
[40] NM Guseynov, AA Zhukov, WV Pogosov y AV Lebedev, “Análisis en profundidad de algoritmos cuánticos variacionales para la ecuación del calor”, Revisión física A 107 5, 052422 (2023).
[41] Olivia Di Matteo y RM Woloshyn, “Susceptibilidad a la fidelidad de la computación cuántica mediante la diferenciación automática”, Revisión física A 106 5, 052429 (2022).
[42] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger y Lukasz Cincio, “Diseño robusto bajo incertidumbre en la mitigación de errores cuánticos”, arXiv: 2307.05302, (2023).
[43] Matteo Robbiati, Alejandro Sopena, Andrea Papaluca y Stefano Carrazza, “Mitigación de errores en tiempo real para la optimización variacional en hardware cuántico”, arXiv: 2311.05680, (2023).
[44] Yunfei Wang y Junyu Liu, "Aprendizaje automático cuántico: de NISQ a la tolerancia a fallos", arXiv: 2401.11351, (2024).
[45] Nico Meyer, Daniel D. Scherer, Axel Plinge, Christopher Mutschler y Michael J. Hartmann, "Gradientes de políticas naturales cuánticas: hacia el aprendizaje por refuerzo eficiente en muestras", arXiv: 2304.13571, (2023).
[46] Zichang He, Bo Peng, Yuri Alexeev y Zheng Zhang, "Algoritmos cuánticos variacionales distributivamente robustos con ruido desplazado", arXiv: 2308.14935, (2023).
[47] Enrico Fontana, Ivan Rungger, Ross Duncan y Cristina Cîrstoiu, “Análisis espectral para diagnóstico de ruido y mitigación de errores digitales basada en filtros”, arXiv: 2206.08811, (2022).
[48] Wei-Bin Ewe, Dax Enshan Koh, Siong Thye Goh, Hong-Son Chu y Ching Eng Png, “Simulación variacional basada en cuántica de modos de guía de ondas”, Transacciones IEEE sobre técnicas de teoría de microondas 70 5, 2517 (2022).
[49] Siddharth Dangwal, Gokul Subramanian Ravi, Poulami Das, Kaitlin N. Smith, Jonathan M. Baker y Frederic T. Chong, “VarSaw: Mitigación de errores de medición adaptada a la aplicación para algoritmos cuánticos variacionales”, arXiv: 2306.06027, (2023).
[50] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan y Daniel O'Malley, "Algoritmos cuánticos para redes de fracturas geológicas", arXiv: 2210.11685, (2022).
[51] André Melo, Nathan Earnest-Noble y Francesco Tacchino, “Aprendizaje automático cuántico con eficiencia de pulsos”, Cuántica 7, 1130 (2023).
[52] Christoph Hirche, Cambyse Rouzé y Daniel Stilck França, “Sobre coeficientes de contracción, órdenes parciales y aproximación de capacidades para canales cuánticos”, Cuántica 6, 862 (2022).
[53] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan y Daniel O'Malley, "Algoritmos cuánticos para redes de fracturas geológicas", Informes científicos 13, 2906 (2023).
[54] Marco Schumann, Frank K. Wilhelm y Alessandro Ciani, “Aparición de mesetas estériles inducidas por el ruido en modelos de ruido en capas arbitrarias”, arXiv: 2310.08405, (2023).
[55] Sharu Theresa José y Osvaldo Simeone, “Optimización asistida por mitigación de errores de circuitos cuánticos parametrizados: análisis de convergencia”, arXiv: 2209.11514, (2022).
[56] Kosuke Ito y Keisuke Fujii, "SantaQlaus: un método eficiente en recursos para aprovechar el ruido de disparo cuántico para la optimización de algoritmos cuánticos variacionales", arXiv: 2312.15791, (2023).
[57] P. Singkanipa y DA Lidar, “Más allá del ruido unital en algoritmos cuánticos variacionales: mesetas estériles y puntos fijos inducidos por ruido”, arXiv: 2402.08721, (2024).
[58] Kevin Lively, Tim Bode, Jochen Szangolies, Jian-Xin Zhu y Benedikt Fauseweh, "Firmas experimentales robustas de transiciones de fase en el Eigensolver cuántico variacional", arXiv: 2402.18953, (2024).
Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2024-03-19 15:55:36). La lista puede estar incompleta ya que no todos los editores proporcionan datos de citas adecuados y completos.
On Servicio citado por Crossref no se encontraron datos sobre las obras citadas (último intento 2024-03-19 15:55:34).
Este documento se publica en Quantum bajo el Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0) licencia. Los derechos de autor permanecen con los titulares de derechos de autor originales, como los autores o sus instituciones.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://quantum-journal.org/papers/q-2024-03-14-1287/
