1Departamento de Microtecnología y Nanociencia, MC2, Universidad Tecnológica de Chalmers, 412 96 Gotemburgo, Suecia
2Volvo Group Trucks Technology, 405 08 Gotemburgo, Suecia
3Future Technologies, Saab Surveillance, 412 76 Gotemburgo, Suecia
4Departamento de Química e Ingeniería Química, Universidad Tecnológica de Chalmers, 412 96 Gotemburgo, Suecia
5Departamento de Física, Universidad Tecnológica de Chalmers, 412 96 Gotemburgo, Suecia
¿Encuentra este documento interesante o quiere discutirlo? Scite o deje un comentario en SciRate.
Resumen
Los algoritmos cuánticos variacionales (VQA) representan un enfoque prometedor para utilizar las infraestructuras de computación cuántica actuales. Los VQA se basan en un circuito cuántico parametrizado optimizado en bucle cerrado mediante un algoritmo clásico. Este enfoque híbrido reduce la carga de la unidad de procesamiento cuántico, pero tiene el costo de una optimización clásica que puede presentar un panorama energético plano. Las técnicas de optimización existentes, incluidas la propagación del tiempo imaginaria, el gradiente natural o los enfoques basados en el impulso, son candidatos prometedores, pero suponen una carga significativa para el dispositivo cuántico o sufren con frecuencia una convergencia lenta. En este trabajo, proponemos el enfoque cuántico del gradiente natural adaptativo de Broyden (qBang), un optimizador novedoso que tiene como objetivo destilar los mejores aspectos de los enfoques existentes. Al emplear el enfoque de Broyden para aproximar las actualizaciones en la matriz de información de Fisher y combinarlo con un algoritmo basado en el impulso, qBang reduce los requisitos de recursos cuánticos y al mismo tiempo funciona mejor que alternativas que exigen más recursos. Los puntos de referencia para la meseta árida, la química cuántica y el problema del corte máximo demuestran un rendimiento general estable con una clara mejora con respecto a las técnicas existentes en el caso de paisajes de optimización planos (pero no exponencialmente planos). qBang presenta una nueva estrategia de desarrollo para VQA basados en gradientes con una gran cantidad de posibles mejoras.
Imagen de portada: Comparación del rendimiento de optimización del gradiente natural adaptativo cuántico de Broyden (qBang) y el gradiente natural cuántico (QNG) para encontrar la energía del estado fundamental del hidruro de litio, LiH.
Resumen popular
► datos BibTeX
► referencias
[ 1 ] M. Cerezo, A. Arrasmith, R. Babbush, SC Benjamin, S. Endo, K. Fujii, JR McClean, K. Mitarai, X. Yuan, L. Cincio y PJ Coles. “Algoritmos cuánticos variacionales”. Nature Reviews Physics 3, 625–644 (2021).
https://doi.org/10.1038/s42254-021-00348-9
[ 2 ] K. Bharti, A. Cervera-Lierta, TH Kyaw, T. Haug, S. Alperin-Lea, A. Anand, M. Degroote, H. Heimonen, JS Kottmann, T. Menke, W.-K. Mok, S. Sim, L.-C. Kwek y A. Aspuru-Guzik. "Algoritmos cuánticos ruidosos de escala intermedia". Reseñas de Física Moderna 94, 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[ 3 ] J. Tilly, H. Chen, S. Cao, D. Picozzi, K. Setia, Y. Li, E. Grant, L. Wossnig, I. Rungger, GH Booth y J. Tennyson. “El Eigensolver cuántico variacional: una revisión de métodos y mejores prácticas”. Informes de física 986, 1–128 (2022).
https: / / doi.org/ 10.1016 / j.physrep.2022.08.003
[ 4 ] F. Arute et al. "Supremacía cuántica utilizando un procesador superconductor programable". Naturaleza 574, 505–510 (2019).
https://doi.org/10.1038/s41586-019-1666-5
[ 5 ] CD Bruzewicz, J. Chiaverini, R. McConnell y JM Sage. "Computación cuántica de iones atrapados: avances y desafíos". Reseñas de Física Aplicada 6, 021314 (2019).
https: / / doi.org/ 10.1063 / 1.5088164
[ 6 ] AJ Daley, I. Bloch, C. Kokail, S. Flannigan, N. Pearson, M. Troyer y P. Zoller. “Ventaja cuántica práctica en simulación cuántica”. Naturaleza 607, 667–676 (2022).
https://doi.org/10.1038/s41586-022-04940-6
[ 7 ] S. Bravyi, O. Dial, JM Gambetta, D. Gil y Z. Nazario. "El futuro de la computación cuántica con qubits superconductores". Revista de Física Aplicada 132, 160902 (2022).
https: / / doi.org/ 10.1063 / 5.0082975
[ 8 ] J. Preskill. “Computación cuántica en la era NISQ y más allá”. Cuántica 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
[ 9 ] A. Peruzzo, J. McClean, P. Shadbolt, MH Yung, XQ Zhou, PJ Love, A. Aspuru-Guzik y JL O'Brien. "Un solucionador de valores propios variacionales en un procesador cuántico fotónico". Comunicaciones de la naturaleza 5 (2014).
https: / / doi.org/ 10.1038 / ncomms5213
[ 10 ] D. Wecker, MB Hastings y M. Troyer. “Progreso hacia algoritmos variacionales cuánticos prácticos”. física Rev. A 92, 042303 (2015).
https: / / doi.org/ 10.1103 / PhysRevA.92.042303
[ 11 ] JR McClean, J. Romero, R. Babbush y A. Aspuru-Guzik. “La teoría de los algoritmos cuánticos-clásicos híbridos variacionales”. Nueva Revista de Física 18, 023023 (2016).
https://doi.org/10.1088/1367-2630/18/2/023023
[ 12 ] S. Endo, Z. Cai, SC Benjamin y X. 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
[ 13 ] DP Kingma y J. Ba. “Adam: un método para la optimización estocástica” (2017). arXiv:1412.6980.
arXiv: 1412.6980
[ 14 ] K. Mitarai, M. Negoro, M. Kitagawa y K. Fujii. “Aprendizaje de circuitos cuánticos”. Revisión física A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[ 15 ] L. Banchi y GE Crooks. "Medición de gradientes analíticos de la evolución cuántica general con la regla de desplazamiento de parámetros estocásticos". Cuántico 5, 386 (2021).
https://doi.org/10.22331/q-2021-01-25-386
[ 16 ] M. Schuld, V. Bergholm, C. Gogolin, J. Izaac y N. Killoran. "Evaluación de gradientes analíticos en hardware cuántico". Revisión física A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[ 17 ] L. D'Alessio, Y. Kafri, A. Polkovnikov y M. Rigol. “Del caos cuántico y la termalización del estado propio a la mecánica estadística y la termodinámica”. Avances en Física 65, 239–362 (2016).
https: / / doi.org/ 10.1080 / 00018732.2016.1198134
[ 18 ] JR McClean, S. Boixo, VN Smelyanskiy, R. Babbush y H. Neven. "Mesetas áridas en paisajes de entrenamiento de redes neuronales cuánticas". Comunicaciones de la naturaleza 9, 4812 (2018).
https://doi.org/10.1038/s41467-018-07090-4
[ 19 ] Z. Holmes, K. Sharma, M. Cerezo y PJ 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
[ 20 ] M. Cerezo, A. Sone, T. Volkoff, L. Cincio y PJ Coles. "Mesetas estériles dependientes de la función de costos en circuitos cuánticos parametrizados poco profundos". Comunicaciones de la naturaleza 12, 1791 (2021).
https: / / doi.org/ 10.1038 / s41467-021-21728-w
[ 21 ] S. Wang, E. Fontana, M. Cerezo, K. Sharma, A. Sone, L. Cincio y PJ Coles. "Mesetas estériles inducidas por ruido en algoritmos cuánticos variacionales". Comunicaciones de la naturaleza 12 (2021).
https://doi.org/10.1038/s41467-021-27045-6
[ 22 ] J. Stokes, J. Izaac, N. Killoran y G. Carleo. “Gradiente natural cuántico”. Cuántico 4, 269 (2020).
https://doi.org/10.22331/q-2020-05-25-269
[ 23 ] J. Gacon, C. Zoufal, G. Carleo y S. Woerner. “Aproximación estocástica de perturbación simultánea de la información cuántica de Fisher”. Cuántico 5, 567 (2021).
https://doi.org/10.22331/q-2021-10-20-567
[ 24 ] J. Liu, H. Yuan, X.-M. Lu y X. Wang. “Matriz de información Quantum Fisher y estimación multiparada”. Revista de Física A: Matemática y Teórica 53, 023001 (2020).
https://doi.org/10.1088/1751-8121/ab5d4d
[ 25 ] D. Wierichs, C. Gogolin y M. Kastoryano. "Evitar mínimos locales en solucionadores propios cuánticos variacionales con el optimizador de gradiente natural". Investigación de revisión física 2, 043246 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.043246
[ 26 ] B. Koczor y SC Benjamin. “Gradiente natural cuántico generalizado a circuitos ruidosos y no unitarios”. Física. Rev.A 106, 062416 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.106.062416
[ 27 ] JL Beckey, M. Cerezo, A. Sone y PJ Coles. “Algoritmo cuántico variacional para estimar la información cuántica de Fisher”. Investigación de revisión física 4, 013083 (2022).
https: / / doi.org/ 10.1103 / PhysRevResearch.4.013083
[ 28 ] J. Gacon, J. Nys, R. Rossi, S. Woerner y G. Carleo. “Evolución del tiempo cuántico variacional sin el tensor geométrico cuántico”. Física. Rev. Res. 6, 013143 (2024).
https: / / doi.org/ 10.1103 / PhysRevResearch.6.013143
[ 29 ] CG Broyden. “La convergencia de una clase de algoritmos de minimización de doble rango 1. Consideraciones generales”. Revista IMA de Matemáticas Aplicadas 6, 76–90 (1970).
https: / / doi.org/ 10.1093 / imamat / 6.1.76
[ 30 ] M. Motta, C. Sun, ATK Tan, MJO Rourke, E. Ye, AJ Minnich, FGSL Brandao y GK-L. Chan. "Determinación de estados propios y estados térmicos en una computadora cuántica utilizando la evolución del tiempo imaginario cuántico". Física de la naturaleza 16, 205–210 (2020).
https://doi.org/10.1038/s41567-019-0704-4
[ 31 ] S. McArdle, T. Jones, S. Endo, Y. Li, SC Benjamin y X. Yuan. “Simulación cuántica variacional basada en ansatz de la evolución del tiempo imaginario”. npj Información cuántica 5, 75 (2019).
https://doi.org/10.1038/s41534-019-0187-2
[ 32 ] X. Yuan, S. Endo, Q. Zhao, Y. Li y S. Benjamin. “Teoría de la simulación cuántica variacional”. Cuántico 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191
[ 33 ] C. Cao, Z. An, S.-Y. Hou, DL Zhou y B. Zeng. “Evolución del tiempo imaginario cuántico dirigida por el aprendizaje por refuerzo”. Física de las Comunicaciones 5, 57 (2022).
https: / / doi.org/ 10.1038 / s42005-022-00837-y
[ 34 ] V. Havlíček, AD Córcoles, K. Temme, AW Harrow, A. Kandala, JM Chow y JM Gambetta. "Aprendizaje supervisado con espacios de funciones mejorados cuánticamente". Naturaleza 567, 209–212 (2019).
https://doi.org/10.1038/s41586-019-0980-2
[ 35 ] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, JM Chow y JM Gambetta. “Eigensolver cuántico variacional eficiente en hardware para moléculas pequeñas e imanes cuánticos”. Naturaleza 549, 242–246 (2017).
https: / / doi.org/ 10.1038 / nature23879
[ 36 ] E. Farhi, J. Goldstone y S. Gutmann. “Un algoritmo de optimización cuántica aproximada” (2014). arXiv:1411.4028.
arXiv: 1411.4028
[ 37 ] S. Sim, PD Johnson y A. Aspuru-Guzik. “Expresibilidad y capacidad de entrelazamiento de circuitos cuánticos parametrizados para algoritmos híbridos cuánticos-clásicos”. Tecnologías cuánticas avanzadas 2, 1900070 (2019).
https: / / doi.org/ 10.1002 / qute.201900070
[ 38 ] D. Wierichs, J. Izaac, C. Wang y CY-Y. Lin. "Reglas generales de cambio de parámetros para gradientes cuánticos". Cuántico 6, 677 (2022).
https://doi.org/10.22331/q-2022-03-30-677
[ 39 ] A. Lucas. "Ising formulaciones de muchos problemas NP". Fronteras de la Física 2, 1-14 (2014).
https: / / doi.org/ 10.3389 / fphy.2014.00005
[ 40 ] S. Hadfield, Z. Wang, B. O'Gorman, EG Rieffel, D. Venturelli y R. Biswas. “Del algoritmo de optimización cuántica aproximada a un operador cuántico alterno Ansatz”. Algoritmos 12, 34 (2019).
https: / / doi.org/ 10.3390 / a12020034
[ 41 ] M. Svensson, M. Andersson, M. Grönkvist, P. Vikstål, D. Dubhashi, G. Ferrini y G. Johansson. “Un método heurístico para resolver programas lineales enteros a gran escala combinando rama y precio con un algoritmo cuántico” (2021). arXiv:2103.15433.
arXiv: 2103.15433
[ 42 ] W. Lavrijsen, A. Tudor, J. Müller, C. Iancu y W. de Jong. "Optimizadores clásicos para dispositivos cuánticos ruidosos de escala intermedia". En 2020 Conferencia Internacional IEEE sobre Ingeniería y Computación Cuántica (QCE). Páginas 267–277. (2020).
https: / / doi.org/ 10.1109 / QCE49297.2020.00041
[ 43 ] Y. Cao, J. Romero, JP Olson, M. Degroote, PD Johnson, M. Kieferová, ID Kivlichan, T. Menke, B. Peropadre, NPD Sawaya, S. Sim, L. Veis y A. Aspuru-Guzik . “Química cuántica en la era de la computación cuántica”. Reseñas de productos químicos 119, 10856–10915 (2019).
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803
[ 44 ] V. Lordi y JM Nichol. “Avances y oportunidades en la ciencia de materiales para la computación cuántica escalable”. Boletín MRS 46, 589–595 (2021).
https://doi.org/10.1557/s43577-021-00133-0
[ 45 ] Ladrones de GE. “Gradientes de puertas cuánticas parametrizadas utilizando la regla de cambio de parámetros y descomposición de puertas” (2019). cuanto-ph:1905.13311.
arXiv: 1905.13311
[ 46 ] J. Martens. "Nuevos conocimientos y perspectivas sobre el método del gradiente natural". Revista de investigación sobre aprendizaje automático 21, 1–76 (2020). URL: https:///www.jmlr.org/papers/v21/17-678.html.
https:///www.jmlr.org/papers/v21/17-678.html
[ 47 ] J. Martens y I. Sutskever. “Entrenamiento de redes profundas y recurrentes con optimización sin hessiano”. Páginas 479–535. Springer Berlín Heidelberg. (2012).
https://doi.org/10.1007/978-3-642-35289-8_27
[ 48 ] DF Shanno. “Condicionamiento de métodos cuasi-Newton para minimización de funciones”. Matemáticas de la Computación 24, 647–656 (1970).
https://doi.org/10.1090/s0025-5718-1970-0274029-x
[ 49 ] R. Fletcher. "Un nuevo enfoque para los algoritmos de métricas variables". El diario de la computadora 13, 317–322 (1970).
https: / / doi.org/ 10.1093 / comjnl / 13.3.317
[ 50 ] D. Goldfarb. "Una familia de métodos de métrica variable derivados por medios variacionales". Matemáticas de la Computación 24, 23-26 (1970).
https://doi.org/10.1090/s0025-5718-1970-0258249-6
[ 51 ] S. Ruder. "Una descripción general de los algoritmos de optimización del descenso de gradientes" (2016). arXiv:1609.04747.
arXiv: 1609.04747
[ 52 ] Mecha GC. "Propiedades de las funciones de onda de Bethe-Salpeter". Física. Rev. 96, 1124-1134 (1954).
https: / / doi.org/ 10.1103 / PhysRev.96.1124
[ 53 ] T. Tsuchimochi, Y. Ryo, SL Ten-no y K. Sasasako. "Algoritmos mejorados de evolución del tiempo imaginario cuántico para estados fundamentales y excitados de sistemas moleculares". Revista de Teoría y Computación Química (2023).
https: / / doi.org/ 10.1021 / acs.jctc.2c00906
[ 54 ] W. von der Linden. "Un enfoque cuántico de Monte Carlo para la física de muchos cuerpos". Informes de física 220, 53–162 (1992).
https://doi.org/10.1016/0370-1573(92)90029-y
[ 55 ] DM Ceperley. “Integrales de trayectoria en la teoría del helio condensado”. Mod. Rev. Física. 67, 279–355 (1995).
https: / / doi.org/ 10.1103 / RevModPhys.67.279
[ 56 ] N. Trivedi y DM Ceperley. "Correlaciones entre el estado fundamental de los antiferromagnetos cuánticos: un estudio de Monte Carlo de la función verde". Física. Rev. B 41, 4552–4569 (1990).
https: / / doi.org/ 10.1103 / PhysRevB.41.4552
[ 57 ] K. Guther, RJ Anderson, NS Blunt, NA Bogdanov, D. Cleland, N. Dattani, W. Dobrautz, K. Ghanem, P. Jeszenszki, N. Liebermann, et al. “NECI: Interacción de configuración de electrones N con énfasis en métodos estocásticos de última generación”. La Revista de Física Química 153, 034107 (2020).
https: / / doi.org/ 10.1063 / 5.0005754
[ 58 ] A. McLachlan. "Una solución variacional de la ecuación de Schrodinger dependiente del tiempo". Física molecular 8, 39–44 (1964).
https: / / doi.org/ 10.1080 / 00268976400100041
[ 59 ] C. Zoufal, D. Sutter y S. Woerner. "Límites de error para la evolución del tiempo cuántico variacional". Física. Aplicación Rev. 20, 044059 (2023).
https: / / doi.org/ 10.1103 / PhysRevApplied.20.044059
[ 60 ] G. Fubini. “Sulla teoria delle funzioni automorfe e delle loro trasformazioni”. Annali di Matematica Pura ed Applicata 14, 33–67 (1908).
https: / / doi.org/ 10.1007 / bf02420184
[ 61 ] E. Estudio. “Kürzeste wege im komplexen gebiet”. Mathematische Annalen 60, 321–378 (1905).
https: / / doi.org/ 10.1007 / bf01457616
[ 62 ] Y. Yao, P. Cussenot, RA Wolf y F. Miatto. “Optimización de gradiente natural complejo para el diseño de circuitos cuánticos ópticos”. Física. Rev.A 105, 052402 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.105.052402
[ 63 ] F. Wilczek y A. Shapere. “Fases geométricas en física”. Publicaciones científicas mundiales. (1989).
https: / / doi.org/ 10.1142 / 0613
[ 64 ] L. Hackl, T. Guaita, T. Shi, J. Haegeman, E. Demler y JI Cirac. “Geometría de métodos variacionales: dinámica de sistemas cuánticos cerrados”. SciPost Phys. 9, 048 (2020).
https: / / doi.org/ 10.21468 / SciPostPhys.9.4.048
[ 65 ] S. Zhou y L. Jiang. “Una correspondencia exacta entre la información cuántica de Fisher y la métrica de Bures” (2019). arXiv:1910.08473.
arXiv: 1910.08473
[ 66 ] V. Giovannetti, S. Lloyd y L. Maccone. “Avances en metrología cuántica”. Fotónica de la naturaleza 5, 222–229 (2011).
https: / / doi.org/ 10.1038 / nphoton.2011.35
[ 67 ] D. Petz y C. Sudár. “Geometrías de estados cuánticos”. Revista de Física Matemática 37, 2662–2673 (1996).
https: / / doi.org/ 10.1063 / 1.531535
[ 68 ] JP Provost y G. Vallee. “Estructura de Riemann en variedades de estados cuánticos”. Comunicaciones en Física Matemática 76, 289–301 (1980).
https: / / doi.org/ 10.1007 / bf02193559
[ 69 ] C.-Y. Park y MJ Kastoryano. “Geometría del aprendizaje de estados cuánticos neuronales”. Investigación de revisión física 2, 023232 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.023232
[ 70 ] SL Braunstein y CM Cuevas. “Distancia estadística y geometría de los estados cuánticos”. Física. Rev. Lett. 72, 3439–3443 (1994).
https: / / doi.org/ 10.1103 / PhysRevLett.72.3439
[ 71 ] P. Facchi, R. Kulkarni, V. Man'ko, G. Marmo, E. Sudarshan y F. Ventriglia. “Información de Fisher clásica y cuántica en la formulación geométrica de la mecánica cuántica”. Cartas de física A 374, 4801–4803 (2010).
https: / / doi.org/ 10.1016 / j.physleta.2010.10.005
[ 72 ] SI. Amari. “Aprendizaje neuronal en espacios de parámetros estructurados: gradiente natural de Riemann”. En actas de la novena conferencia internacional sobre sistemas de procesamiento de información neuronal. Páginas 9––127. NIPS'133. Prensa del MIT (96).
https: / / doi.org/ 10.5555 / 2998981.2998999
[ 73 ] Si. Amari. "El gradiente natural funciona eficientemente en el aprendizaje". Computación neuronal 10, 251–276 (1998).
https: / / doi.org/ 10.1162 / 089976698300017746
[ 74 ] Si. Amari y S. Douglas. “¿Por qué gradiente natural?”. En Actas de la Conferencia Internacional IEEE de 1998 sobre Acústica, Habla y Procesamiento de Señales, ICASSP '98 (Cat. No.98CH36181). Volumen 2, páginas 1213–1216. (1998).
https: / / doi.org/ 10.1109 / ICASSP.1998.675489
[ 75 ] Si. Amari, H. Park y K. Fukumizu. "Método adaptativo para realizar el aprendizaje de gradientes naturales para perceptrones multicapa". Computación neuronal 12, 1399-1409 (2000).
https: / / doi.org/ 10.1162 / 089976600300015420
[ 76 ] J. J. Meyer. "Información de Fisher en aplicaciones cuánticas ruidosas de escala intermedia". Cuántico 5, 539 (2021).
https://doi.org/10.22331/q-2021-09-09-539
[ 77 ] P. Huembeli y A. Dauphin. "Caracterización del panorama de pérdidas de circuitos cuánticos variacionales". Ciencia y tecnología cuánticas 6, 025011 (2021).
https://doi.org/10.1088/2058-9565/abdbc9
[ 78 ] E. Grant, L. Wossnig, M. Ostaszewski y M. Benedetti. "Una estrategia de inicialización para abordar mesetas estériles en circuitos cuánticos parametrizados". Cuántico 3, 214 (2019).
https://doi.org/10.22331/q-2019-12-09-214
[ 79 ] IO Sokolov, W. Dobrautz, H. Luo, A. Alavi e I. Tavernelli. "Los órdenes de magnitud aumentaron la precisión de los problemas cuánticos de muchos cuerpos en computadoras cuánticas mediante un método de transcorrelación exacta". Física. Rev. Res. 5, 023174 (2023).
https: / / doi.org/ 10.1103 / PhysRevResearch.5.023174
[ 80 ] W. Dobrautz, IO Sokolov, K. Liao, PL Ríos, M. Rahm, A. Alavi e I. Tavernelli. “Método de transcorrelación ab initio que permite una química cuántica precisa en hardware cuántico a corto plazo” (2023). arXiv:2303.02007.
arXiv: 2303.02007
[ 81 ] TR Bromley, JM Arrazola, S. Jahangiri, J. Izaac, N. Quesada, AD Gran, M. Schuld, J. Swinarton, Z. Zabaneh y N. Killoran. "Aplicaciones de las computadoras cuánticas fotónicas a corto plazo: software y algoritmos". Ciencia y Tecnología Cuánticas 5, 034010 (2020).
https: / / doi.org/ 10.1088 / 2058-9565 / ab8504
[ 82 ] H. Park, S.-i. Amari y K. Fukumizu. "Algoritmos adaptativos de aprendizaje de gradiente natural para varios modelos estocásticos". Redes neuronales 13, 755––764 (2000).
https://doi.org/10.1016/S0893-6080(00)00051-4
[ 83 ] Si. Amari. “Geometría de la información y sus aplicaciones”. Saltador. (2016).
https://doi.org/10.1007/978-4-431-55978-8
[ 84 ] S. Dash, F. Vicentini, M. Ferrero y A. Georges. “Eficiencia de los estados cuánticos neuronales a la luz del tensor geométrico cuántico” (2024). arXiv:2402.01565.
arXiv: 2402.01565
[ 85 ] D. Fitzek, RS Jonsson, W. Dobrautz y C. Schäfer (2023). código: davidfitzek/qflow.
https:///github.com/davidfitzek/qflow
[ 86 ] B. van Straaten y B. Koczor. "Costo de medición de algoritmos cuánticos variacionales con reconocimiento de métricas". PRX Quantum 2, 030324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.030324
[ 87 ] AN Tikhonov, AV Goncharsky, VV Stepanov y AG Yagola. “Métodos numéricos para la solución de problemas mal planteados”. Springer Dordrecht. (1995).
https://doi.org/10.1007/978-94-015-8480-7
[ 88 ] Bergholm V, Izaac J, Schuld M, et al. “PennyLane: diferenciación automática de cálculos híbridos cuánticos-clásicos” (2018). arXiv:1811.04968.
arXiv: 1811.04968
[ 89 ] T. Helgaker, P. Jørgensen y J. Olsen. “Teoría de la estructura electrónica molecular”. John Wiley e hijos. (2000).
https: / / doi.org/ 10.1002 / 9781119019572
[ 90 ] Q. Sun, X. Zhang, S. Banerjee, P. Bao y col. “Desarrollos recientes en el paquete de programas PySCF”. La Revista de Física Química 153, 024109 (2020).
https: / / doi.org/ 10.1063 / 5.0006074
[ 91 ] J. Nocedal y SJ Wright. “Optimización numérica”. Springer Ciencia + Medios comerciales. (2006).
https://doi.org/10.1007/978-0-387-40065-5
[ 92 ] JM Kübler, A. Arrasmith, L. Cincio y PJ Coles. "Un optimizador adaptativo para algoritmos variacionales frugales de medición". Cuántico 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263
[ 93 ] D. Fitzek, RS Jonsson, W. Dobrautz y C. Schäfer (2023). código: davidfitzek/qbang.
https:///github.com/davidfitzek/qbang
[ 94 ] M. Ragone, BN Bakalov, F. Sauvage, AF Kemper, CO Marrero, M. Larocca y M. Cerezo. “Una teoría unificada de mesetas estériles para circuitos cuánticos parametrizados profundos” (2023). arXiv:2309.09342.
arXiv: 2309.09342
[ 95 ] E. Fontana, D. Herman, S. Chakrabarti, N. Kumar, R. Yalovetzky, J. Heredge, SH Sureshbabu y M. Pistoia. “El adjunto es todo lo que necesita: caracterizar mesetas áridas en respuesta cuántica” (2023). arXiv:2309.07902.
arXiv: 2309.07902
[ 96 ] M. Larocca, N. Ju, D. García-Martín, PJ Coles y M. Cerezo. “Teoría de la sobreparametrización en redes neuronales cuánticas”. Nature Computational Science 3, 542–551 (2023).
https://doi.org/10.1038/s43588-023-00467-6
[ 97 ] Y. Du, M.-H. Hsieh, T. Liu y D. Tao. “Poder expresivo de circuitos cuánticos parametrizados”. Física. Rev. Res. 2, 033125 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.033125
[ 98 ] L. Funcke, T. Hartung, K. Jansen, S. Kühn y P. Stornati. “Análisis de expresividad dimensional de circuitos cuánticos paramétricos”. Cuántico 5, 422 (2021).
https://doi.org/10.22331/q-2021-03-29-422
[ 99 ] Y. Du, Z. Tu, X. Yuan y D. Tao. “Medida eficiente para la expresividad de algoritmos cuánticos variacionales”. Física. Rev. Lett. 128, 080506 (2022).
https: / / doi.org/ 10.1103 / PhysRevLett.128.080506
[ 100 ] R. D'Cunha, TD Crawford, M. Motta y JE Rice. "Desafíos en el uso de soluciones eficientes en hardware de computación cuántica en la teoría de estructuras electrónicas". La Revista de Química Física A (2023).
https:///doi.org/10.1021/acs.jpca.2c08430
[ 101 ] H. Shima. “La geometría de las estructuras de Hesse”. Científico mundial. (2007).
https://doi.org/10.1007/978-3-642-40020-9_4
[ 102 ] L. Campos Venuti y P. Zanardi. “Escalado crítico cuántico de los tensores geométricos”. Física. Rev. Lett. 99, 095701 (2007).
https: / / doi.org/ 10.1103 / PhysRevLett.99.095701
[ 103 ] M. Bukov, D. Sels y A. Polkovnikov. “Límite de velocidad geométrica de preparación de estados accesibles de muchos cuerpos”. Física. Rev. X 9, 011034 (2019).
https: / / doi.org/ 10.1103 / PhysRevX.9.011034
[ 104 ] M. Kolodrubetz, D. Sels, P. Mehta y A. Polkovnikov. “Geometría y respuesta no adiabática en sistemas cuánticos y clásicos”. Informes de física 697, 1–87 (2017).
https: / / doi.org/ 10.1016 / j.physrep.2017.07.001
[ 105 ] S. Pancharatnam. “Teoría generalizada de la interferencia y sus aplicaciones”. Actas de la Academia de Ciencias de la India - Sección A 44, 247–262 (1956).
https: / / doi.org/ 10.1007 / bf03046050
[ 106 ] MV Berry. "Factores de fase cuántica que acompañan a los cambios adiabáticos". Actas de la Royal Society de Londres. A. Ciencias Físicas y Matemáticas 392, 45–57 (1984).
https: / / doi.org/ 10.1098 / rspa.1984.0023
[ 107 ] J. Broeckhove, L. Lathouwers, E. Kesteloot y PV Leuven. "Sobre la equivalencia de principios variacionales dependientes del tiempo". Cartas de física química 149, 547–550 (1988).
https://doi.org/10.1016/0009-2614(88)80380-4
[ 108 ] S. Sorella. “Función verde Monte Carlo con reconfiguración estocástica”. Física. Rev. Lett. 80, 4558–4561 (1998).
https: / / doi.org/ 10.1103 / PhysRevLett.80.4558
[ 109 ] S. Sorella y L. Capriotti. “Función verde Monte Carlo con reconfiguración estocástica: un remedio eficaz para el problema de las señales”. Física. Rev. B 61, 2599–2612 (2000).
https: / / doi.org/ 10.1103 / PhysRevB.61.2599
[ 110 ] G. Mazzola, A. Zen y S. Sorella. "Simulaciones electrónicas de temperatura finita sin la restricción de Born-Oppenheimer". La Revista de Física Química 137, 134112 (2012).
https: / / doi.org/ 10.1063 / 1.4755992
Citado por
[1] Davide Castaldo, Marta Rosa y Stefano Corni, “Preparación rápida del estado fundamental molecular con control óptimo en simuladores cuánticos analógicos”, arXiv: 2402.11667, (2024).
[2] Erika Magnusson, Aaron Fitzpatrick, Stefan Knecht, Martin Rahm y Werner Dobrautz, "Hacia la computación cuántica eficiente para la química cuántica: reducción de la complejidad de los circuitos con técnicas Ansatz adaptativas y transcorrelacionadas", arXiv: 2402.16659, (2024).
Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2024-04-10 11:37:00). 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 2024-04-10 11:36:58).
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-2024-04-09-1313/
