1بخش نظری، آزمایشگاه ملی لوس آلاموس، لس آلاموس، NM 87545، ایالات متحده آمریکا
2گروه فیزیک، امپریال کالج لندن، لندن، SW7 2AZ، انگلستان
3دانشکده فیزیک، نجوم، و علوم کامپیوتر کاربردی، دانشگاه Jagiellonian، کراکوف، لهستان
4مرکز تحقیقات سیستم های پیچیده مارک کاک، دانشگاه یاگیلونی، کراکوف، لهستان
5مرکز علوم کوانتومی، اوک ریج، TN 37931، ایالات متحده آمریکا
6مرکز مطالعات غیرخطی، آزمایشگاه ملی لوس آلاموس، لس آلاموس، NM 87545، ایالات متحده آمریکا
این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.
چکیده
الگوریتم های کوانتومی متغیر (VQA) اغلب به عنوان بهترین امید برای مزیت کوانتومی کوتاه مدت در نظر گرفته می شوند. با این حال، مطالعات اخیر نشان داده‌اند که نویز می‌تواند قابلیت آموزش VQAها را به شدت محدود کند، به عنوان مثال، با صاف کردن نمایی چشم‌انداز هزینه و سرکوب بزرگی گرادیان‌های هزینه. کاهش خطا (EM) در کاهش تأثیر نویز بر روی دستگاه‌های کوتاه مدت امیدوارکننده است. بنابراین، طبیعی است که بپرسیم آیا EM می تواند آموزش پذیری VQA ها را بهبود بخشد. در این کار، ما ابتدا نشان می‌دهیم که برای کلاس وسیعی از استراتژی‌های EM، تمرکز هزینه نمایی بدون تخصیص منابع نمایی در جای دیگر قابل حل نیست. این دسته از استراتژی‌ها به عنوان موارد خاص شامل برون‌یابی نویز صفر، تقطیر مجازی، لغو خطای احتمالی و رگرسیون داده‌های کلیفورد است. دوم، ما تجزیه و تحلیل تحلیلی و عددی این پروتکل‌های EM را انجام می‌دهیم، و متوجه می‌شویم که برخی از آنها (مثلاً تقطیر مجازی) می‌توانند حل کردن مقادیر تابع هزینه را در مقایسه با عدم اجرای EM مشکل‌تر کنند. به عنوان یک نتیجه مثبت، ما شواهد عددی پیدا کردیم که نشان می‌دهد رگرسیون داده‌های کلیفورد (CDR) می‌تواند به فرآیند آموزش در تنظیمات خاصی که تمرکز هزینه خیلی شدید نیست کمک کند. نتایج ما نشان می‌دهد که باید در بکارگیری پروتکل‌های EM دقت شود زیرا می‌توانند آموزش پذیری را بدتر کنند یا نکنند. از سوی دیگر، نتایج مثبت ما برای CDR امکان روش‌های کاهش خطای مهندسی برای بهبود آموزش پذیری را برجسته می‌کند.
تصویر ویژه: انواع خاصی از نویز سخت‌افزاری به‌طور تصاعدی قابلیت حل‌پذیری مناظر هزینه را در الگوریتم‌های کوانتومی متغیر مختل می‌کنند. بنابراین، بهینه‌سازی دقیق و قابل اعتماد الگوریتم‌های کوانتومی تغییرات نویزدار را می‌توان با سربار نمونه نمایی سنگین کرد. در این کار ما می‌پرسیم که آیا کاهش خطا می‌تواند این پدیده را هم از نقطه نظر مقیاس‌بندی (در حد اندازه‌های بزرگ سیستم) و هم برای اندازه‌های مشکل ثابت کاهش دهد.
► داده های BibTeX
◄ مراجع
[1] جارود آر مک‌کلین، جاناتان رومرو، رایان بابوش و آلان آسپورو-گوزیک. "نظریه الگوریتم های کوانتومی-کلاسیک ترکیبی تنوع". مجله جدید فیزیک 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، و Patrick J. Coles. الگوریتم های کوانتومی متغیر Nature Reviews Physics 3، 625–644 (2021).
https://doi.org/10.1038/s42254-021-00348-9
[3] سام مک آردل، تایسون جونز، سوگورو اندو، یانگ لی، سایمون سی بنجامین و شیائو یوان. "شبیه سازی کوانتومی مبتنی بر ansatz متغیر تکامل زمان خیالی". npj Quantum Information 5، 1–6 (2019).
https://doi.org/10.1038/s41534-019-0187-2
[4] هارپر آر گریمزلی، سوفیا ای اکونومو، ادوین بارنز و نیکلاس جی میهال. "یک الگوریتم تغییرات تطبیقی برای شبیه سازی مولکولی دقیق در یک کامپیوتر کوانتومی". Nature Communications 10، 1-9 (2019).
https://doi.org/10.1038/s41467-019-10988-2
[5] کریستینا سیرستویو، زوئی هولمز، جوزف آیوسو، لوکاس سینسیو، پاتریک جی کولز و اندرو سورنبورگر. ارسال سریع متغیر برای شبیه سازی کوانتومی فراتر از زمان انسجام. npj Quantum Information 6، 1–10 (2020).
https://doi.org/10.1038/s41534-020-00302-0
[6] بنجامین کومو، ام. سرزو، زوئه هولمز، لوکاس سینسیو، پاتریک جی کولز و اندرو سورنبورگر. "مورب سازی متغیر هامیلتونی برای شبیه سازی کوانتومی دینامیکی". arXiv preprint arXiv:2009.02559 (2020).
https://doi.org/10.48550/arXiv.2009.02559
[7] جو گیبز، کیتلین گیلی، زوئه هولمز، بنجامین کومو، اندرو آراسمیت، لوکاس سینسیو، پاتریک جی کولز و اندرو سورنبورگر. "شبیه سازی طولانی مدت با وفاداری بالا بر روی سخت افزار کوانتومی". پیش چاپ arXiv arXiv:2102.04313 (2021).
https://doi.org/10.48550/arXiv.2102.04313
[8] یونگ شین یائو، نیلادری گومز، فنگ ژانگ، توماس ایادکولا، کای ژوانگ وانگ، کای مینگ هو و پیتر پی اورث. شبیه سازی دینامیک کوانتومی تغییرات تطبیقی arXiv preprint arXiv:2011.00622 (2020).
https://doi.org/10.1103/PRXQuantum.2.030307
[9] Suguru Endo، Jinzhao Sun، Ying Li، Simon C Benjamin و Xiao Yuan. "شبیه سازی کوانتومی متغیر فرآیندهای عمومی". Physical Review Letters 125, 010501 (2020).
https://doi.org/10.1103/PhysRevLett.125.010501
[10] Y. Li و SC Benjamin. "شبیه ساز کوانتومی متغیر کارآمد با حداقل سازی خطای فعال". فیزیک Rev. X 7, 021050 (2017).
https://doi.org/10.1103/PhysRevX.7.021050
[11] جاناتان وی ژونگ لاو، کیشور بهارتی، توبیاس هاگ و لئونگ چوان کوک. شبیه‌سازی کوانتومی همیلتون‌های وابسته به زمان پیش چاپ arXiv arXiv:2101.07677 (2021).
https://doi.org/10.48550/arXiv.2101.07677
[12] کنتارو هیا، کن ام ناکانیشی، کوسوکه میتارای و کیسوکه فوجی. "شبیه ساز کوانتومی تغییرات زیرفضایی". پیش چاپ arXiv arXiv:1904.08566 (2019).
https://doi.org/10.48550/arXiv.1904.08566
[13] شیائو یوان، سوگورو اندو، چی ژائو، یانگ لی و سایمون سی بنجامین. "نظریه شبیه سازی کوانتومی تغییرات". Quantum 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191
[14] ماریا شولد، الکس بوچاروف، کریستا ام اسوور و ناتان ویبه. طبقه‌بندی‌کننده‌های کوانتومی مدار محور. بررسی فیزیکی A 101, 032308 (2020).
https://doi.org/10.1103/PhysRevA.101.032308
[15] گیوم وردون، مایکل بروتون و یاکوب بیامونته. "الگوریتم کوانتومی برای آموزش شبکه های عصبی با استفاده از مدارهای با عمق کم". arXiv preprint arXiv:1712.05304 (2017).
https://doi.org/10.48550/arXiv.1712.05304
[16] جاناتان رومرو و آلان آسپورو-گوزیک. "مولدهای کوانتومی متغیر: یادگیری ماشین کوانتومی متخاصم مولد برای توزیع‌های پیوسته". Advanced Quantum Technologies 4، 2000003 (2021).
https://doi.org/10.1002/qute.202000003
[17] ادوارد فرهی و هارتموت نون. "طبقه بندی با شبکه های عصبی کوانتومی در پردازنده های کوتاه مدت". پیش چاپ arXiv arXiv:1802.06002 (2018).
https://doi.org/10.48550/arXiv.1802.06002
[18] کرستین بیر، دیمیترو بوندارنکو، تری فارلی، توبیاس جی. آزبورن، رابرت سالزمن، دانیل شایرمن و رامونا ولف. "آموزش شبکه های عصبی کوانتومی عمیق". Nature Communications 11, 808 (2020).
https://doi.org/10.1038/s41467-020-14454-2
[19] آیریس کونگ، سون وون چوی و میخائیل دی لوکین. "شبکه های عصبی کانولوشن کوانتومی". Nature Physics 15، 1273-1278 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[20] ادوارد گرانت، مارچلو بندیتی، شوشیانگ کائو، اندرو هالام، جاشوا لاکهارت، وید استویویچ، اندرو جی گرین و سیمونه سورینی. "طبقه بندی های کوانتومی سلسله مراتبی". npj اطلاعات کوانتومی 4، 1–8 (2018).
https://doi.org/10.1038/s41534-018-0116-9
[21] آلبرتو پروزو، جارود مک‌کلین، پیتر شادبولت، من-هنگ یونگ، شیائو-چی ژو، پیتر جی لاو، آلان آسپورو-گوزیک، و جرمی ال اوبرین. حل‌کننده ارزش ویژه متغیر در یک پردازنده کوانتومی فوتونیک. Nature Communications 5، 1-7 (2014).
https://doi.org/10.1038/ncomms5213
[22] بلا بائر، دیو وکر، اندرو جی میلیس، متیو بی هستینگز و ماتیاس ترویر. "رویکرد ترکیبی کوانتومی-کلاسیک به مواد همبسته". Physical Review X 6, 031045 (2016).
https://doi.org/10.1103/PhysRevX.6.031045
[23] تایسون جونز، سوگورو اندو، سم مک آردل، شیائو یوان و سایمون سی بنجامین. الگوریتم های کوانتومی متغیر برای کشف طیف هامیلتونی بررسی فیزیکی A 99, 062304 (2019).
https://doi.org/10.1103/PhysRevA.99.062304
[24] ادوارد فرهی، جفری گلدستون و سام گاتمن. "الگوریتم بهینه سازی تقریبی کوانتومی". arXiv preprint arXiv:1411.4028 (2014).
https://doi.org/10.48550/arXiv.1411.4028
[25] Zhihui Wang، S. Hadfield، Z. Jiang و EG Rieffel. "الگوریتم بهینه سازی تقریبی کوانتومی برای MaxCut: نمای فرمیونی". بررسی فیزیکی A 97, 022304 (2018).
https://doi.org/10.1103/PhysRevA.97.022304
[26] گاوین ای کروکس. "عملکرد الگوریتم بهینه سازی تقریبی کوانتومی بر روی مشکل برش حداکثر". arXiv preprint arXiv:1811.08419 (2018).
https://doi.org/10.48550/arXiv.1811.08419
[27] استوارت هادفیلد، ژیهوی وانگ، برایان اوگرمن، النور جی ریفل، دیوید ونچرلی و روپاک بیسواس. "از الگوریتم بهینه سازی تقریبی کوانتومی تا عملگر متناوب کوانتومی ansatz". الگوریتم‌ها 12، 34 (2019).
https://doi.org/10.3390/a12020034
[28] کارلوس براوو پریتو، رایان لارز، ام. سرزو، ییگیت سوباسی، لوکاس سینسیو و پاتریک کولز. حلگر خطی کوانتومی متغیر. پیش چاپ 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 و Xiao Yuan. "الگوریتم های متغیر برای جبر خطی". بولتن علوم 66، 2181-2188 (2021).
https://doi.org/10.1016/j.scib.2021.06.023
[30] بالینت کوچور، سوگورو اندو، تایسون جونز، یویچیرو ماتسوزاکی و سایمون سی بنجامین. "مترولوژی کوانتومی حالت متغیر". مجله جدید فیزیک (2020).
https://doi.org/10.1088/1367-2630/ab965e
[31] یوهانس یاکوب مایر، یوهانس بورگارد و ینس آیسرت. جعبه ابزار متغیر برای تخمین چند پارامتری کوانتومی. NPJ Quantum Information 7، 1-5 (2021).
https://doi.org/10.1038/s41534-021-00425-y
[32] اریک آنشوتز، جاناتان اولسون، آلان آسپورو-گوزیک، و یودونگ کائو. "فاکتورسازی کوانتومی متغیر". فناوری کوانتومی و مسائل بهینه سازی (2019).
https://doi.org/10.1007/978-3-030-14082-3_7
[33] سومیت خاتری، رایان لارز، الکساندر پورمبا، لوکاس سینسیو، اندرو تی سورنبورگر و پاتریک جی کولز. "کامپایل کوانتومی به کمک کوانتومی". Quantum 3, 140 (2019).
https://doi.org/10.22331/q-2019-05-13-140
[34] کونال شارما، سومیت خاتری، ام. سرزو و پاتریک جی کولز. "تاب آوری نویز کامپایل کوانتومی متغیر". مجله جدید فیزیک 22, 043006 (2020).
https://doi.org/10.1088/1367-2630/ab784c
[35] تایسون جونز و سایمون سی بنجامین. "کامپایل کوانتومی و بهینه سازی مدار از طریق اتلاف انرژی". arXiv preprint arXiv:1811.03147 (2018).
https://doi.org/10.22331/q-2022-01-24-628
[36] اندرو آراسمیت، لوکاس سینسیو، اندرو تی سورنبورگر، وویسیچ اچ زورک و پاتریک جی کولز. تاریخچه های سازگار متغیر به عنوان یک الگوریتم ترکیبی برای پایه های کوانتومی. Nature Communications 10، 1-7 (2019).
https://doi.org/10.1038/s41467-019-11417-0
[37] M. Cerezo، Kunal Sharma، Andrew Arrasmith، و Patrick J Coles. حل ویژه حالت کوانتومی متغیر. پیش چاپ arXiv arXiv:2004.01372 (2020).
https://doi.org/10.1038/s41534-022-00611-6
[38] رایان لارز، آرکین تیککو، اتود اونیل جودی، لوکاس سینسیو و پاتریک جی کولز. "مورب حالت کوانتومی متغیر". npj Quantum Information 5، 1–10 (2019).
https://doi.org/10.1038/s41534-019-0167-6
[39] گیوم وردون، ژاکوب مارکس، ساشا ناندا، استفان لیچناور و جک هیداری. "مدل های کوانتومی مبتنی بر همیلتون و الگوریتم حرارت ساز کوانتومی متغیر". پیش چاپ arXiv arXiv:1910.02071 (2019).
https://doi.org/10.48550/arXiv.1910.02071
[40] پیتر دی جانسون، جاناتان رومرو، جاناتان اولسون، یودونگ کائو و آلان آسپورو-گوزیک. "Qvector: الگوریتمی برای تصحیح خطای کوانتومی متناسب با دستگاه". arXiv preprint arXiv:1711.02249 (2017).
https://doi.org/10.48550/arXiv.1711.02249
[41] جان پرسکیل. محاسبات کوانتومی در عصر NISQ و فراتر از آن Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
[42] کریستن تم، سرگی براوی و جی ام. گامبتا. "کاهش خطا برای مدارهای کوانتومی با عمق کوتاه". فیزیک کشیش لِت 119, 180509 (2017).
https://doi.org/10.1103/PhysRevLett.119.180509
[43] سوگورو اندو، سایمون سی بنجامین و یانگ لی. "کاهش خطای کوانتومی عملی برای کاربردهای آینده نزدیک". بررسی فیزیکی X 8, 031027 (2018).
https://doi.org/10.1103/PhysRevX.8.031027
[44] آبیناو کاندالا، کریستن تم، آنتونیو دی. کورکولس، آنتونیو مزاکاپو، جری ام. چاو، و جی ام. گامبتا. "کاهش خطا دامنه محاسباتی یک پردازنده کوانتومی پر سر و صدا را افزایش می دهد." Nature 567, 491–495 (2019).
https://doi.org/10.1038/s41586-019-1040-7
[45] پیوتر چارنیک، اندرو آراسمیت، پاتریک جی کولز و لوکاس سینسیو. "کاهش خطا با داده های مدار کوانتومی کلیفورد". Quantum 5, 592 (2021).
https://doi.org/10.22331/q-2021-11-26-592
[46] ویلیام جی هاگینز، سم مک‌آردل، توماس ای اوبراین، جونهو لی، نیکلاس سی روبین، سرجیو بویکسو، کی بیرگیتا ویلی، رایان بابوش و جارود آر مک‌کلین. "تقطیر مجازی برای کاهش خطای کوانتومی". بررسی فیزیکی X 11, 041036 (2021).
https://doi.org/10.1103/PhysRevX.11.041036
[47] بالینت کوچور. "سرکوب خطای نمایی برای دستگاه های کوانتومی کوتاه مدت". بررسی فیزیکی X 11, 031057 (2021).
https://doi.org/10.1103/PhysRevX.11.031057
[48] جارود آر مک‌کلین، مولی ای کیمچی شوارتز، جاناتان کارتر، و ویب دی جونگ. "سلسله مراتب کوانتومی-کلاسیک ترکیبی برای کاهش ناهمدوسی و تعیین حالات برانگیخته". بررسی فیزیکی A 95, 042308 (2017).
https://doi.org/10.1103/PhysRevA.95.042308
[49] توماس ای. اوبراین، استفانو پولا، نیکلاس سی روبین، ویلیام جی. هاگینز، سام مک آردل، سرجیو بویکسو، جارود آر. مک کلین و رایان بابوش. "کاهش خطا از طریق تخمین فاز تایید شده". PRX Quantum 2, 020317 (2021).
https://doi.org/10.1103/PRXQuantum.2.020317
[50] سام مک آردل، شیائو یوان و سایمون بنجامین. "شبیه سازی کوانتومی دیجیتال با خطا". فیزیک کشیش لِت 122, 180501 (2019).
https://doi.org/10.1103/PhysRevLett.122.180501
[51] ژاوی بونت مونروگ، رامیرو ساگاستیزبال، ام سینگ و تی اوبراین. "کاهش خطای کم هزینه با تأیید تقارن". بررسی فیزیکی A 98, 062339 (2018).
https://doi.org/10.1103/PhysRevA.98.062339
[52] ویلیام جی هاگینز، جارود آر مک‌کلین، نیکلاس سی روبین، ژانگ جیانگ، ناتان ویبی، کی بیرگیتا ویلی و رایان بابوش. اندازه گیری های کارآمد و مقاوم به نویز برای شیمی کوانتومی در رایانه های کوانتومی کوتاه مدت. npj Quantum Information 7، 1–9 (2021).
https://doi.org/10.1038/s41534-020-00341-7
[53] جورج اس بارون و کریستوفر جی وود. "کاهش خطای اندازه گیری برای الگوریتم های کوانتومی متغیر". پیش چاپ arXiv arXiv:2010.08520 (2020).
https://doi.org/10.48550/arXiv.2010.08520
[54] Alistair WR Smith، Kiran E. Khosla، Chris N. Self، و MS Kim. "کاهش خطای بازخوانی کوبیت با میانگین گیری بیت تلنگر". پیشرفت های علم 7 (2021).
https://doi.org/10.1126/sciadv.abi8009
[55] دایقین سو، رابرت اسرائیل، کونال شارما، هائویو چی، ایش دهند و کمیل بردلر. "کاهش خطا در دستگاه فوتونیک کوانتومی کوتاه مدت". Quantum 5, 452 (2021).
https://doi.org/10.22331/q-2021-05-04-452
[56] سامسون وانگ، انریکو فونتانا، ام. سرزو، کونال شارما، آکیرا سونه، لوکاس سینسیو، و پاتریک جی کولز. فلات های بایر ناشی از نویز در الگوریتم های کوانتومی متغیر Nature Communications 12، 1-11 (2021).
https://doi.org/10.1038/s41467-021-27045-6
[57] دانیل استیلک فرانچا و رائول گارسیا-پاترون. "محدودیت های الگوریتم های بهینه سازی در دستگاه های کوانتومی نویز". Nature Physics 17، 1221–1227 (2021).
https://doi.org/10.1038/s41567-021-01356-3
[58] Jarrod R McClean، Sergio Boixo، Vadim N Smelyanskiy، Ryan Babbush و Hartmut Neven. "فلات های بی حاصل در مناظر آموزشی شبکه عصبی کوانتومی". Nature Communications 9، 1-6 (2018).
https://doi.org/10.1038/s41467-018-07090-4
[59] M. Cerezo، Akira Sone، Tyler Volkoff، Lukasz Cincio و Patrick J Coles. "فلات های بی حاصل وابسته به تابع هزینه در مدارهای کوانتومی پارامتری کم عمق". Nature Communications 12، 1-12 (2021).
https://doi.org/10.1038/s41467-021-21728-w
[60] اندرو آراسمیت، ام. سرزو، پیوتر چارنیک، لوکاس سینسیو، و پاتریک جی کولز. "تاثیر فلات های بایر بر بهینه سازی بدون گرادیان". Quantum 5, 558 (2021).
https://doi.org/10.22331/q-2021-10-05-558
[61] ام. سرزو و پاتریک جی کولز. "مشتقات مرتبه بالاتر شبکه های عصبی کوانتومی با فلات های بایر". علوم و فناوری کوانتومی 6, 035006 (2021).
https://doi.org/10.1088/2058-9565/abf51a
[62] کنتارو هیا، یاسوناری سوزوکی، یاسونوبو ناکامورا و کیسوکه فوجی. "بهینه سازی دروازه کوانتومی متغیر". arXiv preprint arXiv:1810.12745 (2018).
https://doi.org/10.48550/arXiv.1810.12745
[63] جاناتان رومرو، جاناتان پی اولسون و آلن آسپورو-گوزیک. رمزگذارهای خودکار کوانتومی برای فشرده سازی کارآمد داده های کوانتومی. علم و فناوری کوانتومی 2, 045001 (2017).
https://doi.org/10.1088/2058-9565/aa8072
[64] لنارت بیتل و مارتین کلیش. "آموزش الگوریتم های کوانتومی متغیر np-hard است". فیزیک کشیش لِت 127, 120502 (2021).
https://doi.org/10.1103/PhysRevLett.127.120502
[65] جوناس ام کوبلر، اندرو آراسمیت، لوکاس سینسیو و پاتریک جی کولز. "یک بهینه ساز تطبیقی برای الگوریتم های تغییرات اندازه گیری مقرون به صرفه". Quantum 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263
[66] اندرو آراسمیت، لوکاس سینسیو، رولاندو دی سوما و پاتریک جی کولز. «نمونه‌گیری اپراتور برای بهینه‌سازی مقرون به صرفه در الگوریتم‌های متغیر». پیش چاپ arXiv arXiv:2004.06252 (2020).
https://doi.org/10.48550/arXiv.2004.06252
[67] اندی گو، آنگوس لو، پاول آ دوب، پاتریک جی کولز و اندرو آراسمیت. "تخصیص شات تطبیقی برای همگرایی سریع در الگوریتم های کوانتومی متغیر". پیش چاپ arXiv arXiv:2108.10434 (2021).
https://doi.org/10.48550/arXiv.2108.10434
[68] زوئه هولمز، کونال شارما، ام. سرزو و پاتریک جی کولز. "ارتباط بیان پذیری آنساتز به بزرگی های گرادیان و فلات های بایر". PRX Quantum 3, 010313 (2022).
https://doi.org/10.1103/PRXQuantum.3.010313
[69] زوئه هلمز، اندرو آراسمیت، بن یان، پاتریک جی کولز، آندریاس آلبرشت و اندرو تی سورنبورگر. "فلات های بی ثمر مانع یادگیری اسکرامبلرها می شود". Physical Review Letters 126, 190501 (2021).
https://doi.org/10.1103/PhysRevLett.126.190501
[70] کارلوس اورتیز ماررو، ماریا کیفروا و ناتان ویبه. “فلات های بایر ناشی از درهم تنیدگی”. PRX Quantum 2, 040316 (2021).
https://doi.org/10.1103/PRXQuantum.2.040316
[71] تیلور ال پتی، خدیجه نجفی، ژون گائو و سوزان اف یلین. "درهم تنیدگی ابداع کاهش فلات بایر". تحقیقات مروری فیزیکی 3، 033090 (2021).
https://doi.org/10.1103/PhysRevResearch.3.033090
[72] مارتین لاروکا، پیوتر چرنیک، کونال شارما، گوپیکریشنان مورالیدهاران، پاتریک جی کولز و ام. سرزو. "تشخیص فلات های بایر با ابزار کنترل بهینه کوانتومی". پیش چاپ arXiv arXiv:2105.14377 (2021).
https://doi.org/10.48550/arXiv.2105.14377
[73] کوسوکه میتارای، ماکوتو نگورو، ماساهیرو کیتاگاوا و کیسوکه فوجی. "یادگیری مدار کوانتومی". بررسی فیزیکی A 98, 032309 (2018).
https://doi.org/10.1103/PhysRevA.98.032309
[74] ماریا شولد، ویل برگهولم، کریستین گوگولین، جاش ایزاک و ناتان کیلوران. "ارزیابی گرادیان های تحلیلی بر روی سخت افزار کوانتومی". بررسی فیزیکی A 99, 032331 (2019).
https://doi.org/10.1103/PhysRevA.99.032331
[75] جان نلدر و راجر مید. "روش سیمپلکس برای کمینه سازی تابع". مجله کامپیوتر 7، 308-313 (1965).
https://doi.org/10.1093/comjnl/7.4.308
[76] ام جی دی پاول. یک روش بهینه سازی جستجوی مستقیم که توابع هدف و محدودیت را با درونیابی خطی مدل می کند. پیشرفت در بهینه سازی و تحلیل عددی (1994).
https://doi.org/10.1007/978-94-015-8330-5_4
[77] E. Campos، D. Rabinovich، V. Akshay، و J. Biamonte. "اشباع آموزش در بهینه سازی تقریبی کوانتومی لایه ای". بررسی فیزیکی A 104 (2021).
https://doi.org/10.1103/PhysRevA.104.L030401
[78] چنگ زو، ژائو-یون چن، یو چون وو و گو-پینگ گو. "اثرات نویز کوانتومی بر الگوریتم بهینه سازی تقریبی کوانتومی". حروف فیزیک چینی 38، 030302 (2021).
https://doi.org/10.1088/0256-307X/38/3/030302
[79] جفری مارشال، فیلیپ وودرسکی، استوارت هادفیلد و تاد هاگ. "مشخص کردن نویز محلی در مدارهای qaoa". IOP SciNotes 1، 025208 (2020). آدرس اینترنتی: https://doi.org/10.1088/2633-1357/abb0d7.
https://doi.org/10.1088/2633-1357/abb0d7
[80] انریکو فونتانا، ام. سرزو، اندرو آراسمیت، ایوان رانگر و پاتریک جی کولز. "تقارن های غیر پیش پا افتاده در مناظر کوانتومی و انعطاف پذیری آنها در برابر نویز کوانتومی". Quantum 6, 804 (2022).
https://doi.org/10.22331/q-2022-09-15-804
[81] سوگورو اندو، ژنیو کای، سایمون سی بنجامین و شیائو یوان. "الگوریتم های ترکیبی کوانتومی کلاسیک و کاهش خطای کوانتومی". مجله انجمن فیزیکی ژاپن 90، 032001 (2021).
https://doi.org/10.7566/JPSJ.90.032001
[82] آنگوس لو، مکس هانتر گوردون، پیوتر چرنیک، اندرو آراسمیت، پاتریک جی کولز و لوکاس سینسیو. "رویکرد واحد برای کاهش خطای کوانتومی مبتنی بر داده". فیزیک Rev. Research 3, 033098 (2021).
https://doi.org/10.1103/PhysRevResearch.3.033098
[83] آندریا ماری، ناتان شامه و ویلیام جی زنگ. "توسعه لغو خطای احتمالی کوانتومی با مقیاس نویز". بررسی فیزیکی A 104, 052607 (2021).
https://doi.org/10.1103/PhysRevA.104.052607
[84] دانیل بولترینی، مکس هانتر گوردون، پیوتر چرنیک، اندرو آراسمیت، ام. سرزو، پاتریک جی کولز و لوکاس سینسیو. "یکسان سازی و محک زدن تکنیک های پیشرفته کاهش خطای کوانتومی". Quantum 7, 1034 (2023).
https://doi.org/10.22331/q-2023-06-06-1034
[85] اشلی مونتانارو و استاسیا استانیسیچ "کاهش خطا با آموزش با اپتیک خطی فرمیونی". پیش چاپ arXiv arXiv:2102.02120 (2021).
https://doi.org/10.48550/arXiv.2102.02120
[86] جوزف ووروش، کیران ای خوسلا، شان گرینوی، کریستوفر سلف، میونگشیک اس کیم، و یوهانس نول. "کاهش ساده خطاهای دپلاریزاسیون جهانی در شبیه سازی کوانتومی". بررسی فیزیکی E 104، 035309 (2021).
https://doi.org/10.1103/PhysRevE.104.035309
[87] الیوت روزنبرگ، پل گینسپارگ و پیتر ال مک ماهون. "کاهش خطای تجربی با استفاده از مقیاس بندی مجدد خطی برای حل ویژه کوانتومی متغیر با حداکثر 20 کیوبیت". علم و فناوری کوانتومی 7, 015024 (2022).
https://doi.org/10.1088/2058-9565/ac3b37
[88] آندره هه، بنجامین ناچمن، ویب آ. دی یونگ و کریستین دبلیو بائر. "برون یابی نویز صفر برای کاهش خطای دروازه کوانتومی با درج هویت". بررسی فیزیکی A 102, 012426 (2020).
https://doi.org/10.1103/PhysRevA.102.012426
[89] اندرو شاو. "کاهش نویز کلاسیک-کوانتومی برای سخت افزار nisq". پیش چاپ arXiv arXiv:2105.08701 (2021).
https://doi.org/10.48550/arXiv.2105.08701
[90] فرانک آروت، کونال آریا، رایان بابوش، دیو بیکن، جوزف سی باردین، رامی بارندز، آندریاس بنگتسسون، سرجیو بویکسو، مایکل بروتون، باب بی باکلی و دیگران. "مشاهده دینامیک جدا شده بار و اسپین در مدل فرمی هابارد". arXiv preprint arXiv:2010.07965 (2020).
https://doi.org/10.48550/arXiv.2010.07965
[91] آرماندز استریکیس، دایو کین، یانژو چن، سایمون سی بنجامین و یانگ لی. "کاهش خطای کوانتومی مبتنی بر یادگیری". PRX Quantum 2, 040330 (2021).
https://doi.org/10.1103/PRXQuantum.2.040330
[92] پیوتر چارنیک، اندرو آراسمیت، لوکاس سینسیو و پاتریک جی کولز. "سرکوب نمایی با کارآمدی خطاها". پیش چاپ arXiv arXiv:2102.06056 (2021).
https://doi.org/10.48550/arXiv.2102.06056
[93] ییفنگ شیونگ، داریوس چاندرا، سون شین نگ و لاجوس هانزو. "تحلیل سربار نمونه‌برداری از کاهش خطای کوانتومی: سیستم‌های کدگذاری نشده در مقابل سیستم‌های کدگذاری‌شده". دسترسی IEEE 8، 228967–228991 (2020).
https://doi.org/10.1109/ACCESS.2020.3045016
[94] ریوجی تاکاگی. "هزینه منابع بهینه برای کاهش خطا". فیزیک Rev. Res. 3, 033178 (2021).
https://doi.org/10.1103/PhysRevResearch.3.033178
[95] لوکاس سینسیو، کنت رودینگر، موهان سارووار و پاتریک جی کولز. "یادگیری ماشین مدارهای کوانتومی مقاوم در برابر نویز". PRX Quantum 2, 010324 (2021).
https://doi.org/10.1103/PRXQuantum.2.010324
[96] P Erdös و A Rényi. "در نمودارهای تصادفی $I$". Publicationes Mathematicae Debrecen 6, 18 (1959). آدرس اینترنتی: http://snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http://snap.stanford.edu/class/cs224w-readings/erdos59random.pdf
[97] اندرو واک، هانهی پیک، علی جوادی ابهری، پتار جورسویچ، اسماعیل فارو، جی ام. گامبتا و بلیک آر. جانسون. "کیفیت، سرعت و مقیاس: سه ویژگی کلیدی برای اندازه گیری عملکرد کامپیوترهای کوانتومی کوتاه مدت". arXiv preprint arXiv:2110.14108 (2021).
https://doi.org/10.48550/arXiv.2110.14108
[98] تودور گیورگیکا-تیرون، یوسف هندی، رایان لارز، آندریا ماری و ویلیام جی زنگ. "برون یابی نویز صفر دیجیتال برای کاهش خطای کوانتومی". کنفرانس بین المللی IEEE 2020 در محاسبات و مهندسی کوانتومی (QCE) (2020).
https://doi.org/10.1109/QCE49297.2020.00045
[99] یانگ سوک کیم، کریستوفر جی. وود، تئودور جی. یودر، ست تی مرکل، جی ام. گامبتا، کریستن تم، و آبیناو کاندالا. "کاهش خطای مقیاس پذیر برای مدارهای کوانتومی پر سر و صدا، مقادیر انتظار رقابتی را تولید می کند." پیش چاپ arXiv arXiv:2108.09197 (2021).
https://doi.org/10.1038/s41567-022-01914-3
[100] کریستینا سیرستویو، سیلاس دیلکز، دنیل میلز، سیون سیوارجاه و راس دانکن. "معیار حجمی کاهش خطا با قرمیت". پیش چاپ arXiv arXiv:2204.09725 (2022).
https://doi.org/10.48550/ARXIV.2204.09725
[101] ریوجی تاکاگی، سوگورو اندو، شینتارو میناگاوا و مایل گو. "محدودیت های اساسی کاهش خطای کوانتومی". npj Quantum Information 8, 114 (2022).
https://doi.org/10.1038/s41534-022-00618-z
[102] اورام سیدی. "روش های برون یابی عملی: نظریه و کاربردها". جلد 10. انتشارات دانشگاه کمبریج. (2003).
[103] ماسانوری اوهیا و دنس پتز. "آنتروپی کوانتومی و کاربرد آن". Springer Science & Business Media. (2004).
[104] کریستف هیرش، کامبیز روزه و دانیل استیلک فرانچا. "در مورد ضرایب انقباض، سفارشات جزئی و تقریب ظرفیت برای کانال های کوانتومی". Quantum 6, 862 (2022).
https://doi.org/10.22331/q-2022-11-28-862
[105] جفری سی. لاگاریاس، جیمز ای. ریدز، مارگارت اچ. رایت، و پل ای. رایت. "ویژگی های همگرایی روش سیمپلکس نلدر مید در ابعاد کم". مجله SIAM در بهینه سازی 9، 112-147 (1998).
https://doi.org/10.1137/S1052623496303470
[106] آبهیجیت جی، آدتوکنبو آددوئین، جان آمبروسیانو، پتر آنیسیموف، ویلیام کاسپر، گوپینات چنوپاتی، کارلتون کافرین، هریستو جیجف، دیوید گانتر، ساتیش کارا، ناتان لمونز، شیزنگ لین، الکساندر مالیژنکوف، دیوید ماسکارنیسگا، سوزان بالژونس، دیوید ماسکارنیس، سوزان ام. اومالی، دایان اوین، اسکات پاکین، لاکشمن پراساد، رندی رابرتز، فیلیپ رومرو، ناندکیشور سانتی، نیکولای سینیتسین، پیتر جی. سوارت، جیمز جی. وندلبرگر، بورام یون، ریچارد زامورا، وی ژو، استفان آیدن بنز، آندریاس بارت پاتریک جی کولز، مارک ووفری و آندری یو. لوخوف. "پیاده سازی الگوریتم کوانتومی برای مبتدیان". معاملات ACM در محاسبات کوانتومی (2022).
https://doi.org/10.1145/3517340
[107] بالینت کوچور. "بردار ویژه غالب یک حالت کوانتومی پر سر و صدا". مجله جدید فیزیک 23, 123047 (2021).
https://doi.org/10.1088/1367-2630/ac37ae
ذکر شده توسط
[1] ژنیو کای، رایان بابوش، سایمون سی. بنجامین، سوگورو اندو، ویلیام جی. هاگینز، یانگ لی، جارود آر. مک‌کلین، و توماس ای. اوبراین، "کاهش خطای کوانتومی". نظرات فیزیک مدرن 95 4, 045005 (2023).
[2] ریوجی تاکاگی، سوگورو اندو، شینتارو میناگاوا و مایل گو، "محدودیت های اساسی کاهش خطای کوانتومی"، npj Quantum Information 8، 114 (2022).
[3] ریوجی تاکاگی، هیرویاسو تاجیما، و مایل گو، "نمونه برداری جهانی مرزهای پایین تر برای کاهش خطای کوانتومی"، نامه‌های بازبینی فیزیکی 131 21، 210602 (2023).
[4] لوئیس شاتزکی، اندرو آراسمیت، پاتریک جی کولز، و ام. سرزو، "مجموعه داده های درهم تنیده برای یادگیری ماشین کوانتومی"، arXiv: 2109.03400, (2021).
[5] مارتین لاروکا، ناتان جو، دیگو گارسیا-مارتین، پاتریک جی کولز، و ام. سرزو، "نظریه فراپارامتری سازی در شبکه های عصبی کوانتومی"، arXiv: 2109.11676, (2021).
[6] Valentin Heyraud، Zejian Li، Kaelan Donatella، Alexandre Le Boité و Cristiano Ciuti، "برآورد کارآمد آموزش پذیری برای مدارهای کوانتومی متغیر"، PRX Quantum 4 4, 040335 (2023).
[7] پاتریک جی کولز، کولین شپانسکی، دنیس ملانسون، کائلان دوناتلا، آنتونیو جی. مارتینز، و فارس صباحی، "هوش مصنوعی ترمودینامیکی و مرز نوسان". arXiv: 2302.06584, (2023).
[8] Yihui Quek، Daniel Stilck França، Sumeet Khatri، Johannes Jakob Meyer و Jens Eisert، "محدودیت های سخت تر در مورد محدودیت های کاهش خطای کوانتومی" arXiv: 2210.11505, (2022).
[9] R. Au-Yeung، B. Camino، O. Rathore، و V. Kendon، "الگوریتم های کوانتومی برای کاربردهای علمی". arXiv: 2312.14904, (2023).
[10] کنتو سوبوچی، تاکاهیرو ساگاوا، و نوبویوکی یوشیکا، "محدوده هزینه جهانی کاهش خطای کوانتومی بر اساس نظریه تخمین کوانتومی"، نامه‌های بازبینی فیزیکی 131 21، 210601 (2023).
[11] گوکول سوبرامانیان راوی، پراناو گوکاله، یی دینگ، ویلیام ام. کربی، کیتلین ان. اسمیت، جاناتان ام. بیکر، پیتر جی. لاو، هنری هافمن، کنت آر. براون، و فردریک تی چونگ، «CAFQA: یک راه‌انداز شبیه‌سازی کلاسیک برای الگوریتم‌های کوانتومی متغیر، arXiv: 2202.12924, (2022).
[12] یاسوناری سوزوکی، سوگورو اندو، کیسوکه فوجی و یوکی توکوناگا، "کاهش خطای کوانتومی به عنوان یک تکنیک جهانی به حداقل رساندن خطا: برنامه های کاربردی از NISQ تا دوره های FTQC". arXiv: 2010.03887, (2020).
[13] Yasunari Suzuki، Suguru Endo، Keisuke Fujii و Yuuki Tokunaga، "کاهش خطای کوانتومی به عنوان یک تکنیک کاهش خطای جهانی: برنامه های کاربردی از NISQ تا دوره های محاسبات کوانتومی تحمل پذیر". PRX Quantum 3 1, 010345 (2022).
[14] He-Liang Huang، Xiao-Yue Xu، Chu Guo، Guojing Tian، Shi-Jie Wei، Xiaoming Sun، Wan-Su Bao و Gui-Lu Long، "تکنیک های محاسباتی کوانتومی کوتاه مدت: الگوریتم های کوانتومی متغیر، کاهش خطا، کامپایل مدار، بنچمارک و شبیه سازی کلاسیک» Science China Physics, Mechanics, and Astronomy 66 5, 250302 (2023).
[15] Supanut Thanasilp، Samson Wang، M. Cerezo و Zoë Holmes، "تمرکز نمایی و آموزش ناپذیری در روش‌های هسته کوانتومی". arXiv: 2208.11060, (2022).
[16] جاکومو دی پالما، میلاد مرویان، کامبیس روزه و دانیل استیلک فرانچا، «محدودیت‌های الگوریتم‌های کوانتومی متغیر: رویکرد حمل و نقل بهینه کوانتومی»، PRX Quantum 4 1, 010309 (2023).
[17] آبیناو دشپاند، پرادیپ نیرولا، اولس اشتانکو، الکسی وی. گورشکوف، بیل ففرمن، و مایکل جی. گولانز، "محدوده های محکم در مورد همگرایی مدارهای تصادفی پر سر و صدا به توزیع یکنواخت"، PRX Quantum 3 4, 040329 (2022).
[18] C. Huerta Alderete، Max Hunter Gordon، Frédéric Sauvage، Akira Sone، Andrew T. Sornborger، Patrick J. Coles و M. Cerezo، "حسگر کوانتومی مبتنی بر استنتاج". نامه‌های بازبینی فیزیکی 129 19، 190501 (2022).
[19] اینگو توس، زهره داوودی، آندریاس اکستروم، جیسون دی. هولت، کوین بکر، رائول بریسنو، دیوید جی دین، ویلیام دتمولد، کریستین دریشلر، توماس دوگه، اوگنی اپلبام، آشوت گاسپاریان، جامبول گگلیا، جرمی آر. گرین هارالد و. پارنیو، دانیل آر. فیلیپس، مارک پلوسزاک، ژیو-لی رن، توماس آر. ریچاردسون، کارولین رابین، گریگور اچ. سرکیسیان، مارتین جی. ساواژ، ماتیاس آر. شیندلر، فیالا ای. شاناهان، رکسان پی اسپرینگر، الکساندر تیچای ، Ubirajara van Kolck، Michael L. Wagman، André Walker-Loud، Chieh-Jen Yang و Xilin Zhang، "نیروهای هسته ای برای فیزیک هسته ای دقیق: مجموعه ای از دیدگاه ها"، Few-Body Systems 63 4, 67 (2022).
[20] فردریک سوواژ، مارتین لاروکا، پاتریک جی کولز و ام. سرزو، "ساختن تقارن های فضایی در مدارهای کوانتومی پارامتری برای آموزش سریعتر"، علم و فناوری کوانتومی 9 1, 015029 (2024).
[21] آدام کالیسون و نیکلاس چنسلر، "الگوریتم های ترکیبی کوانتومی کلاسیک در عصر کوانتومی پر سر و صدا در مقیاس متوسط و فراتر از آن"، بررسی فیزیکی A 106 1, 010101 (2022).
[22] Supanut Thanasilp، Samson Wang، Nhat A. Nghiem، Patrick J. Coles، و M. Cerezo، "ظرافت‌ها در آموزش‌پذیری مدل‌های یادگیری ماشین کوانتومی". arXiv: 2110.14753, (2021).
[23] لورین ای. فیشر، دانیل میلر، فرانچسکو تاچینو، پاناژوتیس کل. Barkoutsos، Daniel J. Egger، و Ivano Tavernelli، "اجرای بدون Ancilla اندازه گیری های تعمیم یافته برای کیوبیت های تعبیه شده در فضای qudit"، تحقیقات مروری فیزیکی 4 3، 033027 (2022).
[24] Tailong Xiao، Xinliang Zhai، Xiaoyan Wu، Jianping Fan، و Guihua Zeng، "مزیت عملی یادگیری ماشین کوانتومی در تصویربرداری ارواح"، فیزیک ارتباطات 6 1، 171 (2023).
[25] Travis L. Scholten، Carl J. Williams، Dustin Moody، Michele Mosca، William Hurley، William J. Zeng، Matthias Troyer و Jay M. Gambetta، "ارزیابی مزایا و خطرات کامپیوترهای کوانتومی"، arXiv: 2401.16317, (2024).
[26] Benjamin A. Cordier، Nicolas PD Sawaya، Gian G. Guerreschi و Shannon K. McWeeney، "زیست شناسی و پزشکی در چشم انداز مزایای کوانتومی"، arXiv: 2112.00760, (2021).
[27] کازونوبو مارویوشی، تاکویا اوکودا، خوان دبلیو. پدرسن، ریو سوزوکی، ماساهیتو یامازاکی و یوتاکا یوشیدا، "بارهای حفظ شده در شبیه سازی کوانتومی زنجیره های اسپین یکپارچه"، مجله فیزیک یک ریاضی عمومی 56 16, 165301 (2023).
[28] Manuel S. Rudolph، Sacha Lerch، Supanut Thanasilp، Oriel Kiss، Sofia Vallecorsa، Michele Grossi و Zoë Holmes، "موانع آموزش پذیری و فرصت ها در مدل سازی مولد کوانتومی". arXiv: 2305.02881, (2023).
[29] Zhenyu Cai، "یک چارچوب عملی برای کاهش خطای کوانتومی"، arXiv: 2110.05389, (2021).
[30] M. Cerezo، Guillaume Verdon، Hsin-Yuan Huang، Lukasz Cincio و Patrick J. Coles، "چالش ها و فرصت ها در یادگیری ماشین کوانتومی"، arXiv: 2303.09491, (2023).
[31] کیتا کانو، ماسایا کوهدا، ریوسوکه ایمای، شو کوه، کوسوکه میتارای، واتارو میزوکامی و یویا او. ناکاگاوا، "برهم کنش پیکربندی انتخابی کوانتومی: قطری کلاسیک همیلتونی ها در فضاهای فرعی انتخاب شده توسط کامپیوترهای کوانتومی". arXiv: 2302.11320, (2023).
[32] Minh C. Tran، Kunal Sharma و Kristan Temme، "محلیت و کاهش خطا مدارهای کوانتومی"، arXiv: 2303.06496, (2023).
[33] Marvin Bechtold، Johanna Barzen، Frank Leymann، Alexander Mandl، Julian Obst، Felix Truger و Benjamin Weder، "بررسی اثر برش مدار در QAOA برای مشکل MaxCut بر روی دستگاه های NISQ". علم و فناوری کوانتومی 8 4, 045022 (2023).
[34] کریستف هیرش، کامبیس روزه، و دانیل استیلک فرانچا، "درباره ضرایب انقباض، سفارشات جزئی و تقریب ظرفیت ها برای کانال های کوانتومی". arXiv: 2011.05949, (2020).
[35] کریستینا سیرستویو، سیلاس دیلکز، دانیل میلز، سیون سیوارجاه و راس دانکن، "معیار حجمی کاهش خطا با کرمیت"، Quantum 7, 1059 (2023).
[36] محمد کاشف و سیف الکواری، "تأثیر جهانی بودن تابع هزینه و محلی بودن در شبکه های عصبی کوانتومی ترکیبی بر روی دستگاه های NISQ". یادگیری ماشینی: علم و فناوری 4 1، 015004 (2023).
[37] دانیل بولترینی، سامسون وانگ، پیوتر چارنیک، مکس هانتر گوردون، ام. سرزو، پاتریک جی کولز و لوکاس سینسیو، «نبرد کیوبیت‌های تمیز و کثیف در عصر تصحیح خطای جزئی»، arXiv: 2205.13454, (2022).
[38] پیوتر چارنیک، مایکل مک کرنز، اندرو تی. سورنبورگر و لوکاس سینسیو، "بهبود کارایی کاهش خطا مبتنی بر یادگیری"، arXiv: 2204.07109, (2022).
[39] محمد کاشف و سیف الکواری، "ResQNets: رویکردی باقیمانده برای کاهش فلات های بایر در شبکه های عصبی کوانتومی"، arXiv: 2305.03527, (2023).
[40] NM Guseynov، AA Zhukov، WV Pogosov و AV Lebedev، "تحلیل عمق الگوریتم های کوانتومی متغیر برای معادله گرما"، بررسی فیزیکی A 107 5, 052422 (2023).
[41] اولیویا دی ماتئو و RM Woloshyn، "محاسبات کوانتومی حساسیت وفاداری با استفاده از تمایز خودکار"، بررسی فیزیکی A 106 5, 052429 (2022).
[42] Piotr Czarnik، Michael McKerns، Andrew T. Sornborger و Lukasz Cincio، "طراحی قوی تحت عدم قطعیت در کاهش خطای کوانتومی". arXiv: 2307.05302, (2023).
[43] Matteo Robbiati، Alejandro Sopena، Andrea Papaluca و Stefano Carrazza، "کاهش خطای بلادرنگ برای بهینه سازی تغییرات در سخت افزار کوانتومی". arXiv: 2311.05680, (2023).
[44] Yunfei Wang و Junyu Liu، "یادگیری ماشین کوانتومی: از NISQ تا تحمل خطا"، arXiv: 2401.11351, (2024).
[45] نیکو مایر، دانیل دی. arXiv: 2304.13571, (2023).
[46] زیچانگ هه، بو پنگ، یوری الکسیف و ژنگ ژانگ، «الگوریتم‌های کوانتومی متغیر قوی توزیعی با نویز تغییر یافته» arXiv: 2308.14935, (2023).
[47] انریکو فونتانا، ایوان رانگر، راس دانکن و کریستینا سیرستویو، "تجزیه و تحلیل طیفی برای تشخیص نویز و کاهش خطای دیجیتال مبتنی بر فیلتر". arXiv: 2206.08811, (2022).
[48] Wei-Bin Ewe، Dax Enshan Koh، Siong Thye Goh، Hong-Son Chu و Ching Eng Png، "شبیه سازی کوانتومی متغیر حالت های موجبر"، IEEE Transactions on Microwave Theory Techniques 70 5, 2517 (2022).
[49] سیذارت دانگوال، گوکول سوبرامانیان راوی، پولامی داس، کیتلین ان. اسمیت، جاناتان ام. بیکر، و فردریک تی چونگ، "وارساو: کاهش خطای اندازه گیری متناسب با کاربرد برای الگوریتم های کوانتومی متغیر"، arXiv: 2306.06027, (2023).
[50] جسی ام. هندرسون، ماریانا پودزورووا، ام. سرزو، جان کی گلدن، لئونارد گلیزر، هاری اس. ویسواناتان و دانیل اومالی، "الگوریتم های کوانتومی برای شبکه های شکست زمین شناسی"، arXiv: 2210.11685, (2022).
[51] آندره ملو، ناتان ارنست-نوبل، و فرانچسکو تاچینو، "یادگیری ماشین کوانتومی کارآمد پالس"، Quantum 7, 1130 (2023).
[52] کریستف هیرش، کامبیس روزه، و دانیل استیلک فرانچا، "درباره ضرایب انقباض، سفارشات جزئی و تقریب ظرفیت ها برای کانال های کوانتومی". Quantum 6, 862 (2022).
[53] جسی ام هندرسون، ماریانا پودزورووا، ام. سرزو، جان کی گلدن، لئونارد گلیزر، هاری اس. ویسواناتان و دانیل اومالی، "الگوریتم های کوانتومی برای شبکه های شکست زمین شناسی"، گزارش های علمی 13، 2906 (2023).
[54] مارکو شومان، فرانک کی ویلهلم، و الساندرو سیانی، "ظهور فلات های بایر ناشی از نویز در مدل های نویز لایه ای دلخواه". arXiv: 2310.08405, (2023).
[55] شارو ترزا خوزه و اسوالدو سیمئونه، "بهینه سازی مدارهای کوانتومی پارامتری شده با کمک کاهش خطا: تحلیل همگرایی"، arXiv: 2209.11514, (2022).
[56] Kosuke Ito و Keisuke Fujii، "SantaQlaus: روشی کارآمد از نظر منابع برای استفاده از نویز شات کوانتومی برای بهینه سازی الگوریتم های کوانتومی متغیر" arXiv: 2312.15791, (2023).
[57] P. Singkanipa و DA Lidar، «فراتر از نویز واحد در الگوریتم‌های کوانتومی متغیر: فلات‌های بی‌ثمر و نقاط ثابت ناشی از نویز»، arXiv: 2402.08721, (2024).
[58] کوین لایولی، تیم بود، یوچن سانگولیس، جیان-شین ژو، و بندیکت فاوسوه، "امضاهای آزمایشی قوی از انتقال فاز در حل ویژه کوانتومی متغیر"، arXiv: 2402.18953, (2024).
نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2024-03-19 15:55:36). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.
On سرویس استناد شده توسط Crossref هیچ داده ای در مورد استناد به آثار یافت نشد (آخرین تلاش 2024-03-19 15:55:34).
این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://quantum-journal.org/papers/q-2024-03-14-1287/
