朱利安·加康1,2, 克里斯塔·祖法尔1,3, 朱塞佩·卡莱奥2, 和斯蒂芬·沃尔纳1
1IBM Quantum, IBM Research – Zurich, CH-8803 Rüschlikon, 瑞士
2物理研究所，École Polytechnique Fédérale de Lausanne (EPFL)，CH-1015 洛桑，瑞士
3理论物理研究所，苏黎世联邦理工学院，CH-8092 苏黎世，瑞士
觉得本文有趣或想讨论？ 在SciRate上发表评论或发表评论.
抽象
量子费雪信息矩阵 (QFIM) 是有前途的算法的核心指标，例如量子自然梯度下降和变分量子虚时间演化。 然而，为具有 $d$ 参数的模型计算完整的 QFIM 计算成本很高，并且通常需要 $mathcal{O}(d^2)$ 函数评估。 为了弥补高维参数空间中这些增加的成本，我们建议使用同步扰动随机近似技术以恒定成本近似 QFIM。 我们提出了由此产生的算法，并成功地将其应用于准备哈密顿基态和训练变分量子玻尔兹曼机。
►BibTeX数据
►参考
[1] 艾伦·阿斯普鲁-古兹克、安东尼·D·杜托伊、彼得·J·洛夫和马丁·海德-戈登。 分子能量的模拟量子计算。 科学，309 (5741)：1704–1707，2005 年 10.1126 月。1113479/science.XNUMXXNUMX。
https：/ / doi.org/ 10.1126 / science.1113479
[2] 阿尔贝托佩鲁佐等人。 光子量子处理器上的变分特征值求解器。 Nature Communications，5：4213，2014 年 10.1038 月。5213/ncommsXNUMX。
https：///doi.org/10.1038/ncomms5213
[3] 马里·卡门·巴努尔斯等人。 在量子技术中模拟晶格规范理论。 欧洲物理杂志 D，74 (8): 165，2020 年 10.1140 月。2020/epjd/e100571-8-XNUMX。
https：///doi.org/10.1140/epjd/e2020-100571-8
[4] Alejandro Perdomo-Ortiz、Neil Dickson、Marshall Drew-Brook、Geordie Rose 和 Alán Aspuru-Guzik。 通过量子退火寻找晶格蛋白模型的低能构象。 科学报告，2：571，2012 年 10.1038 月。00571/srepXNUMX。
https：/ / doi.org/ 10.1038 / srep00571
[5] Mark Fingerhuth、Tomáš Babej 和 Christopher Ing。 具有用于晶格蛋白质折叠的硬约束和软约束的量子交替算子 ansatz。 arXiv，2018 年 1810.13411 月。网址 https:///arxiv.org/abs/XNUMX。
的arXiv：1810.13411
[6] 安东·罗伯特，Panagiotis Kl。 Barkoutsos、Stefan Woerner 和 Ivano Tavernelli。 用于蛋白质折叠的资源高效量子算法。 npj 量子信息，7 (1): 38，2021 年 2056 月。ISSN 6387-10.1038。 41534/s021-00368-4-XNUMX。
https://doi.org/10.1038/s41534-021-00368-4
[7] 爱德华·法希、杰弗里·戈德斯通和山姆·古特曼。 一种量子近似优化算法。 arXiv，2014 年 1411.4028 月。网址 https://arxiv.org/abs/XNUMX。
的arXiv：1411.4028
[8] 奥斯汀·吉列姆、斯特凡·沃尔纳和康斯坦丁·冈丘利亚。 用于约束多项式二元优化的 Grover 自适应搜索。 arXiv，2019 年 1912.04088 月。网址 https:///arxiv.org/abs/10.22331。 2021/q-04-08-428-XNUMX。
https://doi.org/10.22331/q-2021-04-08-428
的arXiv：1912.04088
[9] Lee Braine、Daniel J. Egger、Jennifer Glick 和 Stefan Woerner。 用于交易结算的混合二进制优化的量子算法。 arXiv，2019 年 1910.05788 月。网址 https:///arxiv.org/abs/10.1109。 2021.3063635/TQE.XNUMX。
https：///doi.org/10.1109/TQE.2021.3063635
的arXiv：1910.05788
[10] J. Gacon、C. Zoufal 和 S. Woerner。 量子增强的基于模拟的优化。 在 2020 年 IEEE 量子计算与工程国际会议 (QCE)，第 47-55 页，2020 年。10.1109/QCE49297.2020.00017。
https：/ / doi.org/ 10.1109 / QCE49297.2020.00017
[11] DJ Egger 等人。 金融量子计算：最新技术和未来前景。 IEEE Transactions on Quantum Engineering, 1: 1–24, 2020. 10.1109/TQE.2020.3030314。
https：///doi.org/10.1109/TQE.2020.3030314
[12] JS奥特巴赫等人。 混合量子计算机上的无监督机器学习。 arXiv，2017 年 1712.05771 月。网址 https:///arxiv.org/abs/XNUMX。
的arXiv：1712.05771
[13] Vojtěch Havlíček 等人。 具有量子增强特征空间的监督学习。 自然，567 (7747)：209–212，2019 年 10.1038 月。41586/s019-0980-2-XNUMX。
https://doi.org/10.1038/s41586-019-0980-2
[14] 玛丽亚·舒尔德。 量子机器学习模型是核方法。 arXiv，2021 年 2101.11020 月。网址 https:///arxiv.org/abs/XNUMX。
的arXiv：2101.11020
[15] 尼古拉·莫尔等人。 在近期量子设备上使用变分算法进行量子优化。 量子科学与技术，3 (3): 030503，2018 年 10.1088 月。2058/9565-822/aabXNUMX。
https：///doi.org/10.1088/2058-9565/aab822
[16] 萨姆·麦卡德尔等人。 虚拟时间演化的基于变分 ansatz 的量子模拟。 npj 量子信息，5 (1)，2019 年 2056 月。ISSN 6387-10.1038。 41534/s019-0187-2-XNUMX。
https://doi.org/10.1038/s41534-019-0187-2
[17] 肖远，远藤修古，赵启，李英，西蒙·C·本杰明。 变分量子模拟理论。 量子，3：191，2019 年 2521 月。ISSN 327-10.22331X。 2019/q-10-07-191-XNUMX。
https://doi.org/10.22331/q-2019-10-07-191
[18] Christa Zoufal、Aurélien Lucchi 和 Stefan Woerner。 变分量子玻尔兹曼机。 量子机器智能，3 年 7 月 2020 日。ISSN 2524-4914。 10.1007/s42484-020-00033-7。
https://doi.org/10.1007/s42484-020-00033-7
[19] 松井拓。 量子统计力学和费勒半群。 量子概率通信，1998 年。10.1142/9789812816054_0004。
https：/ / doi.org/ 10.1142 / 9789812816054_0004
[20] Masoud Khalkhali 和 Matilde Marcolli。 非对易几何的邀请。 世界科学，2008。10.1142/6422。
https：/ / doi.org/10.1142/ 6422
[21] J. Eisert、M. Friesdorf 和 C. Gogolin。 量子多体系统失衡。 自然物理学, 11 (2), 2015. 10.1038/nphys3215.
https：/ / doi.org/ 10.1038 / nphys3215
[22] 费尔南多 GSL Brandão 等人。 Quantum SDP Solvers：大幅加速、优化和应用于量子学习。 arXiv，2017。网址 https://arxiv.org/abs/1710.02581。
的arXiv：1710.02581
[23] Mohammad H. Amin、Evgeny Andriyash、Jason Rolfe、Bohdan Kulchytskyy 和 Roger Melko。 量子玻尔兹曼机。 物理。 修订版 X，8 年 2018 月。10.1103/PhysRevX.8.021050。
https：/ / doi.org/ 10.1103 / PhysRevX.8.021050
[24] 詹姆斯·斯托克斯、乔什·艾萨克、内森·基洛兰和朱塞佩·卡莱奥。 量子自然梯度。 量子，4：269，2020 年 2521 月。ISSN 327-10.22331X。 2020/q-05-25-269-XNUMX。
https://doi.org/10.22331/q-2020-05-25-269
[25] S. Amari 和 SC 道格拉斯。 为什么是自然渐变？ 在 1998 年 IEEE 声学、语音和信号处理国际会议论文集上，ICASSP '98（目录号 98CH36181），第 2 卷，第 1213-1216 页，第 2 卷，1998. 10.1109/ICASSP.1998.675489。
https:/ / doi.org/ 10.1109/ ICASSP.1998.675489
[26] JC 剥落。 使用同时扰动梯度近似的多元随机近似。 IEEE Transactions on Automatic Control, 37 (3): 332–341, 1992. 10.1109/9.119632。
https：/ / doi.org/10.1109/ 9.119632
[27] Lingya Meng 和 James C. Spall。 em算法中Fisher信息矩阵的高效计算。 2017 年第 51 届信息科学与系统年会 (CISS)，第 1-6 页，2017 年。10.1109/CISS.2017.7926126。
https：///doi.org/10.1109/CISS.2017.7926126
[28] A.柯西。 Methode generale pour la resolution des systemes d'equations simultanees。 CR学院。 科学。 巴黎, 25: 536–538, 1847. 10.1017/cbo9780511702396.063.
https：/ / doi.org/ 10.1017 / cbo9780511702396.063
[29] JC 剥落。 仅使用函数测量来加速二阶随机优化。 在第 36 届 IEEE 决策与控制会议论文集中，第 2 卷，第 1417-1424 页，第 2 卷，1997 年 10.1109 月。1997.657661/CDC.0191。 ISSN：2216-XNUMX。
https：///doi.org/10.1109/CDC.1997.657661
[30] 姚元、皮埃尔·库塞诺特、亚历克斯·维格内隆和菲利波·米亚托。 光学量子电路的自然梯度优化。 arXiv，2021 年 2106.13660 月。网址 https:///arxiv.org/abs/XNUMX。
的arXiv：2106.13660
[31] Maria Schuld、Ville Bergholm、Christian Gogolin、Josh Izaac 和 Nathan Killoran。 在量子硬件上评估解析梯度。 物理。 修订版 A，99 (3)：032331，2019 年 10.1103 月。99.032331/PhysRevA.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.99.032331
[32] 约翰内斯·雅各布·迈耶。 Fisher 信息在嘈杂的中级量子应用中。 量子，5：539，2021 年 2521 月。ISSN 327-10.22331X。 2021/q-09-09-539-XNUMX。
https://doi.org/10.22331/q-2021-09-09-539
[33] 安德里亚·马里、托马斯·R·布罗姆利和内森·基洛兰。 估计量子硬件上的梯度和高阶导数。 物理。 修订版 A，103 (1)：012405，2021 年 10.1103 月。103.012405/PhysRevA.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.103.012405
[34] Harry Buhrman、Richard Cleve、John Watrous 和 Ronald de Wolf。 量子指纹。 物理。 Rev. Lett., 87 (16): 167902, Sep 2001. 10.1103/PhysRevLett.87.167902。
https：/ / doi.org/ 10.1103 / PhysRevLett.87.167902
[35] Lukasz Cincio、Yiğit Subaşı、Andrew T. Sornborger 和 Patrick J. Coles。 学习状态重叠的量子算法。 arXiv，2018 年 1803.04114 月。网址 http：//arxiv.org/abs/10.1088。 1367/2630-94/aaeXNUMXa。
https：/ / doi.org/ 10.1088 / 1367-2630 / aae94a
的arXiv：1803.04114
[36] A. Elben、B. Vermersch、CF Roos 和 P. Zoller。 局部随机测量之间的统计相关性：用于探测多体量子态纠缠的工具箱。 物理。 修订版 A，99 (5)，2019 年 10.1103 月。99.052323/PhysRevA.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.99.052323
[37] Kristan Temme、Tobias J. Osborne、Karl Gerd H. Vollbrecht、David Poulin 和 Frank Verstraete。 量子大都会采样。 自然，471，2011。10.1038/nature09770。
https：/ / doi.org/10.1038/nature09770
[38] Man-Hong Yung 和 Alán Aspuru-Guzik。 一种量子-量子 Metropolis 算法。 美国国家科学院院刊，109 (3)，2012. 10.1073/pnas.1111758109。
https：/ / doi.org/ 10.1073 / pnas.1111758109
[39] 大卫·波林和帕维尔·沃克詹。 从热量子吉布斯状态采样并使用量子计算机评估分区函数。 物理。 Rev. Lett., 103 (22), 2009. 10.1103/PhysRevLett.103.220502。
https：/ / doi.org/ 10.1103 / PhysRevLett.103.220502
[40] 马里奥·莫塔等人。 使用量子虚时间演化确定量子计算机上的本征态和热态。 自然物理学, 16 (2), 2020. 10.1038/s41567-019-0704-4.
https://doi.org/10.1038/s41567-019-0704-4
[41] Fernando GSL Brandão 和 Michael J. Kastoryano。 有限相关长度意味着量子热态的有效制备。 数学物理通讯，365 (1)，2019。10.1007/s00220-018-3150-8。
https://doi.org/10.1007/s00220-018-3150-8
[42] Michael J. Kastoryano 和 Fernando GSL Brandão。 Quantum Gibbs 采样器：通勤案例。 Communications in Mathematical Physics, 344 (3), 2016. 10.1007/s00220-016-2641-8。
https://doi.org/10.1007/s00220-016-2641-8
[43] 吴景祥和蒂莫西 H. Hsieh。 通过热场双态进行变分热量子模拟。 物理。 Rev. Lett., 123 (22), 2019. 10.1103/PhysRevLett.123.220502。
https：/ / doi.org/ 10.1103 / PhysRevLett.123.220502
[44] Anirban Chowdhury、Guang Hao Low 和 Nathan Wiebe。 一种用于准备量子吉布斯状态的变分量子算法。 arXiv，2020 年。网址 https：//arxiv.org/abs/2002.00055。
的arXiv：2002.00055
[45] 广告麦克拉克伦。 时间相关薛定谔方程的变分解。 分子物理学，8 (1)，1964. 10.1080/00268976400100041。
https：/ / doi.org/10.1080/ 00268976400100041
[46] 赫克托亚伯拉罕等人。 Qiskit：量子计算的开源框架。 2019. 10.5281/zenodo.2562110。
https：///doi.org/10.5281/zenodo.2562110
[47] IBM Quantum，2021 年。网址 https:///quantum-computing.ibm.com/services/docs/services/runtime/。
https:/ / quantum-computing.ibm.com/ services/ docs/ services/ runtime/
[48] Sergey Bravyi、Jay M. Gambetta、Antonio Mezzacapo 和 Kristan Temme。 逐渐减少量子比特以模拟费米离子哈密顿。 arXiv，2017 年。网址 https://arxiv.org/abs/1701.08213。
的arXiv：1701.08213
[49] Abhinav Kandala 等人。 用于小分子和量子磁体的硬件高效变分量子特征求解器。 自然，549 (7671)：242–246，2017 年 10.1038 月。23879/natureXNUMX。
https：/ / doi.org/10.1038/nature23879
[50] Abhinav Kandala、Kristan Temme、Antonio D. Corcoles、Antonio Mezzacapo、Jerry M. Chow 和 Jay M. Gambetta。 错误缓解扩展了嘈杂的量子处理器的计算范围。 自然，567 (7749)：491–495，2019 年 10.1038 月。41586/s019-1040-7-XNUMX。
https://doi.org/10.1038/s41586-019-1040-7
[51] Jonas M. Kübler、Andrew Arrasmith、Lukasz Cincio 和 Patrick J. Coles。 测量节俭变分算法的自适应优化器。 量子，4:263，2020 年 2521 月。ISSN 327-10.22331X。 2020/q-05-11-263-XNUMX。
https://doi.org/10.22331/q-2020-05-11-263
被引用
[1] Tobias Haug，Kishor Bharti和MS Kim，“参数化量子电路的容量和量子几何”， 的arXiv：2102.01659.
[2] Johannes Jakob Meyer，“嘈杂的中级量子应用中的费雪信息”， 的arXiv：2103.15191.
[3] Tobias Haug 和 MS Kim，“没有贫瘠高原的变分量子算法的优化训练”， 的arXiv：2104.14543.
[4] Tobias Haug 和 MS Kim，“自然参数化量子电路”， 的arXiv：2107.14063.
[5] Martin Larocca、Nathan Ju、Diego García-Martín、Patrick J. Coles 和 M. Cerezo，“量子神经网络中的过度参数化理论”， 的arXiv：2109.11676.
[6] Christa Zoufal、David Sutter 和 Stefan Woerner，“变分量子时间演化的误差界限”， 的arXiv：2108.00022.
[7] Anna Lopatnikova 和 Minh-Ngoc Tran，“变分贝叶斯的量子自然梯度”， 的arXiv：2106.05807.
以上引用来自 SAO / NASA广告 （最近成功更新为2021-10-23 12:31:38）。 该列表可能不完整，因为并非所有发布者都提供合适且完整的引用数据。
On Crossref的引用服务 找不到有关引用作品的数据（上一次尝试2021-10-23 12:31:36）。
该论文发表在《量子》杂志上 国际知识共享署名署名4.0（CC BY 4.0） 执照。 版权归原始版权持有者所有，例如作者或其所在机构。
柏拉图重新构想的 Web3。 数据智能放大。
单击此处访问。
