变分量子算法（VQA）可能是在嘈杂的中级量子（NISQ）计算机上获得量子优势的途径。一个自然的问题是 NISQ 设备上的噪声是否对 VQA 性能造成了根本性的限制。
洛斯阿拉莫斯国家实验室的研究人员，证明了噪声 VQA 的严重限制，因为噪声会导致训练环境出现贫瘠的高原（即梯度消失）。具体来说，对于考虑的局部泡利噪声，研究人员证明如果 ansatz 的深度随 n 线性增长，则梯度随量子比特数 n 呈指数消失。
这些噪声引起的贫瘠高原（NIBP）在概念上不同于无噪声贫瘠高原，后者与随机参数初始化有关。该研究的结果是为通用 ansatz 制定的，其中包括作为特殊情况的 Quantum Alternating Operator Ansatz 和 Unitary Coupled Cluster Ansatz 等。对于前者，该团队的数值启发式方法展示了真实硬件噪声模型的 NIBP 现象。
该研究以「Noise-induced barren plateaus in variational quantum algorithms」为题，于 2021 年 11 月 29 日发布在《Nature Communications》。
论文链接：https://www.nature.com/articles/s41467-021-27045-6
高级量子力学（QM）计算对于在原子水平上准确解释自然现象是必不可少的。然而，它们惊人的计算成本带来了很大的限制，幸运的是，可以通过利用人工智能（AI）的进步在很大程度上消除这些限制。
这里厦门大学的研究人员介绍了一种通用的、高度可转移的人工智能-量子力学方法——AIQM1。它接近金标准耦合簇 QM 方法的准确性，并且具有近似低级半经验 QM 方法的高计算速度，用于基态中性、闭壳物质。AIQM1 可以为各种有机化合物以及几何形状提供准确的基态能量，即使是具有挑战性的系统，例如接近实验的大型共轭化合物（富勒烯 C60）。
正如通过确定聚炔分子的几何形状所证明的那样，这为以以前无法达到的速度和准确性研究化合物提供了机会——这对实验和理论来说都是困难的任务。值得注意的是，该方法对离子和激发态特性的准确性也很好，尽管 AIQM1 的神经网络部分从未适合这些特性。
该研究以「Artificial intelligence-enhanced quantum chemical method with broad applicability」为题，于 2021 年 12 月 2 日发布在《Nature Communications》。
论文链接：https://www.nature.com/articles/s41467-021-27340-2
量子相位估计算法允许我们在量子计算机上执行全配置交互（full-CI）计算，其中多项式成本与所研究的系统大小有关，但它需要对以辅助量子位为条件的波函数时间演化进行量子模拟，这使得算法在真实量子设备上的实现变得困难。
在这里，大阪市立大学的研究人员讨论了贝叶斯相位差估计算法在全 CI 计算中的应用，该算法不受受控时间演化操作的影响。
该研究以「Quantum Algorithm for Full Configuration Interaction Calculations without Controlled Time Evolutions」为题，于 2021 年 11 月 8 日发布在《The Journal of Physical Chemistry Letters》。
论文链接：https://pubs.acs.org/doi/10.1021/acs.jpclett.1c03214
相关报道：https://www.eurekalert.org/news-releases/936260
在不久的将来，利用新型量子力学行为的技术可能会变得司空见惯。这些可能包括使用量子信息作为输入和输出数据的设备，由于固有的不确定性，这些设备需要仔细验证。当输出取决于过去的输入时，如果设备是时间相关的，则验证更具挑战性。
使用机器学习的研究人员首次通过结合这些系统中存在的某种记忆效应，显着提高了时间相关量子设备的验证效率。量子计算机成为科学媒体的头条新闻，但大多数专家认为这些机器仍处于起步阶段。然而，量子互联网可能更接近现在。与当前的互联网相比，这将提供显着的安全优势……
但即便如此，这也将依赖于实验室外尚未见曙光的技术。虽然可以创建量子互联网的设备的许多基础知识可能已经制定出来，但要实现这些作为产品，还有许多工程挑战。但是，正在进行大量研究以创建用于设计量子设备的工具。
量化和验证准备量子态的控制水平是构建量子设备的核心挑战。量子态的特征在于实验测量，使用称为断层扫描的程序，这需要大量资源。然而，与标准断层扫描根本不同的具有时间处理的量子设备的断层扫描尚未制定。
针对这种有趣的情况，东京大学的研究人员使用循环机器学习框架，开发了一种实用且近似的断层扫描方法。该方法基于称为量子库的系统与量子态流之间的重复量子相互作用。来自水库的测量数据连接到线性读数，以训练应用于输入流的量子通道之间的循环关系。
这项研究中，研究人员展示了用于代表性量子学习任务的算法，然后提出了量子存储容量来评估近期量子设备的时间处理能力。
该研究以「Learning Temporal Quantum Tomography」为题，于 2021 年 12 月 22 日发布在《PHYSICAL REVIEW LETTERS》。
论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.260401
相关报道：https://phys.org/news/2021-12-algorithm-efficient-accurate-verification-quantum.html内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢