.png){kind=icon}
返回
Adaptive quantum ansatz circuit design and optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s42484-026-00428-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决变分量子算法电路模板适应性差及深度结构在NISQ设备中噪声敏感度高的问题，提出了一种自适应电路构造与优化方法。该方法根据不同数据集和任务需求动态调整电路结构并优化性能。采用全二叉树表示预设电路结构，并通过模拟退火算法引导量子比特合并路径以辅助构造。通过结合分层电路训练与多目标粒子群优化，该方法同时优化了电路的可表示性、纠缠能力和深度。该方法在压缩电路深度的同时平衡了各项性能指标，实现了任务导向的电路设计及优化。在Iris数据集的三个二分类任务中，该方法在8量子比特条件下平均准确率分别达到98.3%、96.7%和96.7%，优于随机量子比特选择。对于MNIST和CIFAR-10的三分类任务，在12量子比特条件下平均准确率分别提升了5.5%和1.4%。此外，多目标粒子群优化在12量子比特条件下将电路深度压缩了约18.5%。
Keyword:
Variational Quantum Algorithms
Ansatz Design
Full Binary Tree
Simulated Annealing
Multi-Objective Particle Swarm Optimization
期刊
Q
IF:
4.4
论文数:
439
被引数:
796
机构
引用论文
Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer量子计算机上质因数分解和离散对数的多项式时间算法
OAAI
OAAI分享收藏Hardware-efficient variational quantum eigensolver for small molecules and quantum magnets用于小分子和量子磁体的硬件高效变分量子本征求解器.png)
Nature
OAAI
NatureIF0
OAAI分享收藏Single entanglement connection architecture between multi-layer bipartite hardware efficient ansatz
PREAI
分享收藏
查看更多内容