.png){kind=icon}
返回
Resource-Efficient Adaptive Variational Quantum Algorithm for Combinatorial Optimization Problems
.png){kind=icon}
PRE
AI
DOI：10.1002/qute.202400484.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
变分量子算法（VQAs）是量子-经典混合算法，在近期未来具有广阔前景。量子近似优化算法（QAOA）是解决组合优化问题的代表性VQA。然而，QAOA的参数化量子电路（PQC）仍有改进空间。现有的ADAPT-QAOA方法改进了QAOA的PQC，但电路深度仍然较大。提出了一种利用新门池构建PQC的资源高效自适应VQA（RE-ADAPT-VQA）。RE-ADAPT-VQA基于梯度增量式集成参数化量子门，直至满足预定义的停止准则，并提出了回滚机制以确保电路保持浅层。实验模拟中，该算法用于解决最大切割问题（Max-Cut）和最大独立集问题。结果表明，与现有方法相比，RE-ADAPT-VQA显著降低了电路深度、单比特门和CNOT门的数量，同时保持了相同的能量误差水平。
Keyword:
max-cut
maximum independent set
parameterized quantum circuit
variational quantum algorithm
期刊
A
IF:
4.3
论文数:
524
被引数:
3.2K
机构
引用论文
CARBON ISOTOPE RECORDS OF TERRESTRIAL ORGANIC MATTER AND OCCURRENCE OF PLANKTONIC FORAMINIFERA FROM THE ALBIAN STAGE OF HOKKAIDO, JAPAN: OCEAN-ATMOSPHERE 13C TRENDS AND CHRONOSTRATIGRAPHIC IMPLICATIONS.png)
PALAIOS
PALAIOSIF0
PREAI
分享收藏Analyzing the performance of variational quantum factoring on a superconducting quantum processor
OAAI
OAAI分享收藏
查看更多内容