ZX-演算在量子架构搜索中的应用
量子物理
2025-03-21 v2
摘要
本文提出了一种新颖的量子架构搜索方法，该方法将 ZX-演算技术与遗传规划相结合，以优化量子机器学习中使用的参数化量子电路的结构。认识到为量子机器学习设计高效量子电路的挑战，我们提出了一个遗传规划框架，该框架利用通过 ZX-演算定义的变异，ZX-演算是一种可以简化量子电路可视化和操作的图形语言。我们的方法侧重于演化量子电路，旨在增强其逼近各种机器学习任务中相关函数的能力。我们引入了几个受 ZX-演算变换规则启发的变异算子，并研究了它们对量子电路学习效率和准确性的影响。实证分析包括一项比较研究，将这些变异应用于一组不同的量子回归问题，测量性能指标，如变异后有效电路的百分比、目标函数的改进以及电路深度和宽度。我们的结果表明，在考虑的所有指标中，某些基于 ZX-演算的变异在量子架构搜索方面表现显著优于其他变异。这表明，基于 ZX-图的量子架构搜索比基于电路模型的粗略遗传优化能产生更浅的电路和更均匀分配的量子门。
引用
@article{arxiv.2406.01095,
title = {Application of ZX-calculus to Quantum Architecture Search},
author = {Tom Ewen and Ivica Turkalj and Patrick Holzer and Mark-Oliver Wolf},
journal= {arXiv preprint arXiv:2406.01095},
year = {2025}
}
备注
10 Pages, 10 figures, 1 algorithm