变分量子本征求解器中的贝叶斯参数偏移法则
机器学习
2026-05-07 v2 量子物理
摘要
参数偏移法则（PSR）是变分量子本征求解器（VQE）中高效梯度估计的关键技术。本文提出了其贝叶斯变体，即使用具有适当核的高斯过程来估计VQE目标函数的梯度。我们的贝叶斯PSR能够利用任意位置的观测值进行灵活的梯度估计，并提供不确定性信息，在特殊情况下可退化为广义PSR。在随机梯度下降（SGD）中，贝叶斯PSR的灵活性允许重用先前步骤中的观测值，从而加速优化过程。此外，后验不确定性的可获取性，结合我们提出的梯度置信域（GradCoRe）概念，使我们能够最小化每个SGD步骤中的观测成本。我们的数值实验表明，结合贝叶斯PSR和GradCoRe的VQE优化显著加速了SGD，并优于包括序列最小优化在内的现有最先进方法。
引用
@article{arxiv.2502.02625,
title = {Bayesian Parameter Shift Rule in Variational Quantum Eigensolvers},
author = {Samuele Pedrielli and Christopher J. Anders and Lena Funcke and Karl Jansen and Kim A. Nicoli and Shinichi Nakajima},
journal= {arXiv preprint arXiv:2502.02625},
year = {2026}
}
备注
8 pages, 5 figures, 14th International Conference on Learning Representations (ICLR 2026)