量子计算机上量子贪婪优化的实验实现
量子物理
2023-06-16 v1
摘要
本文实现了一种基于时间演化离散化（d-QGO）的量子贪婪优化算法。量子贪婪优化最初为通过反绝热驱动缩短处理时间而开发，它根据能量的灵敏度分析依次从反绝热项中选择参数，然后确定参数值。为在量子计算机上实现 d-QGO，由于器件与采样噪声，灵敏度分析可能成为短时间内找到基态的瓶颈。本文提出了一种采用足够大差分区间的改进灵敏度分析方法。我们证明 d-QGO 在保持成功概率的同时，减少了确定灵敏度所需的采样（shot）次数。
引用
@article{arxiv.2306.08181,
title = {Experimental implementation of quantum greedy optimization on quantum computer},
author = {Tadayoshi Matsumori and Tadashi Kadowaki},
journal= {arXiv preprint arXiv:2306.08181},
year = {2023}
}
备注
7 pages, 5 figures