通过新型条件生成量子本征求解器实现生成式量子组合优化
量子物理
2025-01-29 v1 人工智能
机器学习
摘要
随着逻辑量子处理器的出现，量子计算正进入一个变革阶段，这些处理器有潜力解决超出经典能力范围的复杂问题。尽管已经取得了重大进展，但将量子算法应用于现实问题仍然具有挑战性。为了弥合这一差距，人们探索了混合量子-经典技术，但它们通常在表达能力、可训练性或可扩展性方面面临限制。在这项工作中，我们引入了条件生成量子本征求解器（conditional-GQE），一种由编码器-解码器Transformer驱动的上下文感知量子电路生成器。专注于组合优化，我们训练我们的生成器解决最多10个量子比特的问题，在新问题上表现出近乎完美的性能。通过利用经典生成模型的高表达性和灵活性，以及高效的基于偏好的训练方案，conditional-GQE为量子电路生成提供了一个可泛化和可扩展的框架。我们的方法推进了混合量子-经典计算，并有助于加速向容错量子计算的过渡。
引用
@article{arxiv.2501.16986,
title = {Generative quantum combinatorial optimization by means of a novel conditional generative quantum eigensolver},
author = {Shunya Minami and Kouhei Nakaji and Yohichi Suzuki and Alán Aspuru-Guzik and Tadashi Kadowaki},
journal= {arXiv preprint arXiv:2501.16986},
year = {2025}
}
备注
26 pages, 12 figures