单量子比特量子分类器的无梯度优化算法
量子物理
2022-05-11 v1
摘要
本文提出一种用于单量子比特量子分类器的无梯度优化算法，以克服量子设备引起的贫瘠高原效应。在单量子比特二分类量子分类器上施加旋转门RX({\phi})，并将训练数据与参数以向量乘法形式载入{\phi}。通过寻找使测量量子电路期望最小值对应的各参数值来降低代价函数。该算法对所有参数逐一迭代执行，直至代价函数满足停止条件。所提算法在一个分类任务中进行了演示，并与使用Adam优化器的方法进行比较。此外，讨论了当量子设备中旋转门处于不同噪声下时，采用所提无梯度优化算法的单量子比特量子分类器的性能。仿真结果表明，采用所提无梯度优化算法的单量子比特量子分类器比使用Adam优化器更快达到高准确率。而且，所提无梯度优化算法能快速完成单量子比特分类器的训练过程。另外，采用所提无梯度优化算法的单量子比特量子分类器在噪声环境中表现良好。
引用
@article{arxiv.2205.04746,
title = {Gradient-Free optimization algorithm for single-qubit quantum classifier},
author = {Anqi Zhang and Xiaoyun He and Shengmei Zhao},
journal= {arXiv preprint arXiv:2205.04746},
year = {2022}
}