用于量子电路 ansatz 表达性学习的变换器
量子物理
2025-11-18 v2
摘要
随着针对某些问题实现指数级计算速度，量子计算在近年来受到广泛关注。变分量子算法是实现量子计算的关键方法，合适的任务特定量子电路 ansatz 能有效提升 VQA 的量子优势。然而，庞大的搜索空间使得寻找最优任务特定 ansatz 具有挑战性。表达性量化了量子电路 ansatz 状态的多样性，以有效探索 Hilbert 空间，从而用于评估一个 ansatz 是否优于另一个。本文提出使用变换器模型来预测量子电路 ansatz 的表达性。我们构建了一个包含由门级管道生成的随机 PQCs 数据集，数据集中包含不同数量的量子比特和门。通过三种度量（KL 散度、相对 KL 散度和最大均值偏差）计算电路的表达性。在数据集上训练变换器模型以捕捉电路特征与表达性之间的复杂关系。采用四个评估指标评估变换器的性能。数值结果表明，训练所得模型在各种表达性度量下均实现了高性能和稳健性。该研究可以增进对量子电路 ansatz 表达性的理解，并推动量子架构搜索算法的发展。
关键词
引用
@article{arxiv.2405.18837,
title = {Learning the expressibility of quantum circuit ansatz using transformer},
author = {Fei Zhang and Jie Li and Zhimin He and Haozhen Situ},
journal= {arXiv preprint arXiv:2405.18837},
year = {2025}
}