缓解变分量子算法训练中的噪声诱导梯度消失
量子物理
2021-11-29 v1 机器学习
摘要
变分量子算法有望在近 term 含噪量子计算机上展现量子计算优势。然而，随着算法规模增大，此类变分量子算法的训练面临梯度消失问题。已有工作无法处理现实量子硬件上不可避免噪声效应所引起的梯度消失。本文中，我们提出一种新颖的训练方案以缓解此类噪声诱导的梯度消失。我们首先引入一个新的代价函数，通过截断子空间中使用无迹可观测量显著增强其梯度。然后我们证明，利用新代价函数的梯度优化原代价函数可达到相同最小值。实验表明，我们的新训练方案对各类任务的主要变分量子算法均高度有效。
引用
@article{arxiv.2111.13209,
title = {Mitigating Noise-Induced Gradient Vanishing in Variational Quantum Algorithm Training},
author = {Anbang Wu and Gushu Li and Yufei Ding and Yuan Xie},
journal= {arXiv preprint arXiv:2111.13209},
year = {2021}
}