用于变分量子计算的自然进化策略
量子物理
2021-04-01 v2 机器学习
神经与进化计算
摘要
自然进化策略（NES）是一类无梯度黑盒优化算法。本研究阐明了它们在消失梯度区域中优化随机初始化的参数化量子线路（PQC）的用途。我们表明，使用 NES 梯度估计量可缓解方差的指数级衰减。我们实现了指数型和可分离型两种具体的自然进化策略方法来优化 PQC 参数，并与标准梯度下降进行比较。我们将它们应用于使用变分量子本征求解器（VQE）进行基态能量估计以及使用不同深度和长度线路进行态制备这两个不同的问题。我们还引入了批优化以用于更大深度的线路，从而将进化策略的使用扩展到更多参数的情形。在上述所有案例中，我们以更少的线路评估次数达到了与最先进优化技术相当的精度。我们的实证结果表明，可将 NES 作为一种混合工具与其他基于梯度的方法协同使用，以在消失梯度区域优化深层量子线路。
引用
@article{arxiv.2012.00101,
title = {Natural Evolutionary Strategies for Variational Quantum Computation},
author = {Abhinav Anand and Matthias Degroote and Alán Aspuru-Guzik},
journal= {arXiv preprint arXiv:2012.00101},
year = {2021}
}