变分量子算法中的噪声诱导贫瘠高原
量子物理
2024-03-05 v6 机器学习
摘要
变分量子算法(VQAs)可能是在含噪中等规模量子(NISQ)计算机上实现量子优势的一条路径。一个自然的问题是，NISQ 器件上的噪声是否对 VQA 性能施加了根本性限制。我们严格证明了噪声 VQA 的一个严重限制，即噪声导致训练 landscape 具有贫瘠高原(即梯度消失)。具体而言，对于所考虑的局域泡利噪声，我们证明若 ansatz 的深度随量子比特数 线性增长，则梯度以 的指数形式消失。这些噪声诱导贫瘠高原(NIBPs)在概念上不同于无噪声贫瘠高原，后者与随机参数初始化相关。我们的结果针对一个通用 ansatz 表述，其特例包括量子交替算子 ansatz 与酉耦合簇 ansatz 等。对于前者，我们的数值启发式方法在真实硬件噪声模型下展示了 NIBP 现象。
引用
@article{arxiv.2007.14384,
title = {Noise-Induced Barren Plateaus in Variational Quantum Algorithms},
author = {Samson Wang and Enrico Fontana and M. Cerezo and Kunal Sharma and Akira Sone and Lukasz Cincio and Patrick J. Coles},
journal= {arXiv preprint arXiv:2007.14384},
year = {2024}
}
备注
12+15 pages, 6+1 figures