量子近似优化算法的快速期望值计算加速：HoLCUs QAOA
人工智能
2025-05-29 v3 机器学习
机器学习
摘要
本文提出了一种用于计算可表示为线性组合 unitary（LCU）算子期望值的新方法。该方法允许在测量单个量子比特的情况下完成此计算，从而加快计算过程。该方法对任何量子算法都通用，特别适用于变分量子算法的加速，这些算法在实际设备和仿真中都具有重要意义。我们分析了其对量子近似优化算法（QAOA）参数优化过程的应用，以及在 Ising 问题矩阵中存在退化值的情况。最后，我们将其应用于几个二次无约束二进制优化（QUBO）问题，以分析该方法在电路仿真器中的加速效果。
引用
@article{arxiv.2503.01747,
title = {Position: Don't Use the CLT in LLM Evals With Fewer Than a Few Hundred Datapoints},
author = {Sam Bowyer and Laurence Aitchison and Desi R. Ivanova},
journal= {arXiv preprint arXiv:2503.01747},
year = {2025}
}
备注
42 pages, 39 figures. ICML 2025 Spotlight Position Paper