SantaQlaus：一种利用量子散粒噪声优化变分量子算法的资源高效方法
量子物理
2023-12-27 v1
摘要
我们介绍了SantaQlaus，一种专为变分量子算法（VQA）设计的资源高效优化算法，包括在变分量子本征求解器（VQE）和量子机器学习（QML）中的应用。VQA的经典优化策略常常受到局部极小值和鞍点复杂景观的阻碍。尽管一些现有的量子感知优化器自适应地调整测量次数，但它们主要关注每次迭代的增益最大化，而不是策略性地利用量子散粒噪声（QSN）来应对这些挑战。受经典随机退火自适应动量恒温器（Santa）算法的启发，SantaQlaus明确利用固有的QSN进行优化。该算法在退火框架中动态调整量子测量次数：在早期高温阶段分配较少的测量次数以实现高效的资源利用和景观探索，而在后期使用更多的测量次数以提高精度。在VQE和QML上的数值模拟表明，SantaQlaus优于现有优化器，特别是在降低收敛到不良局部最优的风险方面，同时保持测量效率。这为量子变分模型的高效鲁棒训练铺平了道路。
引用
@article{arxiv.2312.15791,
title = {SantaQlaus: A resource-efficient method to leverage quantum shot-noise for optimization of variational quantum algorithms},
author = {Kosuke Ito and Keisuke Fujii},
journal= {arXiv preprint arXiv:2312.15791},
year = {2023}
}
备注
22 pages, 4 figures