应对参数化量子电路中的量子比特质量指标的时间变化
摘要：公众可以通过 IBM、Rigetti、D-Wave等公司获得嘈杂中等规模量子（NISQ）计算机的公共访问权，促进了量子应用程序的发展，这些应用程序可能在未来的大规模量子计算机中提供量子优势。参数化量子电路（PQC）已经成为开发潜在改善电路对噪声的抵抗能力的量子例程的主要驱动力。PQC已应用于量子机器学习领域的生成（例如生成性对抗网络）和区分性（例如量子分类器）任务。PQC还被认为能够利用目标量子硬件的现有不完美本地门实现高保真度的量子门。PQC的参数通过针对目标嘈杂量子硬件的迭代训练过程确定。然而，量子比特质量度量的时间变化会影响PQC的性能。因此，如果不考虑时间变化进行训练的电路会随时间推移表现出较低的保真度。在本文中，我们提出了一种在完全经典环境中的PQC训练方法，可以将训练后的PQC在目标NISQ硬件上的保真度提高多达42.5％。 标题：通过经典训练方法提高参数化量子电路在NISQ硬件上的保真度
作者：Mahabubul Alam, Abdullah Ash-Saki, Swaroop Ghosh
论文ID：1903.08684
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2019-03-22