参数化量子电路中基于扩散的量子噪声抑制
原文中文，约300字，阅读约需1分钟。发表于：。该研究论文探讨了参数化量子电路（PQCs）与量子噪声的关系，并提出了一种基于扩散的学习方法，以减小 PQCs 中的量子噪声并降低特定任务的误差。通过实验证明了该学习策略的高效性，并在量子噪声情景中在分类任务上取得了最先进的性能。
该论文介绍了QuantumSEA方法，通过稀疏连接和少量量子门实现训练时的电路容量，并提高了噪声鲁棒性。实验结果表明，该方法在量子机器学习和变分量子特征解算器基准测试中表现优异，节省了电路执行时间。
