BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
提出了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。
-
在真实的量子设备上实现可行的执行，并提高了噪声鲁棒性。
-
在7个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。
-
QuantumSEA方法优于噪声感知搜索、人工设计和随机生成的量子电路基线。
-
在最具挑战性的芯片训练模式下，仅使用一半的量子门，节省了约两倍的电路执行时间。
🏷️
标签
➡️
