arXiv quant-ph· Saverio Monaco, Jamal Slim, Ran Xue, Dirk Kr\"ucker, Kerstin Borras·· 8 天前AI 评分33
基于泡利传播的大规模浅层参数化量子电路经典预训练与量子硬件部署
Classical Pre-Training of Large Shallow Parametrized Quantum Circuits through Pauli Propagation and deployment on Quantum Hardware
AI 导读
研究人员提出基于泡利传播（Pauli propagation）的优化框架，通过反向传播可观测量在经典硬件上直接最小化损失函数，实现大规模浅层参数化量子电路的预训练。该方法配合截断与剪枝策略，在 64-qubit 电路的二维伊辛模型变分量子本征求解器（VQE）及图像生成基准上完成验证，并将参数成功部署至 IBM 量子处理器 ibm_berlin。
来源：arXiv quant-ph · arxiv.org