arXiv stat.ML· Rahul Bhowmick, Harsh Wadhwa, Avinash Singh, Tania Sidana, Quoc Hoan Tran, Krishna Kumar Sabapathy·· 11 天前AI 评分30
通过梯度计算经典卸载减少变分量子算法的 QPU 调用
Reducing QPU Calls in Variational Quantum Algorithms via Classical Offloading of Gradient Computation
AI 导读
研究提出 HELIA 架构与两套协同训练方法，通过将梯度估计卸载至经典硬件，显著减少变分量子算法对 QPU 的调用需求。在 6 至 18 量子比特的 VQE 基态估计中，该方案相比 Full-PSR 训练将逻辑量子评估次数平均减少高达 60%；在最高 12 量子比特的量子相位分类任务中，平均峰值测试准确率最高提升 2.8 个百分点。
来源：arXiv stat.ML · arxiv.org