昇思MindSpore论文 | 含噪量子本征求解器
昇思MindSpore论文 | 含噪量子本征求解器
论文标题
基于矩阵乘积态的含噪量子本征求解器
论文来源
arXiv
论文链接
https://arxiv.org/abs/2501.01646
代码链接
昇思MindSpore作为开源的AI框架，为开发人员带来端边云全场景协同、极简开发、极致性能的体验，支持国内高校/科研机构发表1700+篇AI顶会论文。为鼓励基于昇思MindSpore进行创新，昇思开源社区转载、解读系列arXiv论文，本文为昇思MindSpore AI arXiv论文系列第8篇。
作者：孙宛奇
感谢各位专家教授与同学的投稿，更多精彩的论文精读文章和开源代码实现请访问Models。更多内容请访问： https://gitee.com/mindspore/community/issues/I9W2Z3
研究背景
作者介绍
论文第一作者孙宛奇，来自中国科学院大学，研究方向为基于张量网络的量子机器学习，作者所在的徐俊刚老师课题组专注于量子通信与量子机器学习领域的研究，涵盖量子密钥分发、高速量子随机数、噪声缓解以及组合优化问题等方面。近年来，课题组利用FPGA硬件加速、张量网络和神经网络等工具，在不同领域开发出了一系列有效方法。
论文简介
实验结果
表1 不同VQE模型的电路指标对比
表2 基于MindSpore框架，在理想环境和噪声模拟环境下，不同VQE模型对H4分子基态能量的性能对比
总结与展望
本工作提出了一种创新的变分量子特征值求解器，在电路初始化、电路结构设计，以及针对计算误差和测量误差的纠错策略三个方面进行了改进，能够有效缓解NISQ设备中不可避免的噪声问题。在项目中使用了通用量子计算框架MindSpore Quantum进行了数值仿真验证，该框架支持多种量子神经网络的训练和推理，同时，昇思社区提供了丰富的技术资源、详尽的文档介绍，使开发者能够快速上手使用该框架开展实验。
参考文献：
[1] Z.-J. Zhang, T. H. Kyaw, J. S. Kottmann, M. Degroote, and A. Aspuru-Guzik, “Mutual information-assisted adaptive variational quantum eigensolver,” Quantum Science and Technology, vol. 6, p. 035001, 2021.
[2] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, J. M. Chow, and J. M. Gambetta, “Hardware-efficient variational quantum eigensolver for small molecules and quantum magnets,” nature, vol. 549, pp. 242–246, 2017.
[3] H. L. Tang, V. Shkolnikov, G. S. Barron, H. R. Grimsley, N. J. Mayhall, E. Barnes, and S. E. Economou, “qubit-adapt-vqe: An adaptive algorithm for constructing hardware-efficient ans¨atze on a quantum processor,” PRX Quantum, vol. 2, p. 020310, 2021.
[4] S.-X. Zhang, Z.-Q. Wan, C.-K. Lee, C.-Y. Hsieh, S. Zhang, and H. Yao, “Variational quantum-neural hybrid eigensolver,” Physical Review Letters, vol. 128, p. 120502, 2022.
[5] H. R. Grimsley, S. E. Economou, E. Barnes, and N. J. Mayhall, “An adaptive variational algorithm for exact molecular simulations on a quantum computer,” Nature communications, vol. 10, p. 3007, 2019.
[6] J. Liu, Z. Li, and J. Yang, “An efficient adaptive variational quantum solver of the schr¨odinger equation based on reduced density matrices,” The Journal of chemical physics, vol. 154, 2021.
[7] C. Feniou, M. Hassan, D. Traor´e, E. Giner, Y. Maday, and J.-P. Piquemal, “Overlap-adapt-vqe: practical quantum chemistry on quantum computers via overlap-guided compact ansatze,” Communications Physics, vol. 6, p. 192, 2023.
[8] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, J. M. Chow, and J. M. Gambetta, “Hardware-efficient variational quantum eigensolver for small molecules and quantum magnets,” nature, vol. 549, pp. 242–246, 2017.
[9] Y. S. Yordanov, D. R. Arvidsson-Shukur, and C. H. Barnes, “Efficient quantum circuits for quantum computational chemistry,” Physical Review A, vol. 102, p. 062612, 2020.
[10] M. Schuld, A. Bocharov, K. M. Svore, and N. Wiebe, “Circuit-centric quantum classifiers,” Physical Review A, vol. 101, p. 032308, 2020.
[11] A. Peruzzo, J. McClean, P. Shadbolt, M.-H. Yung, X.-Q. Zhou, P. J. Love, A. Aspuru-Guzik, and J. L. O’brien, “A variational eigenvalue solver on a photonic quantum processor,” Nature communications, vol. 5, p. 4213, 2014.