量子科技中心_量科网

在量子机器学习领域，参数化量子电路虽能提供灵活的量子模型，但其性能往往高度依赖具体任务，这使得人工设计电路极具挑战性。为此，研究人员提出了量子架构搜索算法，通过系统化框架自动探索面向特定任务的参数化量子电路。该工作提出了一种受进化论启发的启发式量子架构搜索算法——局部量子架构搜索算法。该算法目标是通过对现有电路施加固定门级操作的局部概率搜索，优化参数化量子电路架构。研究团队在两项合成函数拟合回归任务和两项量子化学回归数据集（包括含第一/第二周期元素键解离能的BSE49数据集，以及采用数据驱动耦合簇方法生成的水分子构象数据集）上评估了该算法。基于态矢量模拟的实验结果表明，局部量子架构搜索算法能有效识别具有优异性能指标的竞争性电路架构。最后，该研究分析了所发现电路的特性，并将性能最佳的模型部署在了前沿量子硬件上。