量子科技中心_量科网

变分量子算法（VQAs）是充分利用中等规模含噪量子（NISQ）计算机潜力的一种前沿方法。当应用于机器学习任务时，VQAs催生出与NISQ兼容的量子神经网络（QNNs），该研究团队已证明这类网络在可训练参数量相近的情况下优于经典神经网络。虽然用于物理模拟的VQA量子电路结构由系统物理性质决定，但由于缺乏领域先验知识，为通用机器学习任务确定有效的QNN架构仍是重大挑战。值得注意的是，现有量子架构搜索（QAS）算法——即经典神经网络架构搜索技术的改编版本——往往忽视了其生成电路的内在量子特性。通过从量子视角进行底层重构，该工作突破了这一局限，提出名为ρDARTS的可微分QAS算法，将架构搜索过程建模为量子混合态的演化，该混合态源自量子架构搜索空间。验证阶段，研究人员成功找到了适用于状态初始化、哈密顿量优化和图像分类任务的量子电路。进一步实验表明，相较于现有QAS技术，该方法具有更优的收敛性，并展现出更高的抗噪鲁棒性。