量子科技中心_量科网

变分量子算法（VQAs）是利用近期量子硬件的前沿方法，通过参数化量子电路与经典优化相结合来获得优势。尽管前景广阔，但VQAs的实际部署面临着设计量子电路架构的挑战，这类电路需要平衡表达力、可训练性和硬件约束。现有的基于进化的量子神经架构搜索方法虽然能应对这些挑战，但因其反复训练候选电路而导致计算成本高昂。在该工作中，该团队发现了一个量子神经正切核的Gram矩阵收敛的场景。基于这一观察，该团队设计了一种无需完整训练的零样本代理模型来估计候选电路性能，从而显著加速了架构搜索过程。利用该代理模型，该团队提出了MZeQAS——一种基于蒙特卡洛树搜索（MCTS）的零样本量子神经架构搜索框架，专门用于VQAs。通过将基于代理的性能评估与MCTS探索相结合，MZeQAS能够高效发现高性能架构。实验结果表明，MZeQAS在搜索效率和解决方案质量上均优于现有方法，为在含噪中等规模量子设备上推进VQA部署提供了一种可扩展且有效的框架。