量智信息中心_量科网

Matrix Product State (MPS)方法是经典模拟量子电路最有效的方法之一，但其实际性能强烈依赖于模拟器的超参数，且默认设置通常非最优。该工作提出了一种用于量子MPS模拟自动超参数选择的两阶段框架。在第一阶段，该团队在保真度约束下执行离线单目标CMA-ES优化，并构建一个电路-配置-性能评估数据库。在第二阶段，研究人员定义了一组静态电路特征，旨在捕捉与MPS相关的结构特性，并训练一个电路感知的混合排序模型，为不同量子电路推荐配置。该研究通过留一族验证和基于规模的验证，在多个可扩展电路族上评估了该方法。结果表明，离线优化通常优于默认设置，尽管增益幅度强烈依赖于后端、电路族和电路规模。学习的预测器恢复了该增益中有意义的一部分，在基于规模的验证下表现优于基于族的迁移，但总体上仍低于离线最优值。