펄스 기반 변분 양자 최적화 및 메타 학습 초전도 회로에서

변분 알고리즘을 사용하여 최적화 문제를 해결하는 것은 소음이 많은 중간 규모 장치에 중요한 응용 분야로 부각됩니다. 게이트 기반 양자 컴퓨터를 구축하는 대신, 우리는 아날로그 패러다임 내에서 변분 양자 알고리즘을 설계하는 데 초점을 맞추고 있습니다. 이는 펄스를 직접 제어하는 매개변수를 최적화하는 것을 포함하며, 양자 회로를 컴파일할 필요 없이 양자 상태를 목표 상태로 유도합니다. 이 연구에서는 하드웨어 수준의 프레임워크로 펄스 기반 변분 양자 최적화(PBVQO)를 소개합니다. 우리는 초전도 양자 간섭 장치에서 외부 플럭스를 최적화하여 이 특정 양자 구조의 파동 함수가 인코딩된 문제 해밀토니안의 기저 상태로 효율적으로 이끄는 방법을 설명합니다. 변분 알고리즘의 성능이 적절한 초기 매개변수에 크게 의존하기 때문에, 우리는 간단한 문제를 해결하기 위해 메타 학습 기법으로 글로벌 최적화를 도입합니다. PBVQO와 메타 학습 간의 시너지는 기존의 게이트 기반 변분 알고리즘보다 이점을 제공합니다.