Busca de Arquitetura Quântica com Meta‐Aprendizado

Resumo Algoritmos quânticos variacionais (VQAs) têm sido aplicados com sucesso a algoritmos quânticos de otimização aproximada, compilação quântica variacional e modelos de aprendizado de máquina quântica. O desempenho dos VQAs depende em grande parte da arquitetura de circuitos quânticos parametrizados (PQCs). A busca de arquitetura quântica (QAS) visa automatizar o design de PQCs em diferentes VQAs com algoritmos de otimização clássicos. No entanto, os algoritmos atuais de QAS não utilizam experiências anteriores e buscam a arquitetura quântica do zero para cada nova tarefa, o que é ineficiente e demorado. Neste artigo, um algoritmo de busca de arquitetura quântica meta (MetaQAS) é proposto, que aprende boas heurísticas de inicialização da arquitetura (ou seja, meta‐arquitetura), juntamente com os meta‐parâmetros de portas quânticas de várias tarefas de treinamento, de modo que possam se adaptar a novas tarefas com menos atualizações de gradiente, levando a um aprendizado rápido em novas tarefas. O MetaQAS proposto pode ser usado com algoritmos QAS baseados em gradiente arbitrário. Resultados de simulação em compilação quântica variacional (VQC) e algoritmo quântico de otimização aproximada (QAOA) mostram que as arquiteturas otimizadas pelo MetaQAS convergem mais rápido do que um algoritmo QAS baseado em gradiente de última geração, a saber, DQAS. O MetaQAS também alcança uma solução melhor do que o DQAS após o ajuste fino dos parâmetros das portas.