1Instituto Indiano de Tecnologia, Roorkee, Índia.
2Escola de Informática, Universidade de Edimburgo, EH8 9AB Edimburgo, Reino Unido.
3LIP6, CNRS, Sorbonne Université, 4 place Jussieu, 75005 Paris, França.
Acha este artigo interessante ou deseja discutir? Scite ou deixe um comentário no SciRate.
Sumário
A otimização combinatória aproximada emergiu como uma das áreas de aplicação mais promissoras para computadores quânticos, particularmente aqueles de curto prazo. Neste trabalho, focamos no algoritmo de otimização aproximada quântica (QAOA) para resolver o problema MaxCut. Especificamente, abordamos dois problemas no QAOA, como inicializar o algoritmo e como treinar posteriormente os parâmetros para encontrar uma solução ótima. Para o primeiro, propomos redes neurais de grafos (GNNs) como uma técnica de inicialização a quente para QAOA. Demonstramos que a fusão de GNNs com QAOA pode superar ambas as abordagens individualmente. Além disso, demonstramos como as redes neurais de gráfico permitem a generalização de inicialização a quente não apenas em instâncias de gráfico, mas também para aumentar os tamanhos dos gráficos, um recurso que não está diretamente disponível para outros métodos de inicialização a quente. Para treinar o QAOA, testamos vários otimizadores para o problema MaxCut até 16 qubits e comparamos com a descida do gradiente vanilla. Isso inclui otimizadores quânticos/agnósticos e baseados em aprendizado de máquina/neurais. Exemplos deste último incluem reforço e meta-aprendizagem. Com a incorporação desses kits de ferramentas de inicialização e otimização, demonstramos como os problemas de otimização podem ser resolvidos usando QAOA em um pipeline diferenciável de ponta a ponta.
► dados BibTeX
► Referências
[1] John Preskill. Computação Quântica na era NISQ e além. Quantum, 2:79, agosto de 2018. URL: https://quantum-journal.org/papers/q-2018-08-06-79/, doi:10.22331/q-2018-08- 06-79.
https://doi.org/10.22331/q-2018-08-06-79
https: / / quantum-journal.org/ papers / q-2018-08-06-79 /
[2] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J. Love, Alán Aspuru-Guzik e Jeremy L. O'Brien. Um solucionador de autovalor variacional em um processador quântico fotônico. Nature Communications, 5(1):1–7, julho de 2014. URL: https://www.nature.com/articles/ncomms5213, doi:10.1038/ncomms5213.
https: / / doi.org/ 10.1038 / ncomms5213
https: / / www.nature.com/ articles / ncomms5213
[3] Edward Farhi, Jeffrey Goldstone e Sam Gutmann. Um Algoritmo de Otimização Aproximada Quântica. arXiv:1411.4028 [quant-ph], novembro de 2014. URL: http://arxiv.org/abs/1411.4028, doi:10.48550/arXiv.1411.4028.
https:///doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028
[4] Jarrod R. McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. A teoria dos algoritmos quântico-clássicos híbridos variacionais. New Journal of Physics, 18(2):023023, fevereiro de 2016. URL:.
https://doi.org/10.1088/1367-2630/18/2/023023
[5] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio e Patrick J. Coles. Algoritmos quânticos variacionais. Nature Reviews Physics, 3(9):625–644, setembro de 2021. URL: https://www.nature.com/articles/s42254-021-00348-9, doi:10.1038/s42254-021 -00348-9.
https://doi.org/10.1038/s42254-021-00348-9
https: / / www.nature.com/ articles / s42254-021-00348-9
[6] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong-Chuan Kwek, e Alán Aspuru-Guzik. Algoritmos quânticos ruidosos de escala intermediária. Rev. Mod. Phys., 94(1):015004, fevereiro de 2022. URL: https://link.aps.org/doi/10.1103/RevModPhys.94.015004, doi:10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[7] K. Mitarai, M. Negoro, M. Kitagawa e K. Fujii. Aprendizagem de circuitos quânticos. Física Rev. A, 98(3):032309, setembro de 2018. URL: https://link.aps.org/doi/10.1103/PhysRevA.98.032309, doi:10.1103/PhysRevA.98.032309.
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
[8] Edward Farhi e Hartmut Neven. Classificação com redes neurais quânticas em processadores Near Term. arXiv:1802.06002 [quant-ph], fevereiro de 2018. URL: http://arxiv.org/abs/1802.06002, doi:10.48550/arXiv.1802.06002.
https:///doi.org/10.48550/arXiv.1802.06002
arXiv: 1802.06002
[9] Marcello Benedetti, Erika Lloyd, Stefan Sack e Mattia Fiorentini. Circuitos quânticos parametrizados como modelos de aprendizado de máquina. Ciência Quântica. Technol., 4(4):043001, novembro de 2019. URL:.
https://doi.org/10.1088/2058-9565/ab4eb5
[10] Francisco Barahona, Martin Grötschel, Michael Jünger e Gerhard Reinelt. Uma aplicação de otimização combinatória para física estatística e projeto de layout de circuito. Operations Research, 36(3):493–513, 1988. URL: http://jstor.org/stable/170992.
http:///jstor.org/stable/170992
[11] Jan Polónia e Thomas Zeugmann. Agrupamento de distâncias em pares com dados ausentes: cortes máximos versus cortes normalizados. Em Ljupco Todorovski, Nada Lavrac e Klaus P. Jantke, editores, Discovery Science, 9ª Conferência Internacional, DS 2006, Barcelona, Espanha, 7 a 10 de outubro de 2006, Proceedings, volume 4265 de Lecture Notes in Computer Science, páginas 197– 208. Springer, 2006. URL: https://doi.org/10.1007/11893318_21, doi:10.1007/11893318_21.
https: / / doi.org/ 10.1007 / 11893318_21
[12] Michael A. Nielsen e Isaac L. Chuang. Computação quântica e informação quântica. Cambridge University Press, Cambridge; Nova York, edição de 10º aniversário, 2010. doi:10.1017/CBO9780511976667.
https: / / doi.org/ 10.1017 / CBO9780511976667
[13] Mateus B. Hastings. Algoritmos clássicos e quânticos de aproximação de profundidade limitada. Informações Quânticas Comput., 19(13&14):1116–1140, 2019. doi:10.26421/QIC19.13-14-3.
https: / / doi.org/ 10.26421 / QIC19.13-14-3
[14] Edward Farhi, Jeffrey Goldstone, Sam Gutmann e Leo Zhou. O Algoritmo de Otimização Aproximada Quântica e o Modelo de Sherrington-Kirkpatrick em Tamanho Infinito. Quantum, 6:759, julho de 2022. URL: https://quantum-journal.org/papers/q-2022-07-07-759/, doi:10.22331/q-2022-07- 07-759.
https://doi.org/10.22331/q-2022-07-07-759
https: / / quantum-journal.org/ papers / q-2022-07-07-759 /
[15] Daniel Stilck França e Raul García-Patrón. Limitações de algoritmos de otimização em dispositivos quânticos ruidosos. Nature Physics, 17(11):1221–1227, novembro de 2021. URL: https://www.nature.com/articles/s41567-021-01356-3, doi:10.1038/s41567-021- 01356-3.
https://doi.org/10.1038/s41567-021-01356-3
https: / / www.nature.com/ articles / s41567-021-01356-3
[16] V. Akshay, H. Philathong, MES Morales e JD Biamonte. Déficits de acessibilidade na otimização aproximada quântica. Física Rev. Lett., 124(9):090504, março de 2020. URL: https://link.aps.org/doi/10.1103/PhysRevLett.124.090504, doi:10.1103/PhysRevLett.124.090504.
https: / / doi.org/ 10.1103 / PhysRevLett.124.090504
[17] Sami Boulebnane. Melhorando o Algoritmo de Otimização Aproximada Quantum com pós-seleção. arXiv:2011.05425 [quant-ph], novembro de 2020. URL: http://arxiv.org/abs/2011.05425, doi:10.48550/arXiv.2011.05425.
https:///doi.org/10.48550/arXiv.2011.05425
arXiv: 2011.05425
[18] V. Akshay, D. Rabinovich, E. Campos e J. Biamonte. Concentração de Parâmetros na Otimização Aproximada Quantum. Physical Review A, 104(1):L010401, julho de 2021. URL: http://arxiv.org/abs/2103.11976, doi:10.1103/PhysRevA.104.L010401.
https: / / doi.org/ 10.1103 / PhysRevA.104.L010401
arXiv: 2103.11976
[19] D. Rabinovich, R. Sengupta, E. Campos, V. Akshay e J. Biamonte. Progresso em direção a ângulos analiticamente ótimos na otimização aproximada quântica. arXiv:2109.11566 [math-ph, physical:quant-ph], setembro de 2021. URL: http://arxiv.org/abs/2109.11566.
https:///doi.org/10.3390/math10152601
arXiv: 2109.11566
[20] João Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga e Leo Zhou. O Algoritmo de Otimização Aproximada Quantum em Alta Profundidade para MaxCut em Gráficos Regulares de Girth Grande e o Modelo Sherrington-Kirkpatrick. Em François Le Gall e Tomoyuki Morimae, editores, 17ª Conferência sobre a Teoria da Computação Quântica, Comunicação e Criptografia (TQC 2022), volume 232 de Leibniz International Proceedings in Informatics (LIPIcs), páginas 7:1–7:21, Dagstuhl, Alemanha, 2022. Schloss Dagstuhl – Leibniz-Zentrum für Informatik. URL: https:///drops.dagstuhl.de/opus/volltexte/2022/16514, doi:10.4230/LIPIcs.TQC.2022.7.
https: / / doi.org/ 10.4230 / LIPIcs.TQC.2022.7
https: / / drops.dagstuhl.de/ opus / volltexte / 2022/16514
[21] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G. Rieffel, Davide Venturelli e Rupak Biswas. Do Algoritmo de Otimização Aproximada Quântica a um Ansatz de Operador Alternado Quântico. Algorithms, 12(2):34, fevereiro de 2019. URL: https://www.mdpi.com/1999-4893/12/2/34, doi:10.3390/a12020034.
https: / / doi.org/ 10.3390 / a12020034
https://www.mdpi.com/1999-4893/12/2/34
[22] Ryan LaRose, Eleanor Rieffel e Davide Venturelli. Mixer-Phaser Ansätze para otimização quântica com restrições rígidas. arXiv:2107.06651 [quant-ph], julho de 2021. URL: http://arxiv.org/abs/2107.06651, doi:10.48550/arXiv.2107.06651.
https:///doi.org/10.48550/arXiv.2107.06651
arXiv: 2107.06651
[23] Linghua Zhu, Ho Lun Tang, George S. Barron, FA Calderon-Vargas, Nicholas J. Mayhall, Edwin Barnes e Sophia E. Economou. Algoritmo de otimização aproximada quântica adaptável para resolver problemas combinatórios em um computador quântico. Física Rev. Research, 4(3):033029, julho de 2022. URL: https://link.aps.org/doi/10.1103/PhysRevResearch.4.033029, doi:10.1103/PhysRevResearch.4.033029.
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033029
[24] Stuart Hadfield, Tad Hogg e Eleanor G. Rieffel. Arcabouço Analítico para o Operador Alternativo Quântico Ansätze. arXiv:2105.06996 [quant-ph], maio de 2021. URL: http://arxiv.org/abs/2105.06996, doi:10.48550/arXiv.2105.06996.
https:///doi.org/10.48550/arXiv.2105.06996
arXiv: 2105.06996
[25] Guillaume Verdon, Juan Miguel Arrazola, Kamil Brádler e Nathan Killoran. Um Algoritmo de Otimização Aproximada Quântica para problemas contínuos. arXiv:1902.00409 [quant-ph], fevereiro de 2019. URL: http://arxiv.org/abs/1902.00409, doi:10.48550/arXiv.1902.00409.
https:///doi.org/10.48550/arXiv.1902.00409
arXiv: 1902.00409
[26] Panagiotis Kl Barkoutsos, Giacomo Nannicini, Anton Robert, Ivano Tavernelli e Stefan Woerner. Melhorando a otimização quântica variacional usando CVaR. Quantum, 4:256, abril de 2020. URL: https://quantum-journal.org/papers/q-2020-04-20-256/, doi:10.22331/q-2020-04- 20-256.
https://doi.org/10.22331/q-2020-04-20-256
https: / / quantum-journal.org/ papers / q-2020-04-20-256 /
[27] Ioannis Kolotouros e Petros Wallden. Função objetiva em evolução para otimização quântica variacional aprimorada. Física Rev. Research, 4(2):023225, junho de 2022. URL: https://link.aps.org/doi/10.1103/PhysRevResearch.4.023225, doi:10.1103/PhysRevResearch.4.023225.
https: / / doi.org/ 10.1103 / PhysRevResearch.4.023225
[28] David Amaro, Carlo Modica, Matthias Rosenkranz, Mattia Fiorentini, Marcello Benedetti e Michael Lubasch. Filtragem de algoritmos quânticos variacionais para otimização combinatória. Quantum Science and Technology, 7(1):015021, janeiro de 2022. doi:10.1088/2058-9565/ac3e54.
https://doi.org/10.1088/2058-9565/ac3e54
[29] Daniel J. Egger, Jakub Mareček e Stefan Woerner. Otimização quântica de partida a quente. Quantum, 5:479, junho de 2021. URL: http://dx.doi.org/10.22331/q-2021-06-17-479, doi:10.22331/q-2021-06-17- 479.
https://doi.org/10.22331/q-2021-06-17-479
[30] Stefan H. Sack e Maksim Serbyn. Inicialização de recozimento quântico do algoritmo de otimização aproximada quântica. Quantum, 5:491, julho de 2021. URL: http://dx.doi.org/10.22331/q-2021-07-01-491, doi:10.22331/q-2021-07-01- 491.
https://doi.org/10.22331/q-2021-07-01-491
[31] Gian Giacomo Guerreschi e Mikhail Smelyanskiy. Otimização prática para algoritmos híbridos quântico-clássicos. arXiv:1701.01450 [quant-ph], janeiro de 2017. URL: http://arxiv.org/abs/1701.01450, doi:10.48550/arXiv.1701.01450.
https:///doi.org/10.48550/arXiv.1701.01450
arXiv: 1701.01450
[32] Nikolaj Moll, Panagiotis Barkoutsos, Lev S Bishop, Jerry M Chow, Andrew Cross, Daniel J Egger, Stefan Filipp, Andreas Fuhrer, Jay M Gambetta, Marc Ganzhorn e outros. Otimização quântica usando algoritmos variacionais em dispositivos quânticos de curto prazo. Quantum Science and Technology, 3(3):030503, junho de 2018. URL: http://dx.doi.org/10.1088/2058-9565/aab822, doi:10.1088/2058-9565/ aab822.
https: / / doi.org/ 10.1088 / 2058-9565 / aab822
[33] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev e Prasanna Balaprakash. Otimização de circuitos quânticos variacionais baseados em aprendizado por reforço para problemas combinatórios. arXiv:1911.04574 [quant-ph, stat], novembro de 2019. URL: http://arxiv.org/abs/1911.04574, doi:10.48550/arXiv.1911.04574.
https:///doi.org/10.48550/arXiv.1911.04574
arXiv: 1911.04574
[34] Michael Streif e Martin Leib. Treinando o algoritmo de otimização aproximada quântica sem acesso a uma unidade de processamento quântico. Quantum Science and Technology, 5(3):034008, maio de 2020. doi:10.1088/2058-9565/ab8c2b.
https://doi.org/10.1088/2058-9565/ab8c2b
[35] Leo Zhou, Sheng-Tao Wang, Soonwon Choi, Hannes Pichler e Mikhail D. Lukin. Algoritmo de otimização aproximada quântica: desempenho, mecanismo e implementação em dispositivos de curto prazo. Física Rev. X, 10(2):021067, junho de 2020. URL: https://link.aps.org/doi/10.1103/PhysRevX.10.021067, doi:10.1103/PhysRevX.10.021067.
https: / / doi.org/ 10.1103 / PhysRevX.10.021067
[36] David Amaro, Matthias Rosenkranz, Nathan Fitzpatrick, Koji Hirano e Mattia Fiorentini. Um estudo de caso de algoritmos quânticos variacionais para um problema de agendamento de job shop. EPJ Quantum Technology, 9(1):1–20, dezembro de 2022. URL: https://epjquantumtechnology.springeropen.com/articles/10.1140/epjqt/s40507-022-00123-4, doi: 10.1140/epjqt/s40507-022-00123-4.
https://doi.org/10.1140/epjqt/s40507-022-00123-4
[37] Matthew P. Harrigan, Kevin J. Sung, Matthew Neeley, Kevin J. Satzinger, Frank Arute, Kunal Arya, Juan Atalaya, Joseph C. Bardin, Rami Barends, Sergio Boixo, Michael Broughton, Bob B. Buckley, David A. Buell , Brian Burkett, Nicholas Bushnell, Yu Chen, Zijun Chen, Ben Chiaro, Roberto Collins, William Courtney, Sean Demura, Andrew Dunsworth, Daniel Eppens, Austin Fowler, Brooks Foxen, Craig Gidney, Marissa Giustina, Rob Graff, Steve Habegger, Alan Ho, Sabrina Hong, Trent Huang, LB Ioffe, Sergei V. Isakov, Evan Jeffrey, Zhang Jiang, Cody Jones, Dvir Kafri, Kostyantyn Kechedzhi, Julian Kelly, Seon Kim, Paul V. Klimov, Alexander N. Korotkov, Fedor Kostritsa, David Landhuis, Pavel Laptev, Mike Lindmark, Martin Leib, Orion Martin, John M. Martinis, Jarrod R. McClean, Matt McEwen, Anthony Megrant, Xiao Mi, Masoud Mohseni, Wojciech Mruczkiewicz, Josh Mutus, Ofer Naaman, Charles Neill, Florian Neukart, Murphy Yuezhen Niu, Thomas E. O'Brien, Bryan O'Gorman, Eric Ostby, Andre Petukhov, Harald Putte rman, Chris Quintana, Pedram Roushan, Nicholas C. Rubin, Daniel Sank, Andrea Skolik, Vadim Smelyanskiy, Doug Strain, Michael Streif, Marco Szalay, Amit Vainsencher, Theodore White, Z. Jamie Yao, Ping Yeh, Adam Zalcman, Leo Zhou , Hartmut Neven, Dave Bacon, Erik Lucero, Edward Farhi e Ryan Babbush. Otimização aproximada quântica de problemas de grafos não planares em um processador supercondutor planar. Nature Physics, 17(3):332–336, março de 2021. URL: https://www.nature.com/articles/s41567-020-01105-y, doi:10.1038/s41567-020- 01105-y.
https: / / doi.org/ 10.1038 / s41567-020-01105-y
https: / / www.nature.com/ articles / s41567-020-01105-y
[38] Johannes Weidenfeller, Lucia C. Valor, Julien Gacon, Caroline Tornow, Luciano Bello, Stefan Woerner e Daniel J. Egger. Dimensionamento do algoritmo de otimização aproximada quântica em hardware supercondutor baseado em qubit, fevereiro de 2022. URL: http://arxiv.org/abs/2202.03459, doi:10.48550/arXiv.2202.03459.
https:///doi.org/10.48550/arXiv.2202.03459
arXiv: 2202.03459
[39] Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu e Guo-Ping Guo. Efeitos do Ruído Quântico no Algoritmo de Otimização Aproximada Quântica. Chinese Physics Letters, 38(3):030302, março de 2021. URL: https://doi.org/10.1088/0256-307x/38/3/030302, doi:10.1088/0256- 307X/38/3/030302.
https://doi.org/10.1088/0256-307x/38/3/030302
[40] Jeffrey Marshall, Filip Wudarski, Stuart Hadfield e Tad Hogg. Caracterização de ruído local em circuitos QAOA. IOP SciNotes, 1(2):025208, agosto de 2020. doi:10.1088/2633-1357/abb0d7.
https://doi.org/10.1088/2633-1357/abb0d7
[41] Ryan LaRose. Visão geral e comparação de plataformas de software quântico de nível de portão. Quantum, 3:130, março de 2019. URL: https://quantum-journal.org/papers/q-2019-03-25-130/, doi:10.22331/q-2019-03- 25-130.
https://doi.org/10.22331/q-2019-03-25-130
https: / / quantum-journal.org/ papers / q-2019-03-25-130 /
[42] Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush e Hartmut Neven. Planaltos áridos em paisagens de treinamento de rede neural quântica. Nature Communications, 9(1):4812, novembro de 2018. URL: https://www.nature.com/articles/s41467-018-07090-4, doi:10.1038/s41467-018-07090- 4.
https://doi.org/10.1038/s41467-018-07090-4
https: / / www.nature.com/ articles / s41467-018-07090-4
[43] Roeland Wiersema, Cunlu Zhou, Yvette de Sereville, Juan Felipe Carrasquilla, Yong Baek Kim e Henry Yuen. Explorando Emaranhamento e Otimização no Ansatz Variacional Hamiltoniano. PRX Quantum, 1(2):020319, dezembro de 2020. URL: https://link.aps.org/doi/10.1103/PRXQuantum.1.020319, doi:10.1103/PRXQuantum.1.020319.
https: / / doi.org/ 10.1103 / PRXQuantum.1.020319
[44] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J. Coles. Platôs estéreis dependentes da função de custo em circuitos quânticos parametrizados rasos. Nature Communications, 12(1):1791, março de 2021. URL: https://www.nature.com/articles/s41467-021-21728-w, doi:10.1038/s41467-021-21728- W.
https: / / doi.org/ 10.1038 / s41467-021-21728-w
https:///www.nature.com/articles/s41467-021-21728-w
[45] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles e M. Cerezo. Diagnosticando planaltos estéreis com ferramentas de controle ótimo quântico, março de 2022. URL: http://arxiv.org/abs/2105.14377, doi:10.48550/arXiv.2105.14377.
https:///doi.org/10.48550/arXiv.2105.14377
arXiv: 2105.14377
[46] Xuchen You e Xiaodi Wu. Exponencialmente Muitos Mínimos Locais em Redes Neurais Quânticas. Em Marina Meila e Tong Zhang, editores, Proceedings of the 38th International Conference on Machine Learning, volume 139 de Proceedings of Machine Learning Research, páginas 12144–12155. PMLR, julho de 2021. URL: https://proceedings.mlr.press/v139/you21c.html, doi:10.48550/arXiv.2110.02479.
https:///doi.org/10.48550/arXiv.2110.02479
https:///proceedings.mlr.press/v139/you21c.html
[47] Javier Rivera-Dean, Patrick Huembeli, Antonio Acín e Joseph Bowles. Evitando mínimos locais em Algoritmos Quânticos Variacionais com Redes Neurais. arXiv:2104.02955 [quant-ph], abril de 2021. URL: http://arxiv.org/abs/2104.02955, doi:10.48550/arXiv.2104.02955.
https:///doi.org/10.48550/arXiv.2104.02955
arXiv: 2104.02955
[48] Andrew Arrasmith, Zoe Holmes, Marco Cerezo e Patrick J Coles. Equivalência de planaltos estéreis quânticos à concentração de custos e desfiladeiros estreitos. Quantum Science and Technology, 2022. URL: http://iopscience.iop.org/article/10.1088/2058-9565/ac7d06, doi:10.1088/2058-9565/ac7d06.
https://doi.org/10.1088/2058-9565/ac7d06
[49] James Dborin, Fergus Barratt, Vinul Wimalaweera, Lewis Wright e Andrew G. Green. Pré-treinamento do estado do produto Matrix para aprendizado de máquina quântica. Quantum Science and Technology, 7(3):035014, maio de 2022. doi:10.1088/2058-9565/ac7073.
https: / / doi.org/ 10.1088 / 2058-9565 / ac7073
[50] Guillaume Verdon, Michael Broughton, Jarrod R. McClean, Kevin J. Sung, Ryan Babbush, Zhang Jiang, Hartmut Neven e Masoud Mohseni. Aprender a aprender com redes neurais quânticas por meio de redes neurais clássicas. arXiv:1907.05415 [quant-ph], julho de 2019. URL: http://arxiv.org/abs/1907.05415, doi:10.48550/arXiv.1907.05415.
https:///doi.org/10.48550/arXiv.1907.05415
arXiv: 1907.05415
[51] Frederic Sauvage, Sukin Sim, Alexander A. Kunitsa, William A. Simon, Marta Mauri e Alejandro Perdomo-Ortiz. FLIP: Um inicializador flexível para circuitos quânticos parametrizados de tamanho arbitrário, maio de 2021. arXiv:2103.08572 [quant-ph]. URL: http://arxiv.org/abs/2103.08572, doi:10.48550/arXiv.2103.08572.
https:///doi.org/10.48550/arXiv.2103.08572
arXiv: 2103.08572
[52] Alba Cervera-Lierta, Jakob S. Kottmann e Alán Aspuru-Guzik. Eigensolver quântico metavariacional: Perfis de energia de aprendizado de hamiltonianos parametrizados para simulação quântica. PRX Quantum, 2(2):020329, maio de 2021. URL: https://link.aps.org/doi/10.1103/PRXQuantum.2.020329, doi:10.1103/PRXQuantum.2.020329.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020329
[53] Weichi Yao, Afonso S. Bandeira e Soledad Villar. Desempenho experimental de redes neurais de grafos em instâncias aleatórias de corte máximo. Em Wavelets and Sparsity XVIII, volume 11138, página 111380S. International Society for Optics and Photonics, setembro de 2019. URL: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11138/111380S/Experimental-performance-of-graph-neural- redes-em-instâncias-aleatórias-de/10.1117/12.2529608.short, doi:10.1117/12.2529608.
https: / / doi.org/ 10.1117 / 12.2529608
[54] Quentin Cappart, Didier Chételat, Elias B. Khalil, Andrea Lodi, Christopher Morris e Petar Veličković. Otimização Combinatória e Raciocínio com Redes Neurais Grafo. Em Zhi-Hua Zhou, editor, Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence, IJCAI-21, páginas 4348–4355. International Joint Conferences on Artificial Intelligence Organization, agosto de 2021. doi:10.24963/ijcai.2021/595.
https: / / doi.org/ 10.24963 / ijcai.2021 / 595
[55] James Kotary, Ferdinando Fioretto, Pascal Van Hentenryck e Bryan Wilder. Aprendizagem de otimização restrita de ponta a ponta: uma pesquisa. Em Zhi-Hua Zhou, editor, Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence, IJCAI-21, páginas 4475–4482. International Joint Conferences on Artificial Intelligence Organization, agosto de 2021. doi:10.24963/ijcai.2021/610.
https: / / doi.org/ 10.24963 / ijcai.2021 / 610
[56] Martin JA Schuetz, J. Kyle Brubaker e Helmut G. Katzgraber. Otimização combinatória com redes neurais de grafos inspiradas na física. Nature Machine Intelligence, 4(4):367–377, abril de 2022. URL: https://www.nature.com/articles/s42256-022-00468-6, doi:10.1038/s42256-022 -00468-6.
https://doi.org/10.1038/s42256-022-00468-6
https: / / www.nature.com/ articles / s42256-022-00468-6
[57] Ville Bergholm, Josh Izaac, Maria Schuld, Christian Gogolin, Shahnawaz Ahmed, Vishnu Ajith, M. Sohaib Alam, Guillermo Alonso-Linaje, B. AkashNarayanan, Ali Asadi, Juan Miguel Arrazola, Utkarsh Azad, Sam Banning, Carsten Blank, Thomas R Bromley, Benjamin A. Cordier, Jack Ceroni, Alain Delgado, Olivia Di Matteo, Amintor Dusko, Tanya Garg, Diego Guala, Anthony Hayes, Ryan Hill, Aroosa Ijaz, Theodor Isacsson, David Ittah, Soran Jahangiri, Prateek Jain, Edward Jiang , Ankit Khandelwal, Korbinian Kottmann, Robert A. Lang, Christina Lee, Thomas Loke, Angus Lowe, Keri McKiernan, Johannes Jakob Meyer, JA Montañez-Barrera, Romain Moyard, Zeyue Niu, Lee James O'Riordan, Steven Oud, Ashish Panigrahi , Chae-Yeun Park, Daniel Polatajko, Nicolás Quesada, Chase Roberts, Nahum Sá, Isidor Schoch, Borun Shi, Shuli Shu, Sukin Sim, Arshpreet Singh, Ingrid Strandberg, Jay Soni, Antal Száva, Slimane Thabet, Rodrigo A. Vargas- Hernández, Trevor Vincent, Nicola Vitucci, Maurice Weber, David Wierichs, Roeland Wie rsema, Moritz Willmann, Vincent Wong, Shaoming Zhang e Nathan Killoran. PennyLane: Diferenciação automática de cálculos quântico-clássicos híbridos, julho de 2022. arXiv:1811.04968 [física, física:quant-ph]. URL: http://arxiv.org/abs/1811.04968, doi:10.48550/arXiv.1811.04968.
https:///doi.org/10.48550/arXiv.1811.04968
arXiv: 1811.04968
[58] Michael Broughton, Guillaume Verdon, Trevor McCourt, Antonio J. Martinez, Jae Hyeon Yoo, Sergei V. Isakov, Philip Massey, Ramin Halavati, Murphy Yuezhen Niu, Alexander Zlokapa, Evan Peters, Owen Lockwood, Andrea Skolik, Sofiene Jerbi, Vedran Dunjko , Martin Leib, Michael Streif, David Von Dollen, Hongxiang Chen, Shuxiang Cao, Roeland Wiersema, Hsin-Yuan Huang, Jarrod R. McClean, Ryan Babbush, Sergio Boixo, Dave Bacon, Alan K. Ho, Hartmut Neven e Masoud Mohseni . TensorFlow Quantum: A Software Framework for Quantum Machine Learning, agosto de 2021. arXiv:2003.02989 [cond-mat, physical:quant-ph]. URL: http://arxiv.org/abs/2003.02989, doi:10.48550/arXiv.2003.02989.
https:///doi.org/10.48550/arXiv.2003.02989
arXiv: 2003.02989
[59] Xavier Glorot e Yoshua Bengio. Compreendendo a dificuldade de treinar redes neurais feedforward profundas. Em Yee Whye Teh e Mike Titterington, editores, Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics, volume 9 de Proceedings of Machine Learning Research, páginas 249–256, Chia Laguna Resort, Sardenha, Itália, maio de 2010. PMLR. URL: https:///proceedings.mlr.press/v9/glorot10a.html.
https:///proceedings.mlr.press/v9/glorot10a.html
[60] Michael R. Garey e David S. Johnson. Computadores e intratabilidade; Um guia para a teoria da NP-completude. WH Freeman & Co., EUA, 1990.
[61] Christos H. Papadimitriou e Mihalis Yannakakis. Classes de otimização, aproximação e complexidade. Journal of Computer and System Sciences, 43(3):425–440, dezembro de 1991. URL: https://www.sciencedirect.com/science/article/pii/002200009190023X, doi:10.1016/ 0022-0000(91)90023-X.
https://doi.org/10.1016/0022-0000(91)90023-X
https: / / www.sciencedirect.com/ science / article / pii / 002200009190023X
[62] Subhash Khot. Com o poder de jogos exclusivos de 2 rodada com 1 provadores. Em In Proceedings of the 34th Annual ACM Symposium on Theory of Computing, páginas 767–775. ACM Press, 2002. URL: https://doi.org/10.1145/509907.510017.
https: / / doi.org/ 10.1145 / 509907.510017
[63] Subhash Khot, Guy Kindler, Elchanan Mossel e Ryan O'Donnell. Resultados ótimos de inaproximabilidade para MAX-CUT e outros CSPs de 2 variáveis? SIAM Journal on Computing, 37(1):319–357, janeiro de 2007. URL: https://epubs.siam.org/doi/10.1137/S0097539705447372, doi:10.1137/S0097539705447372.
https: / / doi.org/ 10.1137 / S0097539705447372
[64] Sergey Bravyi, Alexander Kliesch, Robert Koenig e Eugene Tang. Algoritmos híbridos quântico-clássicos para coloração aproximada de grafos. Quantum, 6:678, março de 2022. URL: https://quantum-journal.org/papers/q-2022-03-30-678/, doi:10.22331/q-2022-03- 30-678.
https://doi.org/10.22331/q-2022-03-30-678
https: / / quantum-journal.org/ papers / q-2022-03-30-678 /
[65] Sergey Bravyi, Alexander Kliesch, Robert Koenig e Eugene Tang. Obstáculos à otimização quântica variacional da proteção de simetria. Física Rev. Lett., 125(26):260505, dezembro de 2020. URL: https://link.aps.org/doi/10.1103/PhysRevLett.125.260505, doi:10.1103/PhysRevLett.125.260505.
https: / / doi.org/ 10.1103 / PhysRevLett.125.260505
[66] Michael Overton e Henry Wolkowicz. Programação semidefinida. Mathematical Programming, 77:105–109, April 1997. doi:10.1007/BF02614431.
https: / / doi.org/ 10.1007 / BF02614431
[67] Tadashi Kadowaki e Hidetoshi Nishimori. Recozimento quântico no modelo transversal de Ising. Physical Review E, 58(5):5355–5363, novembro de 1998. URL: http://dx.doi.org/10.1103/PhysRevE.58.5355, doi:10.1103/physreve.58.5355.
https: / / doi.org/ 10.1103 / PhysRevE.58.5355
[68] Philipp Hauke, Helmut G Katzgraber, Wolfgang Lechner, Hidetoshi Nishimori e William D Oliver. Perspectivas de recozimento quântico: métodos e implementações. Reports on Progress in Physics, 83(5):054401, maio de 2020. ab10.1088b1361.
https://doi.org/10.1088/1361-6633/ab85b8
[69] Adam Paszke, Sam Gross, Francisco Massa, Adam Lerer, James Bradbury, Gregory Chanan, Trevor Killeen, Zeming Lin, Natalia Gimelshein, Luca Antiga, Alban Desmaison, Andreas Kopf, Edward Yang, Zachary DeVito, Martin Raison, Alykhan Tejani, Sasank Chilamkurthy , Benoit Steiner, Lu Fang, Junjie Bai e Soumith Chintala. PyTorch: um estilo imperativo, biblioteca de aprendizado profundo de alto desempenho. Em Advances in Neural Information Processing Systems 32, páginas 8024–8035. Curran Associates, Inc., 2019. URL: http://papers.neurips.cc/paper/9015-pytorch-an-imperative-style-high-performance-deep-learning-library.pdf, doi: 10.48550/arXiv.1912.01703.
https:///doi.org/10.48550/arXiv.1912.01703
http://papers.neurips.cc/paper/9015-pytorch-an-imperative-style-high-performance-deep-learning-library.pdf
[70] Martín Abadi, Paul Barham, Jianmin Chen, Zhifeng Chen, Andy Davis, Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Geoffrey Irving, Michael Isard, Manjunath Kudlur, Josh Levenberg, Rajat Monga, Sherry Moore, Derek G. Murray, Benoit Steiner, Paul Tucker, Vijay Vasudevan, Pete Warden, Martin Wicke, Yuan Yu e Xiaoqiang Zheng. TensorFlow: A system for large-scale machine learning, maio de 2016. arXiv:1605.08695 [cs]. URL: http://arxiv.org/abs/1605.08695, doi:10.48550/arXiv.1605.08695.
https:///doi.org/10.48550/arXiv.1605.08695
arXiv: 1605.08695
[71] Franco Scarselli, Marco Gori, Ah Chung Tsoi, Markus Hagenbuchner e Gabriele Monfardini. O modelo de rede neural de gráfico. IEEE Transactions on Neural Networks, 20(1):61–80, janeiro de 2009. doi:10.1109/TNN.2008.2005605.
https: / / doi.org/ 10.1109 / TNN.2008.2005605
[72] Michael M. Bronstein, Joan Bruna, Taco Cohen e Petar Veličković. Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges, maio de 2021. URL: http://arxiv.org/abs/2104.13478, doi:10.48550/arXiv.2104.13478.
https:///doi.org/10.48550/arXiv.2104.13478
arXiv: 2104.13478
[73] Guillaume Verdon, Trevor McCourt, Enxhell Luzhnica, Vikash Singh, Stefan Leichenauer e Jack Hidary. Quantum Graph Neural Networks, setembro de 2019. URL: http://arxiv.org/abs/1909.12264, doi:10.48550/arXiv.1909.12264.
https:///doi.org/10.48550/arXiv.1909.12264
arXiv: 1909.12264
[74] Martín Larocca, Frédéric Sauvage, Faris M. Sbahi, Guillaume Verdon, Patrick J. Coles e M. Cerezo. Aprendizado de Máquina Quântica Invariante em Grupo. PRX Quantum, 3(3):030341, setembro de 2022. Editora: American Physical Society. URL: https:///link.aps.org/doi/10.1103/PRXQuantum.3.030341, doi:10.1103/PRXQuantum.3.030341.
https: / / doi.org/ 10.1103 / PRXQuantum.3.030341
[75] Andrea Skolik, Michele Cattelan, Sheir Yarkoni, Thomas Bäck e Vedran Dunjko. Circuitos quânticos equivariantes para aprendizado em gráficos ponderados, maio de 2022. arXiv:2205.06109 [quant-ph]. URL: http://arxiv.org/abs/2205.06109, doi:10.48550/arXiv.2205.06109.
https:///doi.org/10.48550/arXiv.2205.06109
arXiv: 2205.06109
[76] Petar Veličković, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Liò e Yoshua Bengio. Gráfico Redes de Atenção. In International Conference on Learning Representations, 2018. URL: https://openreview.net/forum?id=rJXMpikCZ, doi:10.48550/arXiv.1710.10903.
https:///doi.org/10.48550/arXiv.1710.10903
https:///openreview.net/forum?id=rJXMpikCZ
[77] Si Zhang, Hanghang Tong, Jiejun Xu e Ross Maciejewski. Graph redes convolucionais: uma revisão abrangente. Redes sociais computacionais, 6(1):11, novembro de 2019. doi:10.1186/s40649-019-0069-y.
https: / / doi.org/ 10.1186 / s40649-019-0069-y
[78] Jie Zhou, Ganqu Cui, Shengding Hu, Zhengyan Zhang, Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li e Maosong Sun. Redes neurais gráficas: uma revisão de métodos e aplicações. AI Open, 1:57–81, janeiro de 2020. URL: https://www.sciencedirect.com/science/article/pii/S2666651021000012, doi:10.1016/j.aiopen.2021.01.001 .
https:///doi.org/10.1016/j.aiopen.2021.01.001
https: / / www.sciencedirect.com/ science / article / pii / S2666651021000012
[79] Zhengdao Chen, Lisha Li e Joan Bruna. Detecção de comunidade supervisionada com redes neurais de gráfico de linha. Na 7ª Conferência Internacional sobre Representações de Aprendizagem, ICLR 2019, Nova Orleans, LA, EUA, 6 a 9 de maio de 2019. OpenReview.net, 2019. URL: https://openreview.net/forum?id=H1g0Z3A9Fm, doi:10.48550/arXiv.1705.08415.
https:///doi.org/10.48550/arXiv.1705.08415
https:///openreview.net/forum?id=H1g0Z3A9Fm
[80] Elias Khalil, Hanjun Dai, Yuyu Zhang, Bistra Dilkina e Le Song. Aprendizagem de Algoritmos de Otimização Combinatória sobre Grafos. Em I. Guyon, UV Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan e R. Garnett, editores, Advances in Neural Information Processing Systems, volume 30. Curran Associates, Inc., 2017. URL : https://proceedings.neurips.cc/paper/2017/file/d9896106ca98d3d05b8cbdf4fd8b13a1-Paper.pdf, doi:10.48550/arXiv.1704.01665.
https:///doi.org/10.48550/arXiv.1704.01665
https://proceedings.neurips.cc/paper/2017/file/d9896106ca98d3d05b8cbdf4fd8b13a1-Paper.pdf
[81] Michel Deudon, Pierre Cournut, Alexandre Lacoste, Yossiri Adulyasak e Louis-Martin Rousseau. Heurísticas de Aprendizagem para o TSP por Gradiente de Política. Em Willem-Jan van Hoeve, editor, Integration of Constraint Programming, Artificial Intelligence, and Operations Research, Lecture Notes in Computer Science, páginas 170–181, Cham, 2018. Springer International Publishing. doi:10.1007/978-3-319-93031-2_12.
https://doi.org/10.1007/978-3-319-93031-2_12
[82] Wouter Kool, Herke van Hoof e Max Welling. Atenção, Aprenda a Resolver Problemas de Roteamento! Na 7ª Conferência Internacional sobre Representações de Aprendizagem, ICLR 2019, Nova Orleans, LA, EUA, 6 a 9 de maio de 2019. OpenReview.net, 2019. URL: https://openreview.net/forum?id=ByxBFsRqYm, doi:10.48550/arXiv.1803.08475.
https:///doi.org/10.48550/arXiv.1803.08475
https:///openreview.net/forum?id=ByxBFsRqYm
[83] Chaitanya K. Joshi, Quentin Cappart, Louis-Martin Rousseau e Thomas Laurent. Aprender o TSP requer repensar a generalização. Em Laurent D. Michel, editor, 27th International Conference on Principles and Practice of Constraint Programming (CP 2021), volume 210 de Leibniz International Proceedings in Informatics (LIPIcs), páginas 33:1–33:21, Dagstuhl, Alemanha, 2021. Schloss Dagstuhl – Leibniz-Zentrum für Informatik. URL: https:///drops.dagstuhl.de/opus/volltexte/2021/15324, doi:10.4230/LIPIcs.CP.2021.33.
https:///doi.org/10.4230/LIPIcs.CP.2021.33
https: / / drops.dagstuhl.de/ opus / volltexte / 2021/15324
[84] Ryan Sweke, Frederik Wilde, Johannes Jakob Meyer, Maria Schuld, Paul K. Fährmann, Barthélémy Meynard-Piganeau e Jens Eisert. Descida de gradiente estocástico para otimização quântica-clássica híbrida. Quantum, 4:314, agosto de 2020. URL: https://quantum-journal.org/papers/q-2020-08-31-314/, doi:10.22331/q-2020-08- 31-314.
https://doi.org/10.22331/q-2020-08-31-314
https: / / quantum-journal.org/ papers / q-2020-08-31-314 /
[85] Jonas M. Kübler, Andrew Arrasmith, Lukasz Cincio e Patrick J. Coles. Um otimizador adaptável para algoritmos variacionais de medição frugal. Quantum, 4:263, maio de 2020. URL: https://quantum-journal.org/papers/q-2020-05-11-263/, doi:10.22331/q-2020-05- 11-263.
https://doi.org/10.22331/q-2020-05-11-263
https: / / quantum-journal.org/ papers / q-2020-05-11-263 /
[86] James Stokes, Josh Izaac, Nathan Killoran e Giuseppe Carleo. Gradiente Natural Quântico. Quantum, 4:269, maio de 2020. URL: https://quantum-journal.org/papers/q-2020-05-25-269/, doi:10.22331/q-2020-05- 25-269.
https://doi.org/10.22331/q-2020-05-25-269
https: / / quantum-journal.org/ papers / q-2020-05-25-269 /
[87] Diederik P. Kingma e Jimmy Ba. Adam: Um Método para Otimização Estocástica. Em Yoshua Bengio e Yann LeCun, editores, 3ª Conferência Internacional sobre Representações de Aprendizagem, ICLR 2015, San Diego, CA, EUA, 7 a 9 de maio de 2015, Conference Track Proceedings, 2015. URL: http://arxiv.org /abs/1412.6980, doi:10.48550/arXiv.1412.6980.
https:///doi.org/10.48550/arXiv.1412.6980
arXiv: 1412.6980
[88] Mateus D. Zeiler. ADADELTA: An Adaptive Learning Rate Method, dezembro de 2012. URL: http://arxiv.org/abs/1212.5701, doi:10.48550/arXiv.1212.5701.
https:///doi.org/10.48550/arXiv.1212.5701
arXiv: 1212.5701
[89] MD Powell. Um Método de Otimização de Busca Direta que Modela as Funções de Objetivo e Restrição por Interpolação Linear. Em Susana Gomez e Jean-Pierre Hennart, editores, Advances in Optimization and Numerical Analysis, páginas 51–67. Springer Netherlands, Dordrecht, 1994. doi: 10.1007/978-94-015-8330-5_4.
https://doi.org/10.1007/978-94-015-8330-5_4
[90] Kevin J. Sung, Jiahao Yao, Matthew P. Harrigan, Nicholas C. Rubin, Zhang Jiang, Lin Lin, Ryan Babbush e Jarrod R. McClean. Usando modelos para melhorar otimizadores para algoritmos quânticos variacionais. Quantum Science and Technology, 5(4):044008, outubro de 2020. doi:10.1088/2058-9565/abb6d9.
https://doi.org/10.1088/2058-9565/abb6d9
[91] Julien Gacon, Christa Zoufal, Giuseppe Carleo e Stefan Woerner. Aproximação estocástica de perturbação simultânea da informação quântica de Fisher. Quantum, 5:567, outubro de 2021. URL: https://quantum-journal.org/papers/q-2021-10-20-567/, doi:10.22331/q-2021-10- 20-567.
https://doi.org/10.22331/q-2021-10-20-567
https: / / quantum-journal.org/ papers / q-2021-10-20-567 /
[92] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac e Nathan Killoran. Avaliando gradientes analíticos em hardware quântico. Física Rev. A, 99(3):032331, março de 2019. URL: https://link.aps.org/doi/10.1103/PhysRevA.99.032331, doi:10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
[93] Ke Li e Jitendra Malik. Learning to Optimize, junho de 2016. arXiv:1606.01885 [cs, math, stat]. URL: http://arxiv.org/abs/1606.01885, doi:10.48550/arXiv.1606.01885.
https:///doi.org/10.48550/arXiv.1606.01885
arXiv: 1606.01885
[94] John Schulman, Filip Wolski, Prafulla Dhariwal, Alec Radford e Oleg Klimov. Proximal Policy Optimization Algorithms, agosto de 2017. arXiv:1707.06347 [cs]. URL: http://arxiv.org/abs/1707.06347, doi:10.48550/arXiv.1707.06347.
https:///doi.org/10.48550/arXiv.1707.06347
arXiv: 1707.06347
[95] Max Wilson, Rachel Stromswold, Filip Wudarski, Stuart Hadfield, Norm M. Tubman e Eleanor G. Rieffel. Otimizando heurística quântica com meta-aprendizagem. Quantum Machine Intelligence, 3(1):13, abril de 2021. doi:10.1007/s42484-020-00022-w.
https: / / doi.org/ 10.1007 / s42484-020-00022-w
[96] Amira Abbas, David Sutter, Christa Zoufal, Aurelien Lucchi, Alessio Figalli e Stefan Woerner. O poder das redes neurais quânticas. Nature Computational Science, 1(6):403–409, junho de 2021. URL: https://www.nature.com/articles/s43588-021-00084-1, doi:10.1038/s43588-021 -00084-1.
https://doi.org/10.1038/s43588-021-00084-1
https: / / www.nature.com/ articles / s43588-021-00084-1
[97] Florent Krzakala, Cristopher Moore, Elchanan Mossel, Joe Neeman, Allan Sly, Lenka Zdeborová e Pan Zhang. Redenção espectral em clustering de redes esparsas. Proceedings of the National Academy of Sciences, 110(52):20935–20940, 2013. URL: https://www.pnas.org/content/110/52/20935, doi:10.1073/ pnas.1312486110.
https: / / doi.org/ 10.1073 / pnas.1312486110
https: / / www.pnas.org/ content / 110/52/20935
Citado por
[1] Stefan H. Sack, Raimel A. Medina, Richard Kueng e Maksym Serbyn, “Estados de transição e exploração gananciosa da paisagem de otimização QAOA”, arXiv: 2209.01159.
[2] Samuel Duffield, Marcello Benedetti e Matthias Rosenkranz, “Aprendizagem Bayesiana de Circuitos Quânticos Parametrizados”, arXiv: 2206.07559.
[3] Brian Coyle, “Aplicações de aprendizado de máquina para computadores quânticos de escala intermediária ruidosa”, arXiv: 2205.09414.
[4] Ohad Amosy, Tamuz Danzig, Ely Porat, Gal Chechik e Adi Makmal, “Algoritmo de otimização aproximada quântica livre de iterações usando redes neurais”, arXiv: 2208.09888.
[5] Ioannis Kolotouros, Ioannis Petrongonas e Petros Wallden, “Computação quântica adiabática com circuitos quânticos parametrizados”, arXiv: 2206.04373.
As citações acima são de SAO / NASA ADS (última atualização com êxito 2022-11-17 14:50:28). A lista pode estar incompleta, pois nem todos os editores fornecem dados de citação adequados e completos.
Não foi possível buscar Dados citados por referência cruzada durante a última tentativa 2022-11-17 14:50:26: Não foi possível buscar os dados citados por 10.22331 / q-2022-11-17-861 do Crossref. Isso é normal se o DOI foi registrado recentemente.
Este artigo é publicado na Quantum sob o Atribuição 4.0 do Creative Commons Internacional (CC BY 4.0) licença. Os direitos autorais permanecem com os detentores originais, como os autores ou suas instituições.
