1印度理工学院，Roorkee，印度。
2信息学院，爱丁堡大学，EH8 9AB 爱丁堡，英国。
3LIP6，CNRS，索邦大学，4 place Jussieu，75005 巴黎，法国。
觉得本文有趣或想讨论？ 在SciRate上发表评论或发表评论.
抽象
近似组合优化已成为量子计算机最有前途的应用领域之一，尤其是在近期。 在这项工作中，我们专注于解决 MaxCut 问题的量子近似优化算法 (QAOA)。 具体来说，我们解决了 QAOA 中的两个问题，如何初始化算法，以及如何随后训练参数以找到最优解。 对于前者，我们建议将图神经网络 (GNN) 作为 QAOA 的热启动技术。 我们证明将 GNN 与 QAOA 合并可以单独优于这两种方法。 此外，我们还演示了图神经网络如何实现热启动泛化，不仅可以跨图实例，还可以增加图的大小，这是其他热启动方法无法直接使用的功能。 为了训练 QAOA，我们针对最多 16 个量子位的 MaxCut 问题测试了几个优化器，并针对普通梯度下降进行了基准测试。 这些包括量子感知/不可知论和基于机器学习/神经优化器。 后者的例子包括强化和元学习。 通过结合这些初始化和优化工具包，我们展示了如何在端到端可微管道中使用 QAOA 解决优化问题。
►BibTeX数据
►参考
[1] 约翰·普雷斯基尔。 NISQ 时代及以后的量子计算。 量子，2:79，2018 年 2018 月。网址：https:/ / quantum-journal.org/ papers/ q-08-06-79-10.22331/ , doi:2018/ q-08-06- 79-XNUMX。
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 和 Jeremy L. O'Brien。 光子量子处理器上的变分特征值求解器。 Nature Communications，5(1):1–7，2014 年 5213 月。URL：https:/ / www.nature.com/ articles/ ncomms10.1038, doi:5213/ ncommsXNUMX。
https：///doi.org/10.1038/ncomms5213
https：// https：//www.nature.com/articles/ncomms5213
[3] Edward Farhi、Jeffrey Goldstone 和 Sam Gutmann。 一种量子近似优化算法。 arXiv:1411.4028 [quant-ph]，2014 年 1411.4028 月。网址：http:// / arxiv.org/ abs/ 10.48550，doi:1411.4028/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1411.4028
的arXiv：1411.4028
[4] Jarrod R. McClean、Jonathan Romero、Ryan Babbush 和 Alán Aspuru-Guzik。 变分混合量子经典算法理论。 新物理学杂志，18(2):023023，2016 年 XNUMX 月。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 和 Patrick J. Coles。 变分量子算法。 Nature Reviews Physics，3(9):625–644，2021 年 42254 月。URL：https:/ / www.nature.com/ articles/ s021-00348-9-10.1038, doi:42254/ s021-00348 -9-XNUMX。
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、和 Alán Aspuru-Guzik。 嘈杂的中等规模量子算法。 牧师国防部。 物理学，94(1):015004，2022 年 10.1103 月。网址：https://link.aps.org/doi/94.015004/RevModPhys.10.1103，doi:94.015004/RevModPhys.XNUMX。
https：/ / doi.org/ 10.1103 / RevModPhys.94.015004
[7] K. Mitarai、M. Negoro、M. Kitagawa 和 K. Fujii。 量子电路学习。 物理。 修订版 A，98(3)：032309，2018 年 10.1103 月。网址：https://link.aps.org/doi/98.032309/PhysRevA.10.1103，doi:98.032309/PhysRevA.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.98.032309
[8] Edward Farhi 和 Hartmut Neven。 近期处理器上的量子神经网络分类。 arXiv:1802.06002 [quant-ph]，2018 年 1802.06002 月。网址：http:// / arxiv.org/ abs/ 10.48550，doi:1802.06002/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1802.06002
的arXiv：1802.06002
[9] Marcello Benedetti、Erika Lloyd、Stefan Sack 和 Mattia Fiorentini。 作为机器学习模型的参数化量子电路。 量子科学。 技术，4(4):043001，2019 年 XNUMX 月。URL：。
https://doi.org/10.1088/2058-9565/ab4eb5
[10] Francisco Barahona、Martin Grötschel、Michael Jünger 和 Gerhard Reinelt。 组合优化在统计物理学和电路布局设计中的应用。 运筹学，36(3):493–513, 1988。网址：http://jstor.org/stable/170992。
http://jstor.org/stable/170992
[11] Jan Poland 和 Thomas Zeugmann。 聚类具有缺失数据的成对距离：最大切割与归一化切割。 Ljupco Todorovski、Nada Lavrac 和 Klaus P. Jantke，编辑，Discovery Science，第 9 届国际会议，DS 2006，西班牙巴塞罗那，7 年 10 月 2006-4265 日，会议记录，计算机科学讲义第 197 卷，第 208- 2006. 斯普林格，10.1007 年。网址：https:/ / doi.org/ 11893318/ 21_10.1007，doi:11893318/ 21_XNUMX。
https：/ / doi.org/ 10.1007 / 11893318_21
[12] Michael A. Nielsen 和 Isaac L. Chuang。 量子计算和量子信息。 剑桥大学出版社，剑桥； 纽约，10 周年纪念版，2010 年。doi:10.1017/ CBO9780511976667。
https：/ / doi.org/ 10.1017 / CBO9780511976667
[13] 马修 B. 黑斯廷斯。 经典和量子有界深度近似算法。 量子信息计算机, 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 和 Leo Zhou。 无限大小的量子近似优化算法和 Sherrington-Kirkpatrick 模型。 量子，6:759，2022 年 2022 月。网址：https:/ / quantum-journal.org/ papers/ q-07-07-759-10.22331/ , doi:2022/ q-07-07- 759-XNUMX。
https://doi.org/10.22331/q-2022-07-07-759
https：///quantum-journal.org/papers/q-2022-07-07-759/
[15] Daniel Stilck França 和 Raul García-Patrón。 优化算法对嘈杂量子设备的局限性。 自然物理学，17(11):1221–1227，2021 年 41567 月。网址：https:/ / www.nature.com/ articles/ s021-01356-3-10.1038, doi:41567/ s021-01356- 3-XNUMX。
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 和 JD Biamonte。 量子近似优化中的可达性缺陷。 物理。 Rev. Lett.，124(9):090504，2020 年 10.1103 月。URL：https:/ / link.aps.org/ doi/ 124.090504/ PhysRevLett.10.1103，doi:124.090504/ PhysRevLett.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevLett.124.090504
[17] 萨米布勒纳。 用后选择改进量子近似优化算法。 arXiv:2011.05425 [quant-ph]，2020 年 2011.05425 月。URL：http:// / arxiv.org/ abs/ 10.48550，doi:2011.05425/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2011.05425
的arXiv：2011.05425
[18] V. Akshay、D. Rabinovich、E. Campos 和 J. Biamonte。 量子近似优化中的参数集中。 物理评论 A，104(1)：L010401，2021 年 2103.11976 月。网址：http:// / arxiv.org/ abs/ 10.1103，doi:104/ PhysRevA.010401.LXNUMX。
https:/ / doi.org/ 10.1103/ PhysRevA.104.L010401
的arXiv：2103.11976
[19] D. Rabinovich、R. Sengupta、E. Campos、V. Akshay 和 J. Biamonte。 量子近似优化中分析最佳角度的进展。 arXiv:2109.11566 [math-ph, physics:quant-ph]，2021 年 2109.11566 月。URL：http:/ / arxiv.org/ abs/ XNUMX。
https:///doi.org/10.3390/math10152601
的arXiv：2109.11566
[20] Joao Basso、Edward Farhi、Kunal Marwaha、Benjamin Villalonga 和 Leo Zhou。 大周长正则图和 Sherrington-Kirkpatrick 模型上 MaxCut 的高深度量子近似优化算法。 François Le Gall 和 Tomoyuki Morimae，编辑，第 17 届量子计算、通信和密码学理论会议 (TQC 2022)，莱布尼茨国际信息学论文集 (LIPIcs) 第 232 卷，第 7:1–7:21 页，Dagstuhl，德国，2022 年。Schloss Dagstuhl – Leibniz-Zentrum für Informatik。 网址：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 和 Rupak Biswas。 从量子近似优化算法到量子交替算子 Ansatz。 算法，12(2):34，2019 年 1999 月。网址：https:/ / www.mdpi.com/ 4893-12/ 2/ 34/ 10.3390，doi:12020034/ aXNUMX。
https：/ / doi.org/ 10.3390 / a12020034
https://www.mdpi.com/1999-4893/12/2/34
[22] Ryan LaRose、Eleanor Rieffel 和 Davide Venturelli。 Mixer-Phaser Ansätze for Quantum Optimization with Hard Constraints。 arXiv:2107.06651 [quant-ph]，2021 年 2107.06651 月。网址：http:// / arxiv.org/ abs/ 10.48550，doi:2107.06651/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2107.06651
的arXiv：2107.06651
[23] Linghua Zhu、Ho Lun Tang、George S. Barron、FA Calderon-Vargas、Nicholas J. Mayhall、Edwin Barnes 和 Sophia E. Economou。 用于在量子计算机上解决组合问题的自适应量子近似优化算法。 物理。 Rev. Research，4(3):033029，2022 年 10.1103 月。URL：https://link.aps.org/doi/4.033029/PhysRevResearch.10.1103，doi:4.033029/PhysRevResearch.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevResearch.4.033029
[24] Stuart Hadfield、Tad Hogg 和 Eleanor G. Rieffel。 量子交替算子 Ansätze 的分析框架。 arXiv:2105.06996 [quant-ph]，2021 年 2105.06996 月。URL：http:// / arxiv.org/ abs/ 10.48550，doi:2105.06996/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2105.06996
的arXiv：2105.06996
[25] Guillaume Verdon、Juan Miguel Arrazola、Kamil Brádler 和 Nathan Killoran。 连续问题的量子近似优化算法。 arXiv:1902.00409 [quant-ph]，2019 年 1902.00409 月。URL：http:// / arxiv.org/ abs/ 10.48550，doi:1902.00409/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1902.00409
的arXiv：1902.00409
[26] Panagiotis Kl Barkoutsos、Giacomo Nannicini、Anton Robert、Ivano Tavernelli 和 Stefan Woerner。 使用 CVaR 改进变分量子优化。 量子，4:256，2020 年 2020 月。网址：https:/ / quantum-journal.org/ papers/ q-04-20-256-10.22331/ , doi:2020/ q-04-20- 256-XNUMX。
https://doi.org/10.22331/q-2020-04-20-256
https：///quantum-journal.org/papers/q-2020-04-20-256/
[27] Ioannis Kolotouros 和 Petros Wallden。 改进变分量子优化的进化目标函数。 物理。 Rev. Research，4(2):023225，2022 年 10.1103 月。URL：https:/ / link.aps.org/ doi/ 4.023225/ PhysRevResearch.10.1103，doi:4.023225/ PhysRevResearch.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevResearch.4.023225
[28] 大卫·阿马罗、卡洛·莫迪卡、马蒂亚斯·罗森克兰茨、马蒂亚·菲奥伦蒂尼、马塞洛·贝内代蒂和迈克尔·卢巴斯奇。 过滤组合优化的变分量子算法。 量子科学与技术，7(1):015021，2022 年 10.1088 月。doi:2058/ 9565-3/ ac54eXNUMX。
https://doi.org/10.1088/2058-9565/ac3e54
[29] Daniel J. Egger、Jakub Mareček 和 Stefan Woerner。 热启动量子优化。 量子，5:479，2021 年 10.22331 月。网址：http:/ / dx.doi.org/ 2021/ q-06-17-479-10.22331, doi:2021/ q-06-17-479- XNUMX.
https://doi.org/10.22331/q-2021-06-17-479
[30] Stefan H. Sack 和 Maksym Serbyn。 量子近似优化算法的量子退火初始化。 量子，5:491，2021 年 10.22331 月。网址：http:/ / dx.doi.org/ 2021/ q-07-01-491-10.22331, doi:2021/ q-07-01-491- XNUMX.
https://doi.org/10.22331/q-2021-07-01-491
[31] Gian Giacomo Guerreschi 和 Mikhail Smelyanskiy。 混合量子经典算法的实用优化。 arXiv:1701.01450 [quant-ph]，2017 年 1701.01450 月。网址：http:// / arxiv.org/ abs/ 10.48550，doi:1701.01450/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1701.01450
的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 等。 在近期量子设备上使用变分算法进行量子优化。 量子科学与技术, 3(3):030503, June 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 和 Prasanna Balaprakash。 基于强化学习的变分量子电路优化组合问题。 arXiv:1911.04574 [quant-ph, stat]，2019 年 1911.04574 月。URL：http:/ / arxiv.org/ abs/ 10.48550，doi:1911.04574/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1911.04574
的arXiv：1911.04574
[34] 迈克尔·斯特里夫和马丁·莱布。 在不访问量子处理单元的情况下训练量子近似优化算法。 量子科学与技术，5(3):034008，2020 年 10.1088 月。doi:2058/ 9565-8/ ab2cXNUMXb。
https://doi.org/10.1088/2058-9565/ab8c2b
[35] Leo Zhou、Sheng-Tao Wang、Soonwon Choi、Hannes Pichler 和 Mikhail D. Lukin。 量子近似优化算法：近期设备的性能、机制和实现。 物理。 修订版 X，10(2)：021067，2020 年 10.1103 月。网址：https://link.aps.org/doi/10.021067/PhysRevX.10.1103，doi:10.021067/PhysRevX.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevX.10.021067
[36] David Amaro、Matthias Rosenkranz、Nathan Fitzpatrick、Koji Hirano 和 Mattia Fiorentini。 作业车间调度问题的变分量子算法案例研究。 EPJ 量子技术，9(1):1–20，2022 年 10.1140 月。URL：https://epjquantumtechnology.springeropen.com/articles/40507/epjqt/s022-00123-4-10.1140，doi： 40507/epjqt/s022-00123-4-XNUMX。
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 、布赖恩·伯克特、尼古拉斯·布什内尔、陈宇、陈子君、本·基亚罗、罗伯托·柯林斯、威廉·考特尼、肖恩·德穆拉、安德鲁·邓斯沃斯、丹尼尔·埃彭斯、奥斯汀·福勒、布鲁克斯·福克森、克雷格·吉德尼、玛丽莎·朱斯蒂娜、罗伯·格拉夫、史蒂夫·哈贝格、艾伦Ho、Sabrina Hong、Trent Huang、LB Ioffe、Sergei V. Isakov、Evan Jeffrey、张江、Cody Jones、Dvir Kafri、Kostyantyn Kechedzhi、Julian Kelly、Seon Kim、Paul V. Klimov、Alexander N. Korotkov、Fedor Kostritsa、大卫·兰德休斯、帕维尔·拉普捷夫、迈克·林德马克、马丁·莱布、奥里昂·马丁、约翰·M·马丁尼斯、贾罗德·R·麦克莱恩、马特·麦克尤恩、安东尼·梅格兰特、小米、马苏德·穆赫森尼、沃伊切赫·穆鲁兹凯维奇、乔什·穆图斯、奥弗·纳曼、查尔斯·尼尔、弗洛里安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 和 Ryan Babbush。 平面超导处理器上非平面图问题的量子近似优化。 自然物理学，17(3):332–336，2021 年 41567 月。网址：https:/ / www.nature.com/ articles/ s020-01105-10.1038-y, doi:41567/ s020-01105- XNUMX-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 和 Daniel J. Egger。 在基于超导量子比特的硬件上扩展量子近似优化算法，2022 年 2202.03459 月。URL：http://arxiv.org/abs/10.48550，doi：2202.03459/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2202.03459
的arXiv：2202.03459
[39] Cheng Xue、Zhao-Yun Chen、Yu-Chun Wu 和 Guo-Ping Guo。 量子噪声对量子近似优化算法的影响。 Chinese Physics Letters, 38(3):030302, March 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] 杰弗里·马歇尔、菲利普·乌达斯基、斯图尔特·哈德菲尔德和泰德·霍格。 表征 QAOA 电路中的局部噪声。 IOP SciNotes，1(2):025208，2020 年 10.1088 月。doi:2633/1357-0/abb7dXNUMX。
https://doi.org/10.1088/2633-1357/abb0d7
[41] 瑞安·拉罗斯。 门级量子软件平台的概述和比较。 量子，3:130，2019 年 2019 月。网址：https:/ / quantum-journal.org/ papers/ q-03-25-130-10.22331/ , doi:2019/ q-03-25- 130-XNUMX。
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 和 Hartmut Neven。 量子神经网络训练景观中的贫瘠高原。 Nature Communications, 9(1):4812, November 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 和 Henry Yuen。 探索 Hamiltonian Variational Ansatz 中的纠缠和优化。 PRX Quantum，1(2):020319，2020 年 10.1103 月。URL：https://link.aps.org/doi/1.020319/PRXQuantum.10.1103，doi:1.020319/PRXQuantum.XNUMX。
https：/ / doi.org/ 10.1103 / PRXQuantum.1.020319
[44] M. Cerezo、Akira Sone、Tyler Volkoff、Lukasz Cincio 和 Patrick J. Coles。 浅层参数化量子电路中成本函数相关的贫瘠高原。 Nature Communications，12(1):1791，2021 年 41467 月。网址：https:/ / www.nature.com/ articles/ s021-21728-10.1038-w, doi:41467/ s021-21728-XNUMX- 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 和 M. Cerezo。 使用量子最优控制工具诊断贫瘠高原，2022 年 2105.14377 月。URL：http://arxiv.org/abs/10.48550，doi：2105.14377/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2105.14377
的arXiv：2105.14377
[46] 尤旭辰和吴晓迪。 量子神经网络中的指数级局部极小值。 由 Marina Meila 和 Tong Zhang 编辑，第 38 届国际机器学习会议论文集，机器学习研究论文集第 139 卷，第 12144-12155 页。 PMLR，2021 年 139 月。网址：https:/ / proceedings.mlr.press/ v21/ you10.48550c.html, doi:2110.02479/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2110.02479
https:///proceedings.mlr.press/v139/you21c.html
[47] Javier Rivera-Dean、Patrick Huembeli、Antonio Acín 和 Joseph Bowles。 使用神经网络避免变分量子算法中的局部最小值。 arXiv:2104.02955 [quant-ph]，2021 年 2104.02955 月。URL：http:// / arxiv.org/ abs/ 10.48550，doi:2104.02955/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2104.02955
的arXiv：2104.02955
[48] Andrew Arrasmith、Zoe Holmes、Marco Cerezo 和 Patrick J Coles。 量子贫瘠高原等价于成本集中和狭窄的峡谷。 量子科学与技术，2022。网址：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 和 Andrew G. Green。 用于量子机器学习的矩阵乘积状态预训练。 量子科学与技术，7(3):035014，2022 年 10.1088 月。doi:2058/ 9565-7073/ acXNUMX。
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 和 Masoud Mohseni。 学习通过经典神经网络学习量子神经网络。 arXiv:1907.05415 [quant-ph]，2019 年 1907.05415 月。URL：http:// / arxiv.org/ abs/ 10.48550，doi:1907.05415/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1907.05415
的arXiv：1907.05415
[51] Frederic Sauvage、Sukin Sim、Alexander A. Kunitsa、William A. Simon、Marta Mauri 和 Alejandro Perdomo-Ortiz。 FLIP：用于任意大小参数化量子电路的灵活初始化程序，2021 年 2103.08572 月。arXiv：2103.08572 [quant-ph]。 网址：http://arxiv.org/abs/10.48550，doi:2103.08572/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2103.08572
的arXiv：2103.08572
[52] Alba Cervera-Lierta、Jakob S. Kottmann 和 Alán Aspuru-Guzik。 元变分量子本征求解器：学习用于量子模拟的参数化哈密顿量的能量分布。 PRX Quantum，2(2):020329，2021 年 10.1103 月。URL：https://link.aps.org/doi/2.020329/PRXQuantum.10.1103，doi:2.020329/PRXQuantum.XNUMX。
https：/ / doi.org/ 10.1103 / PRXQuantum.2.020329
[53] Weichi Yao、Afonso S. Bandeira 和 Soledad Villar。 图神经网络在最大切割随机实例上的实验性能。 在 Wavelets and Sparsity XVIII，第 11138 卷，第 111380S 页。 国际光学与光子学学会，2019 年 11138 月。网址：https:/ / www.spiedigitallibrary.org/ conference-proceedings-of-spie/ 111380/ 10.1117S/ Experimental-performance-of-graph-neural- networks-on-random-instances-of/ 12.2529608/ 10.1117.short, doi:12.2529608/ XNUMX.
https：/ / doi.org/10.1117/ 12.2529608
[54] Quentin Cappart、Didier Chételat、Elias B. Khalil、Andrea Lodi、Christopher Morris 和 Petar Veličković。 图神经网络的组合优化和推理。 在 Zhi-Hua Zhou，编辑，第 21 届国际人工智能联合会议论文集，IJCAI-4348，第 4355-2021 页。 人工智能组织国际联合会议，10.24963 年 2021 月。doi:595/ ijcai.XNUMX/ XNUMX。
https:/ / doi.org/ 10.24963/ ijcai.2021/ 595
[55] 詹姆斯·科塔里、费迪南多·菲奥雷托、帕斯卡·范·亨腾瑞克和布莱恩·怀尔德。 端到端约束优化学习：一项调查。 在 Zhi-Hua Zhou，编辑，第 21 届国际人工智能联合会议论文集，IJCAI-4475，第 4482-2021 页。 人工智能组织国际联合会议，10.24963 年 2021 月。doi:610/ ijcai.XNUMX/ XNUMX。
https:/ / doi.org/ 10.24963/ ijcai.2021/ 610
[56] Martin JA Schuetz、J. Kyle Brubaker 和 Helmut G. Katzgraber。 使用受物理学启发的图神经网络进行组合优化。 自然机器智能，4(4):367–377，2022 年 42256 月。网址：https://www.nature.com/articles/s022-00468-6-10.1038，doi:42256/s022-00468 -6-XNUMX。
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-埃尔南德斯、特雷弗·文森特、尼古拉·维图奇、莫里斯·韦伯、大卫·维里希斯、罗兰·魏rsema、Moritz Willmann、Vincent Wong、Shaoming Zhang 和 Nathan Killoran。 PennyLane：混合量子经典计算的自动微分，2022 年 1811.04968 月。arXiv：1811.04968 [物理学，物理学：量子 ph]。 网址：http://arxiv.org/abs/10.48550，doi:1811.04968/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1811.04968
的arXiv：1811.04968
[58] 迈克尔·布劳顿、纪尧姆·维登、特雷弗·麦考特、安东尼奥·J·马丁内斯、柳宰贤、谢尔盖·V·伊萨科夫、菲利普·马西、拉明·哈拉瓦蒂、墨菲·纽悦珍、亚历山大·兹洛卡帕、埃文·彼得斯、欧文·洛克伍德、安德里亚·斯科利克、索菲妮·杰尔比、韦德兰·杜尼科, 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, 和 Masoud Mohseni . TensorFlow Quantum：量子机器学习的软件框架，2021 年 2003.02989 月。arXiv:2003.02989 [cond-mat, physics:quant-ph]。 网址：http://arxiv.org/abs/10.48550，doi:2003.02989/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2003.02989
的arXiv：2003.02989
[59] Xavier Glorot 和 Yoshua Bengio。 了解训练深度前馈神经网络的难度。 载于 Yee Whye Teh 和 Mike Titterington，编辑，第十三届人工智能和统计国际会议论文集，机器学习研究论文集第 9 卷，第 249-256 页，意大利撒丁岛嘉拉古纳度假村，2010 年 9 月。PMLR。 网址：https://proceedings.mlr.press/v10/glorotXNUMXa.html。
https:// / proceedings.mlr.press/ v9/ glorot10a.html
[60] Michael R. Garey 和 David S. Johnson。 计算机和顽固性； NP 完全性理论指南。 WH 弗里曼公司，美国，1990 年。
[61] Christos H. Papadimitriou 和 Mihalis Yannakakis。 优化、近似和复杂性类。 计算机与系统科学杂志，43(3):425–440，1991 年 002200009190023 月。网址：https:/ / www.sciencedirect.com/ science/ article/ pii/ 10.1016X, doi:0022/ 0000-91(90023)XNUMX-X。
https://doi.org/10.1016/0022-0000(91)90023-X
https:/ / www.sciencedirect.com/ science/ article/ pii/ 002200009190023X
[62] 苏巴什·霍特。 关于独特的 2-prover 1 轮游戏的力量。 在第 34 届 ACM 计算理论年度研讨会论文集中，第 767-775 页。 ACM 出版社，2002 年。网址：https:/ / doi.org/ 10.1145/ 509907.510017。
https：/ / doi.org/10.1145/ 509907.510017
[63] Subhash Khot、Guy Kindler、Elchanan Mossel 和 Ryan O'Donnell。 MAX-CUT 和其他 2 变量 CSP 的最佳不可近似性结果？ SIAM Journal on Computing，37(1):319–357，2007 年 10.1137 月。URL：https://epubs.siam.org/doi/0097539705447372/S10.1137，doi:0097539705447372/SXNUMX。
https：/ / doi.org/ 10.1137 / S0097539705447372
[64] Sergey Bravyi、Alexander Kliesch、Robert Koenig 和 Eugene Tang。 用于近似图形着色的混合量子经典算法。 量子，6:678，2022 年 2022 月。网址：https:/ / quantum-journal.org/ papers/ q-03-30-678-10.22331/ , doi:2022/ q-03-30- 678-XNUMX。
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 和 Eugene Tang。 对称保护对变分量子优化的障碍。 物理。 Rev. Lett.，125(26):260505，2020 年 10.1103 月。URL：https:/ / link.aps.org/ doi/ 125.260505/ PhysRevLett.10.1103, doi:125.260505/ PhysRevLett.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevLett.125.260505
[66] Michael Overton 和 Henry Wolkowicz。 半定规划。 数学规划，77:105–109，1997 年 10.1007 月。doi:02614431/ BFXNUMX。
https：/ / doi.org/ 10.1007 / BF02614431
[67] 门胁正志和西森英寿。 横向伊辛模型中的量子退火。 Physical Review E, 58(5):5355–5363, November 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 和 William D Oliver。 量子退火的观点：方法和实现。 物理学进展报告，83(5):054401，2020 年 10.1088 月。网址：http:// / dx.doi.org/ 1361/ 6633-85/ ab8b10.1088, doi:1361/ 6633-85/ ab8bXNUMX。
https://doi.org/10.1088/1361-6633/ab85b8
[69] 亚当·帕斯克、山姆·格罗斯、弗朗西斯科·马萨、亚当·莱尔、詹姆斯·布拉德伯里、格雷戈里·查南、特雷弗·基林、林泽明、娜塔莉亚·吉梅尔申、卢卡·安提加、阿尔班·德斯梅森、安德烈亚斯·科普夫、爱德华·杨、扎克瑞·德维托、马丁·雷森、阿里汗·特贾尼、萨桑克·奇拉姆库西、Benoit Steiner、Lu Fang、Junjie Bai 和 Soumith Chintala。 PyTorch：一种命令式的高性能深度学习库。 神经信息处理系统进展 32，第 8024-8035 页。 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] 马丁·阿巴迪、保罗·巴勒姆、陈建民、陈志峰、安迪·戴维斯、杰弗里·迪恩、马蒂厄·德文、桑杰·格玛瓦特、杰弗里·欧文、迈克尔·伊萨德、曼朱纳斯·库德鲁、乔什·莱文伯格、拉贾特·蒙加、雪莉·摩尔、德里克·G·穆雷、伯努瓦·施泰纳、 Paul Tucker、Vijay Vasudevan、Pete Warden、Martin Wicke、Yuan Yu 和 Xiaoqiang Zheng。 TensorFlow：大规模机器学习系统，2016 年 1605.08695 月。arXiv：1605.08695 [cs]。 网址：http://arxiv.org/abs/10.48550，doi:1605.08695/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1605.08695
的arXiv：1605.08695
[71] Franco Scarselli、Marco Gori、Ah Chung Tsoi、Markus Hagenbuchner 和 Gabriele Monfardini。 图神经网络模型。 IEEE 神经网络汇刊，20(1):61–80，2009 年 10.1109 月。doi:2008.2005605/ TNN.XNUMX。
https：///doi.org/10.1109/TNN.2008.2005605
[72] Michael M. Bronstein、Joan Bruna、Taco Cohen 和 Petar Veličković。 几何深度学习：网格、组、图、测地线和仪表，2021 年 2104.13478 月。URL：http://arxiv.org/abs/10.48550，doi：2104.13478/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2104.13478
的arXiv：2104.13478
[73] Guillaume Verdon、Trevor McCourt、Enxhell Luzhnica、Vikash Singh、Stefan Leichenauer 和 Jack Hidary。 量子图神经网络，2019 年 1909.12264 月。URL：http:/ / arxiv.org/ abs/ 10.48550，doi:1909.12264/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1909.12264
的arXiv：1909.12264
[74] Martín Larocca、Frédéric Sauvage、Faris M. Sbahi、Guillaume Verdon、Patrick J. Coles 和 M. Cerezo。 群不变量子机器学习。 PRX Quantum，3(3):030341，2022 年 10.1103 月。出版商：美国物理学会。 网址：https://link.aps.org/doi/3.030341/PRXQuantum.10.1103，doi:3.030341/PRXQuantum.XNUMX。
https：/ / doi.org/ 10.1103 / PRXQuantum.3.030341
[75] Andrea Skolik、Michele Cattelan、Sheir Yarkoni、Thomas Bäck 和 Vedran Dunjko。 用于学习加权图的等变量子电路，2022 年 2205.06109 月。arXiv：2205.06109 [quant-ph]。 网址：http://arxiv.org/abs/10.48550，doi:2205.06109/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.2205.06109
的arXiv：2205.06109
[76] Petar Veličković、Guillem Cucurull、Arantxa Casanova、Adriana Romero、Pietro Liò 和 Yoshua Bengio。 图注意网络。 在国际学习表示会议上，2018 年。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 和 Ross Maciejewski。 图卷积网络：全面回顾。 计算社交网络，6(1):11，2019 年 10.1186 月。doi:40649/ s019-0069-XNUMX-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, and Maosong Sun. 图神经网络：方法和应用综述。 AI Open，1:57–81，2020 年 2666651021000012 月。网址：https:/ / www.sciencedirect.com/ science/ article/ pii/ S10.1016, doi:2021.01.001/ j.aiopen.XNUMX .
https://doi.org/10.1016/j.aiopen.2021.01.001
https：///www.sciencedirect.com/science/article/pii/S2666651021000012
[79] 陈正道、李丽莎和琼·布鲁纳。 使用线图神经网络进行监督社区检测。 在第 7 届国际学习表征会议上，ICLR 2019，美国路易斯安那州新奥尔良，6 年 9 月 2019 日至 2019 日。OpenReview.net，1。网址：https://openreview.net/forum?id=H0g3Z9A10.48550Fm， doi:1705.08415/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1705.08415
https://openreview.net/forum?id=H1g0Z3A9Fm
[80] Elias Khalil、Hanjun Dai、Yuyu Zhang、Bistra Dilkina 和 Le Song。 在图上学习组合优化算法。 I. Guyon、UV Luxburg、S. Bengio、H. Wallach、R. Fergus、S. Vishwanathan 和 R. Garnett，编辑，神经信息处理系统进展，第 30 卷。Curran Associates, Inc.，2017 年。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 和 Louis-Martin Rousseau。 通过策略梯度学习 TSP 的启发式方法。 在 Willem-Jan van Hoeve，编辑，Integration of Constraint Programming, Artificial Intelligence, and Operations Research, Lecture Notes in Computer Science, pages 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 和 Max Welling。 注意，学会解决路由问题！ 在第 7 届国际学习表征会议上，ICLR 2019，美国路易斯安那州新奥尔良，6 年 9 月 2019 日至 2019 日。OpenReview.net，10.48550。网址：https://openreview.net/forum?id=ByxBFsRqYm， doi:1803.08475/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1803.08475
https:// / openreview.net/ forum?id=ByxBFsRqYm
[83] Chaitanya K. Joshi、Quentin Cappart、Louis-Martin Rousseau 和 Thomas Laurent。 学习 TSP 需要重新思考泛化。 摘自第 27 届约束规划原则与实践国际会议 (CP 2021) 编辑 Laurent D. Michel，莱布尼茨国际信息学论文集 (LIPIcs) 第 210 卷，第 33:1–33:21 页，Dagstuhl，德国，2021 年。 Schloss Dagstuhl – Leibniz-Zentrum für Informatik。 网址：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 和 Jens Eisert。 混合量子经典优化的随机梯度下降。 量子，4:314，2020 年 2020 月。网址：https:/ / quantum-journal.org/ papers/ q-08-31-314-10.22331/ , doi:2020/ q-08-31- 314-XNUMX。
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 和 Patrick J. Coles。 用于测量节俭变分算法的自适应优化器。 量子，4:263，2020 年 2020 月。网址：https:/ / quantum-journal.org/ papers/ q-05-11-263-10.22331/ , doi:2020/ q-05-11- 263-XNUMX。
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 和 Giuseppe Carleo。 量子自然梯度。 量子，4:269，2020 年 2020 月。网址：https:/ / quantum-journal.org/ papers/ q-05-25-269-10.22331/ , doi:2020/ q-05-25- 269-XNUMX。
https://doi.org/10.22331/q-2020-05-25-269
https：///quantum-journal.org/papers/q-2020-05-25-269/
[87] Diederik P. Kingma 和 Jimmy Ba。 Adam：一种随机优化方法。 由 Yoshua Bengio 和 Yann LeCun 编辑，第三届国际学习表征会议，ICLR 3，美国加利福尼亚州圣地亚哥，2015 年 7 月 9 日至 2015 日，会议论文集，2015。网址：http:// / arxiv.org / abs/ 1412.6980，doi:10.48550/ arXiv.1412.6980。
https://doi.org/10.48550/arXiv.1412.6980
的arXiv：1412.6980
[88] 马修·D·齐勒。 ADADELTA：一种自适应学习率方法，2012 年 1212.5701 月。URL：http:// / arxiv.org/ abs/ 10.48550，doi:1212.5701/ arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1212.5701
的arXiv：1212.5701
[89] MJD 鲍威尔。 一种通过线性插值对目标函数和约束函数进行建模的直接搜索优化方法。 Susana Gomez 和 Jean-Pierre Hennart 编辑，优化和数值分析进展，第 51-67 页。 斯普林格荷兰，多德雷赫特，1994 年。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 和 Jarrod R. McClean。 使用模型改进变分量子算法的优化器。 量子科学与技术，5(4):044008，2020 年 10.1088 月。doi:2058/ 9565-6/ abb9dXNUMX。
https://doi.org/10.1088/2058-9565/abb6d9
[91] Julien Gacon、Christa Zoufal、Giuseppe Carleo 和 Stefan Woerner。 量子 Fisher 信息的同时扰动随机逼近。 量子，5:567，2021 年 2021 月。网址：https:/ / quantum-journal.org/ papers/ q-10-20-567-10.22331/ , doi:2021/ q-10-20- 567-XNUMX。
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 和 Nathan Killoran。 评估量子硬件上的解析梯度。 物理。 修订版 A，99(3)：032331，2019 年 10.1103 月。网址：https://link.aps.org/doi/99.032331/PhysRevA.10.1103，doi:99.032331/PhysRevA.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.99.032331
[93] Ke Li 和 Jitendra Malik。 学习优化，2016 年 1606.01885 月。arXiv:1606.01885 [cs, math, stat]。 网址：http://arxiv.org/abs/10.48550，doi:1606.01885/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1606.01885
的arXiv：1606.01885
[94] John Schulman、Filip Wolski、Prafulla Dhariwal、Alec Radford 和 Oleg Klimov。 近端策略优化算法，2017 年 1707.06347 月。arXiv:1707.06347 [cs]。 网址：http://arxiv.org/abs/10.48550，doi：1707.06347/arXiv.XNUMX。
https://doi.org/10.48550/arXiv.1707.06347
的arXiv：1707.06347
[95] Max Wilson、Rachel Stromswold、Filip Wudarski、Stuart Hadfield、Norm M. Tubman 和 Eleanor G. Rieffel。 使用元学习优化量子启发式算法。 量子机器智能，3(1):13，2021 年 10.1007 月。doi:42484/ s020-00022-XNUMX-w。
https：/ / doi.org/ 10.1007 / s42484-020-00022-w
[96] Amira Abbas、David Sutter、Christa Zoufal、Aurelien Lucchi、Alessio Figalli 和 Stefan Woerner。 量子神经网络的力量。 自然计算科学，1(6):403–409，2021 年 43588 月。网址：https:/ / www.nature.com/ articles/ s021-00084-1-10.1038, doi:43588/ s021-00084 -1-XNUMX。
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 和 Pan Zhang。 聚类稀疏网络中的频谱赎回。 美国国家科学院院刊，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
被引用
[1] Stefan H. Sack、Raimel A. Medina、Richard Kueng 和 Maksym Serbyn，“QAOA 优化景观的过渡状态和贪婪探索”， 的arXiv：2209.01159.
[2] Samuel Duffield、Marcello Benedetti 和 Matthias Rosenkranz，“参数化量子电路的贝叶斯学习”， 的arXiv：2206.07559.
[3] Brian Coyle，“用于嘈杂的中等规模量子计算机的机器学习应用”， 的arXiv：2205.09414.
[4] Ohad Amosy、Tamuz Danzig、Ely Porat、Gal Chechik 和 Adi Makmal，“使用神经网络的无迭代量子近似优化算法”， 的arXiv：2208.09888.
[5] Ioannis Kolotouros、Ioannis Petrongonas 和 Petros Wallden，“具有参数化量子电路的绝热量子计算”， 的arXiv：2206.04373.
以上引用来自 SAO / NASA广告 （最近成功更新为2022-11-17 14:50:28）。 该列表可能不完整，因为并非所有发布者都提供合适且完整的引用数据。
无法获取 Crossref引用的数据 在上一次尝试2022-11-17 14:50:26期间：无法从Crossref获取10.22331 / q-2022-11-17-861的引用数据。 如果DOI是最近注册的，这是正常的。
该论文发表在《量子》杂志上 国际知识共享署名署名4.0（CC BY 4.0） 执照。 版权归原始版权持有者所有，例如作者或其所在机构。
