Quantum Hamiltonian Descent

新的量子算法在量子计算机上完全训练参数化电路

研究人员引入了一种新颖的连续优化量子算法——量子哈密顿量下降法（QHD）。与仅将量子计算机用于成本函数评估的传统方法不同，QHD将参数视为成本函数势能景观中量子粒子的位置。这种新方法使得整个训练过程可以在量子计算机上进行，通过相干地控制第二个寄存器（其量子比特编码参数）来实现。该方法为平滑周期性扩展提供了与网格分辨率无关的误差界限，并有望提高参数化电路找到全局最小值的概率。