AI与世界难题 · 量子物理与量子计算 · arXiv · 2026-10-26
通过泡利传播对大型浅层参数化量子电路进行经典预训练并部署到量子硬件上
原标题: Classical Pre-Training of Large Shallow Parametrized Quantum Circuits through Pauli Propagation and deployment on Quantum Hardware
由于参数平移梯度的计算代价过高，而无梯度优化器的收敛保证又很有限，参数化量子电路的规模化十分困难。作者利用泡利传播（Pauli propagation）将可观测量沿电路反向传播，得到一个可完全在经典硬件上最小化的显式损失函数，并通过截断和剪枝保持其可计算性。在64量子比特的VQE和二值图像生成基准测试中，预训练得到的参数被部署到IBM的ibm_berlin处理器上，所用的门数比IQP风格的拟设（ansatz）更少。