AI 與世界的難題 · 量子物理與量子運算 · arXiv · 2026-10-26
透過 Pauli 傳播對大型淺層參數化量子電路進行古典預訓練,並部署於量子硬體
原標題: Classical Pre-Training of Large Shallow Parametrized Quantum Circuits through Pauli Propagation and deployment on Quantum Hardware
擴展參數化量子電路十分困難，因為參數位移梯度的計算成本過高，而無梯度最佳化器的收斂保證又有限。作者利用 Pauli 傳播將可觀測量沿電路反向推移，得到可完全在古典硬體上最小化的明確損失函數，並透過截斷與剪枝維持其可計算性。在 64 量子位元的 VQE 與二值影像生成基準測試中，預訓練參數被部署到 IBM 的 ibm_berlin 處理器上，所用的閘數比 IQP 風格的 ansatz 更少。