用于实际量子误差缓解的机器学习

1. 量子机器学习。自然 第549章，195-202 (2017)。

   文章一个 谷歌学术一个 

2. 戴利，A.J.等人。量子模拟中的实用量子优势。自然 607，667–676 (2022)。

   文章一个 谷歌学术一个 

3. Campbell, E. T.、Terhal, B. M. 和 Vuillot, C. 通往容错通用量子计算的道路。自然 第549章，172–179（2017）。

   文章一个 谷歌学术一个 

4. Bravyi, S.、Dial, O.、Gambetta, J. M.、Gil、Dario 和 Nazario, Z。超导量子位量子计算的未来。J.应用程序。物理。 132，160902（2022）。

   文章一个 谷歌学术一个 

5. 蔡，Z.等人。减轻量子误差。修订版模组。物理。 95，045005（2023）。

   文章一个 数学科学网一个 谷歌学术一个 

6. 坎达拉，A.等人。错误缓解扩展了噪声量子处理器的计算范围。自然 第567章，491–495 (2019)。

   文章一个 谷歌学术一个 

7. van den Berg, E.、Minev, Z. K.、Kandala, A. 和 Temme, K. 在噪声量子处理器上使用稀疏 Pauli–Lindblad 模型进行概率误差消除。纳特。物理。 19 号，1116 - 1121 (2023)。

   文章一个 谷歌学术一个 

8. 金，Y.等人。噪声量子电路的可扩展错误缓解产生了有竞争力的期望值。纳特。物理。 19 号，752–759 (2023)。

   文章一个 谷歌学术一个 

9. 金，Y.等人。量子计算在容错之前的实用性的证据。自然 618，500–505 (2023)。

   文章一个 谷歌学术一个 

10. Temme, K.、Bravyi, S. 和 Gambetta, J. M. 短深度量子电路的误差缓解。物理。莱特牧师。 119，180509（2017）。

    文章一个 数学科学网一个 谷歌学术一个 

11. Li, Y. & Benjamin, S. C. 结合主动误差最小化的高效变分量子模拟器。物理。修订版 X 7，021050（2017）。

    谷歌学术一个 

12. Tsubouchi, K.、Sakawa, T. 和 Yoshioka, N. 基于量子估计理论的量子误差缓解的通用成本界限。物理。莱特牧师。 131，210601（2023）。

    文章一个 数学科学网一个 谷歌学术一个 

13. Quek，Y.等人。量子误差缓解的限制呈指数级更严格。纳特。物理。 20，1648 年至 1658 年 (2024 年)。

14. Takagi, R.、Tajima, H. 和 Gu, M. 量子误差缓解的通用采样下限。物理。莱特牧师。 131，210602（2023）。

15. Kim, C.、Park, K. D. 和 Rhee, J.-K.使用人工神经网络减轻量子误差。IEEE接入 8，188853 – 188860 (2020)。

    文章一个 谷歌学术一个 

16. Czarnik, P.、Arrasmith, A.、Coles, P. J. 和 Cincio, L. 使用 Clifford 量子电路数据缓解错误。量子 5，592（2021）。

    文章一个 谷歌学术一个 

17. Czarnik, P.、McKerns, M.、Sornborger, A.T.& Cincio, L. 提高基于学习的错误缓解的效率。预印本于https://arxiv.org/abs/2204.07109（2022）。

18. Bennewitz, E. R.、Hopfmueller, F.、Kulchytskyy, B.、Carrasquilla, J. 和 Ronagh, P. 近期量子模拟的神经误差缓解。纳特。马赫。英特尔。 4，618–624 (2022)。

    文章一个 谷歌学术一个 

19. Patel, T. 和 Tiwari, D. QRAFT：反转你的量子电路并知道正确的程序输出。在过程。第 26 届 ACM 编程语言和操作系统架构支持国际会议443–455 (2021)。

20. Strikis, A.、Qin, D.、Chen, Y.、Benjamin, S. C. 和 Li, Y. 基于学习的量子误差缓解。PRX量子 2，040330（2021）。

    文章一个 谷歌学术一个 

21. 什坦科，O.等人。揭示量子多体动力学中的局部可积性。预印本于https://arxiv.org/abs/2307.07552v1（2023）。

22. 黄，H.-Y。等人。量子机器学习中数据的力量。纳特。交流。 12，2631（2021）。

    文章一个 谷歌学术一个 

23. Huang, H.-Y.、Kueng, R.、Torlai, G.、Albert, V. V. 和 Preskill, J. 针对量子多体问题的可证明有效的机器学习。科学 第377章，eabk3333 (2022)。

    文章一个 数学科学网一个 谷歌学术一个 

24. Ezzell, N.、Pokharel, B.、Tewala, L.、Quiroz, G. 和 Lidar, D. A. 超导量子位的动态解耦：性能调查。物理。应用修订版 20，064027（2023）。

25. Pokharel, B. 和 Lidar, D. A. 算法量子加速演示。物理。莱特牧师。 130，210602（2023）。

    文章一个 数学科学网一个 谷歌学术一个 

26. 赛义夫，A.等人。通过上下文感知编译抑制量子计算机中的相关噪声。在第 51 届计算机体系结构国际研讨会310–324（ISCA，2024）。

27. Bennett，C.H. 等人。通过噪声通道净化噪声纠缠和忠实传送。物理。莱特牧师。 76，722（1996）。

    文章一个 谷歌学术一个 

28. Wallman, J. J. 和 Emerson, J. 通过随机编译进行可扩展量子计算的噪声定制。物理。修订版A 94，052325（2016）。

    文章一个 谷歌学术一个 

29. 哈希姆，A.等人。在噪声超导量子处理器上进行可扩展量子计算的随机编译。物理。修订版 X 11，041039（2021）。

    谷歌学术一个 

30. van den Berg, E.、Minev, Z. K. 和 Temme, K. 量子期望值的无模型读出误差缓解。物理。修订版A 105，032620（2022）。

    文章一个 数学科学网一个 谷歌学术一个 

31. 洛，A.等人。数据驱动的量子错误缓解的统一方法。物理。修订版研究。 3，033098（2021）。

    文章一个 谷歌学术一个 

32. Kingma, D. P. 和 Ba, J. Adam：一种随机优化方法。预印本于https://arxiv.org/abs/1412.6980（2015）。

33. Ying，R.等人。用于网络规模推荐系统的图卷积神经网络。在过程。第24届ACM SIGKDD知识发现与数据挖掘国际会议974 - 983 (2018)。

34. 赖瑟，P.等人。用于材料科学和化学的图神经网络。交流。马特。 3，93（2022）。

    文章一个 谷歌学术一个 

35. 石，Y.等人。屏蔽标签预测：用于半监督分类的统一消息传递模型。在过程。第十三届国际人工智能联合会议，IJCAI-211548 年至 1554 年 (2021 年)。

36. Ranjan, E., Sanyal, S. & Talukdar, P. ASAP：用于学习分层图表示的自适应结构感知池。在AAAI 人工智能会议（2019）。

37. Rivero, P.、Metz, F.、Hasan, A.、BraÅczyk, A. M. 和 Johnson, C. 零噪声外推原型。GitHub https://github.com/qiskit-community/prototype-zne（2022）。

38. Sitdikov, I.、Minev, Z. K. 和 Liao, H. 用于实际量子误差缓解的机器学习。泽诺多 https://doi.org/10.5281/zenodo.13769804（2024）。

39. 坎达拉，A.等人。适用于小分子和量子磁体的硬件高效变分量子本征求解器。自然 第549章，242–246 (2017)。

    文章一个 谷歌学术一个 

下载参考资料