Addestramento adiabatico delle VQA per il rilevamento dell’entanglement

Abstract degli autori

Questo articolo presenta un framework quantistico ibrido per addestrare algoritmi quantistici variazionali (VQA) volti ad affrontare il problema fondamentale del rilevamento dell’entanglement mediante la computazione quantistica adiabatica. Questo problema riveste un’importanza fondamentale nella scienza dell’informazione quantistica ed è stato affrontato sia con metodi classici sia con metodi quantistici. Proponiamo una strategia di ottimizzazione ispirata all’adiabaticità per addestrare le VQA, che combina una discretizzazione dello spazio dei parametri con uno schema di segmentazione gerarchica. Il problema di ottimizzazione è formulato come un modello di ottimizzazione binaria quadratica non vincolata (QUBO), così da sfruttare le capacità del quantum annealing. I risultati preliminari sono confrontati con quelli delle reti neurali classiche e delle tecniche convenzionali di addestramento delle VQA. I risultati mirano a stimolare ulteriori ricerche e discussioni nella comunità scientifica sull’efficacia e l’applicabilità dell’approccio proposto.