｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,3,26]，“日期-时间”：“2024-03-26T01:44:41Z”，“时间戳”：1711417481717｝，“引用计数”：0，“发布者”：“人工智能促进会（AAAI）”，“问题”：“11”，“内容域”：｛“域”：[]，“交叉标记限制”：false｝，“short container-title”：[“AAAI”]，“抽象”：“变分量子算法（VQA）因其在量子资源需求方面的容错性和高度灵活性而具有优势，因此在噪声中等规模的量子时代具有广泛的应用前景。由于VQA的性能高度依赖于参数化量子电路的结构，因此有必要提出量子体系结构搜索（QAS）算法来自动搜索高性能电路。然而，现有的QAS方法非常耗时，需要进行电路培训来评估电路性能。本研究开创了无训练QAS的先河，利用两个无训练代理对量子电路进行排序，取代了传统QAS中昂贵的电路训练。考虑到基于路径和基于表达的代理的精度和计算开销，我们设计了两阶段渐进式无训练QAS（TF-QAS）。最初，有向无环图（DAG）被用于电路表示，基于DAG中路径数的零代价代理被设计用来过滤掉大部分没有希望的电路。随后，使用基于表达性的代理（精细反映电路性能）从其余候选电路中识别高性能电路。这些代理在不进行电路训练的情况下评估电路性能，与当前基于训练的QAS方法相比，计算成本显著降低。对三个VQE任务的仿真表明，与最先进的QAS相比，TF-QAS实现了从5到57倍的采样效率的显著提高，同时也快了6到17倍<\/jats:p>“，”DOI“：”10.1609\/aaai.v38i11.29135“，”type“：”journal-article“，”created“：{”date-parts“：[[2024,3,25]]，”date-time“：”2024-03-25T10:56:07Z“，”timestamp“：1711364167000}，”page“：“12430-12438”，“source”：“Crossref”，“is-referenced-by-count”：0，“title”：[“无训练量子体系结构搜索”]，“前缀”：“10.1609”，“volume”：“38”，“作者”：[{“给定”：“志敏“，”家庭“：”和“，”序列“：”第一“，”从属关系“：[]}，”给定“：”迈杰“，”家族“：”邓“，”顺序“：”附加“，”隶属关系“：[]}。family“：”Situ“，”sequence“：”additional“，”affiliation“：[]}]，”member“：”9382“，”published-online“：{”date-parts“：[2024,3,24]]}，”container-title“：[”AAAI人工智能会议记录“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/ojs.AAAI.org\/index.php\/AAAAI\/article\/download\/29135\/30147“，”content-type“：”application\/pdf“，”content-version“：”vor“，“intended-application“：”text-mining“}，{”URL“：”https:\/\/ojs.aaai.org\/index.php\/aaai\/article\/download\/29135\/30148“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-d-applicance“：”text-mining“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,3,25]]，”date-time“：”2024-03-25T10:56:07Z“，”timestamp“：1711364167000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/ojs.aaai.org\/index.php\/AAAAI\/article\/view\/29135”}}，“subtitle”：[]，“shortitle”:[]，rts“：[[2024,3,24]]}，”引用计数“：0，”journal-issue“：{”issue“：”11“，”published-online“：{”date-parts“：[2024,3,25]]}}，”URL“：”http://\/dx.doi.org\/10.1609\/aaai.v38i11.29135“，”relation“：{}，“ISSN”：[“2374-3468”，“2159-5399”]，“ISSN-type”：[{“value”：“2374-468”，“type”:“electronic”}，{“value”：“2159-5 399”，“type”：“print”}]，“subject”：[]，“published”：{“date-parts”：[[2024,3,24]]}}