老论坛的地址:点击此处
2023年01月15日前迁移到新论坛,届时老论坛论坛中的所以帖子将会被锁定,也不能发新帖子或评论,仅支持查看内容。欢迎大家到我们的新论坛中开启新的篇章。
解锁新论坛:在新论坛中发帖需要大家先注册账号,建议大家新账号的昵称与老账号一致哦!欢迎大家多多提问和分享技术干货,感谢大家支持和谅解。
您看到的本文是新论坛帖子,请大家在本帖下方回复认领论文!!!
一、大赛简介
第二届·2022量子计算论文复现大赛是由HiQ量子计算软件团队发起的面向量子计算领域的开发者大赛。活动邀请对量子计算感兴趣的开发者,基于HiQ量子计算云平台、AI深度学习框架MindSpore面向量子计算的 MindSpore Quantum、AI开发平台ModelArts,复现论文算法,并将算法开放共享到ModelArts AI Gallery和技术交流网站,推进量子计算基础与应用研究,实现技术创新。
大赛官网链接:点击查看
二、论文选题
三、参赛选手的操作
直接在本帖下方盖楼回复 华为云账号名+个人邮箱+论文题目序号(本帖表格中的序号)+论文题目 完成选题环节。
回复样例:请点击此处查看自己的华为云账号名 + lunwen***@126.com + 论文01 + Quanvolutional Neural Networks: Powering Image Recognition with Quantum Circuits
注意:
1. 每篇论文为一个任务,参赛者可以基于自己感兴趣或者熟悉的领域选择一个或者多个任务。一次只能选择一个,第一个任务完成后才能选择第二个任务。
2. 每个任务只能一个人认领,先到先得,参赛者在选定任务之后一个月内按照要求完成作品并提交,未完成的任务会释放,其他参赛者可继续认领。
3. 请参赛选手务必在本帖下方盖楼回复所选论文题目。
4. 如复现自选论文,请先点击此处提交论文信息。
自选论文要求:
- 面向量子化学、组合优化和量子机器学习领域的论文,大赛优先选用有开源代码的论文。
- 能够使用MindSpore Quantum量子计算框架进行复现。
- 能够基于HiQ量子计算云平台(CPU:2U8GB)复现论文。
本次活动的最终解释权归量子计算论文复现大赛组委会所有。
老论坛的地址:点击此处
2023年01月15日前迁移到新论坛,届时老论坛论坛中的所以帖子将会被锁定,也不能发新帖子或评论,仅支持查看内容。欢迎大家到我们的新论坛中开启新的篇章。
解锁新论坛:在新论坛中发帖需要大家先注册账号,建议大家新账号的昵称与老账号一致哦!欢迎大家多多提问和分享技术干货,感谢大家支持和谅解。
您看到的本文是新论坛帖子,请大家在本帖下方回复认领论文!!!
一、大赛简介
第二届·2022量子计算论文复现大赛是由HiQ量子计算软件团队发起的面向量子计算领域的开发者大赛。活动邀请对量子计算感兴趣的开发者,基于HiQ量子计算云平台、AI深度学习框架MindSpore面向量子计算的 MindSpore Quantum、AI开发平台ModelArts,复现论文算法,并将算法开放共享到ModelArts AI Gallery和技术交流网站,推进量子计算基础与应用研究,实现技术创新。
大赛官网链接:点击查看
二、论文选题
Koopman operator learning for accelerating quantum optimization and machine learning
利用koopman学习方法加速ising 模型的量子优化。
复现论文中的fig3-(b) 中的Full VQE、DMD和SW-DMD
结果与图中结果吻合。
已选
whisky98
已提交作品,复现成功
Deep-Circuit QAOA
利用MindQuantum复现深度QAOA量子算法,在6比特的3-regular图上选择合理的深度,复现论文图8中原始和优化后的QAOA算法。
已选
hw_008617828867537_02
Equivalence Checking of Parameterized Quantum Circuits
研究并理解论文内容,在MindQuantum架构中完成论文所提到的量子线路等价方法,选择论文中Table 1中的线路进行算法验证。
已选
faketrue
已提交作品,复现成功
Real-Time Evolution for Ultracompact Hamiltonian Eigenstates on Quantum Hardware
理解文中的VQPE概念,利用Mindquantum复现图9和图10
Avoiding Barren Plateaus Using Classical Shadows
使用文章中提供的方法,利用MindQuantum来求解海森堡模型的基态,复现论文中的图5和图6.
已选
hid_b4uryzmyfxuzzn1
Generating Approximate Ground States of Molecules Using Quantum Machine Learning
利用MindQuantum复现论文中的图6~图12
已选
hid_j6gzo1ussonk-2l
利用MindQuantum复现FIG.5 (b)中, u9r-60图的p=1的情形下,近似率随着所选比特数为8,10,12,14情况下的结果。
已选
waikikilick
已提交作品,复现成功
An Adaptive Quantum Approximate Optimization Algorithm for Solving Combinatorial Problems on a Quantum Computer
文章中Adapt-QAOA能显著提高效果同时减少所需门数量,请利用MindQuantum复现文中Fig1中的效果提升图,同时复现Fig2中给定精度下所减少的门数量。
已选
waikikilick
已提交作品,未通过审核,按照评审意见优化后可再次提交
Modular Parity Quantum Approximate Optimization
利用MindQuantum复现论文中的图6~图7
Covariance Matrix Preparation for Quantum Principal Component Analysis
利用MindQuantum复现论文中的图7~图8
11
Quantum Local Search with the Quantum Alternating Operator Ansatz
利用MindQuantum复现论文中的图3~图8
已选
mismagical
12
Extending the Variational Quantum Eigensolver to Finite Temperatures
利用MindQuantum复现论文中的图2~图5
已选
Buatum
13
Simulating time evolution on distributed quantum computers
利用MindQuantum复现论文中的图2~图3
已选
YaoSongSustech
14
利用MindQuantum复现论文中的图2~图4
已选
overshiki
15
利用MindQuantum复现论文中的图3
已选
tanner_lj
16
利用MindQuantum复现论文中的图4(用文章的量子算法复现图中所有免费公开的数据集,要求错误率与图中相近或更低,且不得超过10%)
已选
ye_jiarui
17
Towards Perturbation Theory Methods on a Quantum Computer
参考图1,用MindQuantum实现文章的量子算法,并复现出图3。(不要求复现经典算法对应的曲线)
已选
hw_008615201439470_02
已提交作品,复现成功
18
文章提出的Recursive-QAOA方案能极大提高求解成果率,请利用MindQuantum复现论文图Fig1类似结果,节点数为20,nc取值不大于8。(文章对一层的QAOA线路直接得到解析结果,这里请使用模拟器搭建线路实现)
已选
hw58695368
已提交作品,复现成功
19
Digitized-counterdiabatic quantum approximate optimization algorithm
文章提出的DC-QAOA方法能显著提高QAOA收敛性能,利用MindQuantum使用复现文章结果图3(a)3-regular图的max-cut结果、以及(b)中SK模型的不同层数下结果。
已选
Mr_Tang754
已提交作品,复现成功
20
Bridging Classical and Quantum with SDP initialized warm-starts for QAOA
利用MindQuantum使用文章所使用方法对经典解mapping到布洛赫球上后进行热启动QAOA达到超过经典的效果,复现Fig5中结果(图的来源附录A.3)。
21
Quantum Neural Network Classifiers: A Tutorial
研究并理解文章内容,利用MindQuantum实现对Table 2中 对Fashion Mnist及MNIST的分类任务的结果(误差小于0.01)
已选
yjshun
已提交作品,复现成功
22
Variational Quantum Eigensolver Ansatz for the J1-J2-model
利用MindQuantum实现J1-J2 Heisenberg线路,复现文章中Fig.4的12,16,20 qubits 周期性边界条件Heisenberg lattice的VQE复现工作
已选
waikikilick
已提交作品,复现成功
23
Quantum variational learning for entanglement witnessing
研读论文,利用MindQuantum复现文章中quantum entanglement witness判别线路,复现文章中Fig.5的3-qubits hypergraph entangled states的结果。
已选
your_lili
已提交作品,复现成功
24
Multiqubit state learning with entangling quantum generative adversarial networks
利用MindQuantum实现SWAP TEST和QGAN;利用MindQuantum的噪声功能,复现Table 1中的结果。要求按照文中的噪声设置水平进行试验,且SWAP TEST的保真度做到0.93以上,QGAN的保真度做到0.98以上。
已选
chzh32
已提交作品,复现成功
25
Fermionic approach to variational quantum simulation of Kitaev spin models
利用MindQuantum实现Kitaev旋转模型和文中提出的VQE算法,复现fig.3(b)两个模型(2×2 square-octagon,3×3 honeycomb)上的能量误差图(即(b)的第一张图)。
已选
hw08624896
26
Quantum Algorithm for Approximating Maximum Independent Sets
文章提出首个超越经典算法的寻找最大独立集近似解的量子算法。请利用Mindquantum实现其中的转动操作,复现文中图Fig.2(a)与Fig.3(a)。
27
An Efficient Gradient Sensitive Alternate Framework for VQE with Variable Ansatz
利用MindSpore和MindQuantum复现论文中Fig 4 ~ Fig 8
已释放
其他人可选
28
LAWS: Look Around and Warm-Start Natural Gradient Descent for Quantum Neural Networks
利用MindSpore和MindQuantum复现论文中Fig 2(b) ~ Fig 2(d),Fig 3(b) ~ Fig 3(d)
29
ADAPT-VQE is insensitive to rough parameter landscapes and barren plateaus
利用MindSpore和MindQuantum复现论文中Fig 1 ~ Fig 6
已选
kylinsu
30
A Classical-Quantum Convolutional Neural Network for
Detecting Pneumonia from Chest Radiographs
利用MindQuantum编写量子经典混合模型,进行分类训练,复现论文图4结果。
已选
jiawang_yu
已提交作品,复现成功
31
Gaussian initializations help deep variational quantum circuits escape from the barren plateau
利用MindQuantum编写变分量子算法,寻找海森堡模型基态和基态能量,使用不同初始化方法,使用精确梯度,复现论文图2(a)、2(c)结果。
已选
audioe
32
Quantum Approximate Optimization Algorithm for Bayesian network structure learning
利用MindQuantum编写QAOA,解决贝叶斯网络结构学习问题,利用文中方法复现论文图6结果。
第一选题人已释放,其他人可选
33
Quanvolutional Neural Networks: Powering Image Recognition with Quantum Circuits
编写图像识别的训练模型,复现论文中的图3(经典神经网络的结果不用复现)。
已选
xjtu_qiubo
34
Experimental quantum speed-up in reinforcement learning agents
复现图4(d),得到量子相对经典在前100 epochs中的加速的结果。
已选firing_feather
35
自选提交通过审核
Quantum machine learning for data scientists
阅读并理解本篇论文,使用mindquantum复现关于本篇论文中D.Quantum principal component analysis的算法
36
Quantum circuit architecture search error mitigation and trainability enhancement for variational quantum solvers
在无噪声的情况下完成论文中的量子线路搜索算法,复现分类问题的图(2)f(精度要求90%以上)和氢分子基态能量求解的图(3)d(精度要求-1.136Ha)。
37
Learning to learn with quantum neural networks via classical neural network
编写论文中的混合神经网络,实现一个QAOA求解Maxcut 的优化器。使用500个6-8节点的随机图作为训练集,20个9节点图作为测试集,达到平均相对误差小于0.1
38
Variational Quantum Linear Solver
求解d-sparse matrices with dimension 10x10,复现论文图4
已选
jiawang_yu
已提交作品,复现成功
39
自选提交通过审核
Qiskit As a Simulation Platform for Measurement-based Quantum Computation
利用cluster states 的方法,通过量子门电路,实现H门,CNOT门,任意角度旋转门以及Grover算法。
已选
hid_0itzarbkwx3borp
40
自选提交通过审核
Variational Quantum Factoring
参照论文的第二、三部分复现VQF的经典预处理及QAOA算法,并给出35、56153和291311的分解结果。
已选
hw58695368
已提交作品,复现成功
41
Experimental Quantum Principal Component Analysis via Parametrized Quantum Circuits
基于MindQuantum的参数化量子线路,在4比特情形下实现论文中提到的主成分分析法,并进行类似的人脸识别任务
第一选题人释放
已选
hw_deviludier
42
Filtering variational quantum algorithms for combinatorial optimization
利用MindQuantum实现论文中的F-VQE算法,在n=5,7,9时,复现论文中的Fig5
第一选题人释放
其他人可选
43
Variational Quantum Soft Actor-Critic
利用MindQuantum和MindSpore实现量子强化学习算法SAC,复现论文中的Fig6
已选
big91987
44
自选提交通过审核
Variational quantum eigensolver for dynamic correlation functions
使用文章提供的方法,利用mindquantum求解H2和LiH分子的谱函数,复现论文图3和图4(经典计算结果可不做要求,如图3的Hartree-Fock、Exact,图4的Hartree-Fock、Exact CAS(Dyson)、Exact CAS(Non-Dyson))。
已选
hw92075405
45
自选提交通过审核
Quantum autoencoders for efficient compressions of quantum data
复现论文中的fig.6和fig.7
46
Quantum algorithm for quicker clinical prognostic analysis: an application and experimental study using CT scan images of COVID-19 patients
利用MindQuantum复现论文中的QNN算法,并在COVID-19数据集中复现fig9中QNN的准确率
已选
ztB_uestc
47
Image Compression and Classification Using Qubits and Quantum Deep Learning
实现figure 6
第一选题人释放
已选 richybai
已提交作品,复现成功
48
Variational quantum algorithm for molecular geometry optimization
复现 FIG.4的(a)和(b)
已选
ctuozhi
49
Quantum Generative Models for Small Molecule Drug Discovery
使用MindQuantum,复现论文fig5中qgan训练结果
已选
ChouYouFoo
已选
hw079339333
已选
your_lili
已选
your_lili
已选
hid_tk1zaoo2lfzd3jw
已选
hid_e1epy2880gg9i5u
第一选题人已释放
其他人可选
已选
hid_xkspzv_tpdjj628
已选
mrcangye
64
自选提交通过审核
2、随机选取输入状态,测量输出状态,验证线路正确性。
已选
your_lili
三、参赛选手的操作
直接在本帖下方盖楼回复 华为云账号名+个人邮箱+论文题目序号(本帖表格中的序号)+论文题目 完成选题环节。
回复样例:请点击此处查看自己的华为云账号名 + lunwen***@126.com + 论文01 + Quanvolutional Neural Networks: Powering Image Recognition with Quantum Circuits
注意:
1. 每篇论文为一个任务,参赛者可以基于自己感兴趣或者熟悉的领域选择一个或者多个任务。一次只能选择一个,第一个任务完成后才能选择第二个任务。
2. 每个任务只能一个人认领,先到先得,参赛者在选定任务之后一个月内按照要求完成作品并提交,未完成的任务会释放,其他参赛者可继续认领。
3. 请参赛选手务必在本帖下方盖楼回复所选论文题目。
4. 如复现自选论文,请先点击此处提交论文信息。
自选论文要求:
本次活动的最终解释权归量子计算论文复现大赛组委会所有。