近日，人工智能領(lǐng)域的國際頂級會議AAAI 2024放榜，電子信息工程學(xué)院計算機視覺與智能算法實驗室的何志敏老師與中山大學(xué)、鵬程實驗室和華南農(nóng)業(yè)大學(xué)等單位合作，以佛山科學(xué)技術(shù)學(xué)院為第一作者單位的研究論文被AAAI 2024錄用。我們對何老師取得的科研成果表示熱烈祝賀。

AAAI為人工智能促進(jìn)會 (The Association for the Advancement of Artificial Intelligence)組織的年會，被視為全球最重要的人工智能盛會之一，是CCF推薦的A類會議。第38屆AAAI會議（AAAI-24）將于2024年2月20日至27日在加拿大溫哥華舉行。本次會議共提交了12100篇文章，接受了2342篇論文，總體錄用率為23.75%。

論    文：Training-free Quantum Architecture Search

中    文：不依賴訓(xùn)練的量子線路架構(gòu)搜索

作    者：何志敏，鄧邁杰（研究生），鄭盛根，李綠周，司徒浩臻*

    論文簡介：變分量子算法（Variational Quantum Algorithm，VQA）是量子人工智能領(lǐng)域的一個重要研究方向，被視為目前最可能實現(xiàn)量子優(yōu)越性的方案。由于VQA的性能高度依賴于參數(shù)化量子線路的架構(gòu)，研究學(xué)者提出多種量子線路架構(gòu)搜索算法（Quantum Architecture Search，QAS），為VQA自動搜索出高性能的量子線路架構(gòu)。然而，現(xiàn)有的QAS算法需要通過線路訓(xùn)練來評估其性能，該過程十分耗時。本研究開創(chuàng)性地利用不依賴訓(xùn)練的性能指標(biāo)對量子線路進(jìn)行排序，取代了傳統(tǒng)QAS中昂貴的量子線路訓(xùn)練。考慮到基于路徑和基于表達(dá)能力指標(biāo)的精度和計算復(fù)雜度，本研究設(shè)計了一種兩階段漸進(jìn)式的無訓(xùn)練QAS（TF-QAS）。首先采用有向無環(huán)圖表示量子線路，通過基于路徑數(shù)目的零成本指標(biāo)過濾大量性能較差的線路。隨后采用基于表達(dá)能力的指標(biāo)從剩余的候選線路中精確地識別出高性能線路。這些性能指標(biāo)在沒有線路訓(xùn)練的情況下評估其性能，與當(dāng)前基于訓(xùn)練的QAS方法相比，顯著地降低了計算成本。三個變分量子本征求解（Variational Quantum Eigensolver，VQE）任務(wù)的模擬表明，TF-QAS相對于PQAS算法，在采樣效率上取得了5到57倍的提升，在運算速度提升了6到17倍。

圖1 不同VQE任務(wù)中達(dá)到系統(tǒng)基態(tài)所需的平均查詢次數(shù)和時間(小時)