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,、鵬程實驗室和華南農(nóng)業(yè)大學等單位合作，以佛山科學技術(shù)學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)性地利用不依賴訓練的性能指標對量子線路進行排序，取代了傳統(tǒng)QAS中昂貴的量子線路訓練,?？紤]到基于路徑和基于表達能力指標的精度和計算復雜度，本研究設計了一種兩階段漸進式的無訓練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)目的零成本指標過濾大量性能較差的線路。隨后采用基于表達能力的指標從剩余的候選線路中精確地識別出高性能線路,。這些性能指標在沒有線路訓練的情況下評估其性能,，與當前基于訓練的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任務中達到系統(tǒng)基態(tài)所需的平均查詢次數(shù)和時間(小時)