ADAPT-VQC Adaptive Variational Quantum Classifier

Abstract

This dissertation explores the potential of Quantum Computing, particularly in the context of Variational Quantum Algorithms (VQA), like the Variational Quantum Classifier (VQC). It focuses on overcoming chal lenges such as noise in quantum circuits and optimization complexities. The research introduces adaptive strategies for VQC, enabling dynamic adjustments to circuit depth and expressibility during training. This flexibility aims to improve classification accuracy on datasets. The dissertation starts with a literature review of VQA algorithms, especially adaptive strategies, draw ing insights from various domains, including chemistry. Next, it details the proposed adaptive approaches for VQC and presents rigorous experiments to evaluate their performance across diverse datasets, comparing them to the standard VQC. The results show promise with improved accuracy and reduced circuit depth. However, it’s important to note that this work primarily serves as an introduction to the concept of adaptive approaches for classification, focusing on enhancing VQC within its existing context. In summary, this dissertation provides insights into enhancing VQC performance and contributes incrementally to quantum computation in the realm of classification. Adaptive VQC addresses challenges posed by noisy quantum devices and offers opportunities for further research in quantum classification algorithms.

Esta dissertação explora o potencial da Computação Quântica, particularmente no contexto de Algoritmos Quânticos Variacionais (VQA), como o Classificador Quântico Variacional (VQC). Ele se concentra na superação de desafios como ruído em circuitos quânticos e complexidades de otimização. Esta dissertação introduz estratégias adaptativas para VQC, permitindo ajustes dinâmicos na pro fundidade e expressibilidade do circuito durante o treino. Esta flexibilidade visa melhorar a precisão da classificação de um conjunto de dados. A dissertação começa com uma revisão da literatura sobre algoritmos VQA, especialmente estratégias adaptativas, extraindo insights de vários domínios, incluindo da química. A seguir, detalha as abordagens adaptativas propostas para VQC e apresenta experimentos rigorosos para avaliar seu desempenho em diversos conjuntos de dados, comparando-os com o VQC padrão. Os resultados são promissores pois monstrarm uma maior precisão e profundidade de circuito reduzida. No entanto, é importante notar que este trabalho serve principalmente como uma introdução ao conceito de abordagens adaptativas para classificação, focando no aprimoramento do VQC dentro do seu contexto existente. Em resumo, esta dissertação fornece ideos sobre como melhorar o desempenho do VQC e contribui de forma incremental para a computação quântica no domínio da classificação. O VQC adaptativo aborda desafios colocados por dispositivos quânticos ruidosos e oferece oportunidades para pesquisas adicionais em algoritmos de classificação quântica.