近日，人工智能领域的国际顶级会议AAAI 2024放榜，电子信息工程学院计算机视觉与智能算法实验室的何志敏老师与中山大学、鹏程实验室和华南农业大学等单位合作，以佛山科学技术学院为第一作者单位的研究论文被AAAI 2024录用。我们对何老师取得的科研成果表示热烈祝贺。

AAAI为人工智能促进会 (The Association for the Advancement of Artificial Intelligence)组织的年会，被视为全球最重要的人工智能盛会之一，是CCF推荐的A类会议。第38届AAAI会议（AAAI-24）将于2024年2月20日至27日在加拿大温哥华举行。本次会议共提交了12100篇文章，接受了2342篇论文，总体录用率为23.75%。

论    文：Training-free Quantum Architecture Search

中    文：不依赖训练的量子线路架构搜索

作    者：何志敏，邓迈杰（研究生），郑盛根，李绿周，司徒浩臻*

    论文简介：变分量子算法（Variational Quantum Algorithm，VQA）是量子人工智能领域的一个重要研究方向，被视为目前最可能实现量子优越性的方案。由于VQA的性能高度依赖于参数化量子线路的架构，研究学者提出多种量子线路架构搜索算法（Quantum Architecture Search，QAS），为VQA自动搜索出高性能的量子线路架构。然而，现有的QAS算法需要通过线路训练来评估其性能，该过程十分耗时。本研究开创性地利用不依赖训练的性能指标对量子线路进行排序，取代了传统QAS中昂贵的量子线路训练。考虑到基于路径和基于表达能力指标的精度和计算复杂度，本研究设计了一种两阶段渐进式的无训练QAS（TF-QAS）。首先采用有向无环图表示量子线路，通过基于路径数目的零成本指标过滤大量性能较差的线路。随后采用基于表达能力的指标从剩余的候选线路中精确地识别出高性能线路。这些性能指标在没有线路训练的情况下评估其性能，与当前基于训练的QAS方法相比，显著地降低了计算成本。三个变分量子本征求解（Variational Quantum Eigensolver，VQE）任务的模拟表明，TF-QAS相对于PQAS算法，在采样效率上取得了5到57倍的提升，在运算速度提升了6到17倍。

图1 不同VQE任务中达到系统基态所需的平均查询次数和时间(小时)