Bias Analysis and Regularization of Sequential Minimal Optimization in Variational Quantum Eigensolvers
Dit artikel analyseert de bias die inherent is aan het NFT (Rotosolve)-algoritme voor Variational Quantum Eigensolvers en toont aan dat, hoewel expliciete biascorrectie de optimalisatie kan destabiliseren, de oorspronkelijke bevooroordeelde schatter fungeert als een gunstige regularisator, wat leidt tot een voorgestelde methode die onbevooroordeelde energie-schatting bereikt terwijl regularisatie wordt behouden om de prestaties te verbeteren in diverse quantumcomputing-scenario's.