論文の概要: Quantum annealing with capacitive-shunted flux qubits

• arxiv url: http://arxiv.org/abs/2001.09844v2
• Date: Mon, 17 Feb 2020 09:04:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 11:40:53.363424
• Title: Quantum annealing with capacitive-shunted flux qubits
• Title（参考訳）: 容量束束量子ビットによる量子アニール
• Authors: Yuichiro Matsuzaki, Hideaki Hakoshima, Yuya Seki and Shiro Kawabata
• Abstract要約: 量子アニーリング(QA)実験で用いられる超伝導フラックスキュービット(FQ)よりも, コンデンサ型フラックスキュービット(CSFQ)のコヒーレンス時間の方が数桁優れていることを示す。 長寿命量子ビットを用いた量子優位性を生かした実用的なQAの実現の道を開いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum annealing (QA) provides us with a way to solve combinatorial optimization problems. In the previous demonstration of the QA, a superconducting flux qubit (FQ) was used. However, the flux qubits in these demonstrations have a short coherence time such as tens of nano seconds. For the purpose to utilize quantum properties, it is necessary to use another qubit with a better coherence time. Here, we propose to use a capacitive-shunted flux qubit (CSFQ) for the implementation of the QA. The CSFQ has a few order of magnitude better coherence time than the FQ used in the QA. We theoretically show that, although it is difficult to perform the conventional QA with the CSFQ due to the form and strength of the interaction between the CSFQs, a spin-lock based QA can be implemented with the CSFQ even with the current technology. Our results pave the way for the realization of the practical QA that exploits quantum advantage with long-lived qubits.
• Abstract（参考訳）: 量子アニール(QA)は組合せ最適化問題を解決する方法を提供する。 以前のQAのデモンストレーションでは、超伝導束量子ビット(FQ)が使用された。 しかし、これらのデモンストレーションのフラックス量子ビットは数十ナノ秒という短いコヒーレンス時間を持つ。 量子特性を利用するためには、コヒーレンスタイムを良くした別の量子ビットを使う必要がある。 本稿では,QAの実装にCSFQ(Capacitive-Shunted flux qubit)を用いることを提案する。 CSFQは、QAで使用されるFQよりも、数桁のコヒーレンス時間を有する。 理論的には、CSFQ間の相互作用の形式と強度により従来のQAをCSFQで実行することは困難であるが、スピンロックベースのQAは現在の技術でもCSFQで実装可能であることを示す。 長寿命量子ビットを用いた量子優位性を利用した実用的なQAの実現の道を開く。

関連論文リスト

• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Quasiparticle Dynamics in Superconducting Quantum-Classical Hybrid Circuits [4.556590964168528]
  単一磁束量子(SFQ)回路は、スケーラブルで積分可能な極低温量子制御システムにとって有望な候補である。 本研究では,超伝導量子古典ハイブリッドチップにおける非平衡準粒子(QP)について検討する。
  論文  参考訳（メタデータ） (2023-07-26T11:54:44Z)
• Can Variational Quantum Algorithms Demonstrate Quantum Advantages? Time Really Matters [3.041014091581284]
  QNNのトレーニングにはパラメータ数と勾配評価コストの間に依存性があることが示されている。 理想的な時間コストが1年の壁時間の順序に容易に到達できることが示される。 時間スケーリングの観点から、VQAが古典的なケースを上回ることは困難である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-07-09T03:51:56Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Open Source Variational Quantum Eigensolver Extension of the Quantum Learning Machine (QLM) for Quantum Chemistry [0.0]
  我々は,化学に着想を得た適応手法の使用と開発のための新しいオープンソースQCパッケージ,Open-VQEを紹介した。 Atos Quantum Learning Machine (QLM)は、コンピュータプログラムを記述、最適化できる汎用プログラミングフレームワークである。 OpenVQEとともに、新しいオープンソースモジュールであるmyQLMFermion(QC開発において重要な重要なQLMリソースを含む)を紹介します。
  論文  参考訳（メタデータ） (2022-06-17T14:24:22Z)
• Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
  本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。 実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。 興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
  論文  参考訳（メタデータ） (2022-04-04T21:16:06Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Variational Quantum-Neural Hybrid Eigensolver [13.32712801349521]
  本稿では、ニューラルネットワークによる古典的後処理により、浅帯域量子アンサッツをさらに高めることができる変分量子-ニューラルハイブリッド固有解法(VQNHE)を提案する。 VQNHEは、量子スピンと分子の基底状態エネルギーのシミュレーションにおいて、VQEを一貫して著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-06-09T14:31:45Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。