論文の概要: QFAST: Quantum Synthesis Using a Hierarchical Continuous Circuit Space

• arxiv url: http://arxiv.org/abs/2003.04462v2
• Date: Thu, 26 Mar 2020 16:28:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-30 03:07:40.465103
• Title: QFAST: Quantum Synthesis Using a Hierarchical Continuous Circuit Space
• Title（参考訳）: qfast:階層型連続回路空間を用いた量子合成
• Authors: Ed Younis, Koushik Sen, Katherine Yelick, Costin Iancu
• Abstract要約: 短絡回路を製造するために設計された量子合成ツールQFASTを提案する。 最適なサードパーティ合成アルゴリズムを与えられた階層レベルでプラグインすることで、より短い回路を生成する方法を示す。
• 参考スコア（独自算出の注目度）: 5.406226763868874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present QFAST, a quantum synthesis tool designed to produce short circuits and to scale well in practice. Our contributions are: 1) a novel representation of circuits able to encode placement and topology; 2) a hierarchical approach with an iterative refinement formulation that combines "coarse-grained" fast optimization during circuit structure search with a good, but slower, optimization stage only in the final circuit instantiation stage. When compared against state-of-the-art techniques, although not optimal, QFAST can generate much shorter circuits for "time dependent evolution" algorithms used by domain scientists. We also show the composability and tunability of our formulation in terms of circuit depth and running time. For example, we show how to generate shorter circuits by plugging in the best available third party synthesis algorithm at a given hierarchy level. Composability enables portability across chip architectures, which is missing from the available approaches.
• Abstract（参考訳）: 提案するqfastは,短絡回路を生成でき,実際にスケールしやすい量子合成ツールである。 私たちの貢献は 1) 配置及びトポロジーを符号化可能な新しい回路の表現 2) 回路構造探索における「粗い」高速最適化と, 最終回路インスタンス化段階においてのみ, よいが遅い最適化段階を組み合わさった, 反復的洗練された定式化による階層的手法。 最先端技術と比較して最適ではないが、QFASTはドメイン科学者が使用する「時間依存進化」アルゴリズムのためにはるかに短い回路を生成することができる。 また,回路深度および走行時間の観点から,定式化の構成可能性とチューニング性を示す。 例えば、最適なサードパーティ合成アルゴリズムを与えられた階層レベルでプラグインすることで、より短い回路を生成する方法を示す。 構成性は、利用可能なアプローチに欠けているチップアーキテクチャ間のポータビリティを可能にする。

関連論文リスト

• Optimizing Quantum Circuits, Fast and Slow [7.543907169342984]
  本稿では,リライトと再合成を抽象回路変換として考えるための枠組みを提案する。 次に,量子回路を最適化するアルゴリズムGUOQを提案する。
  論文  参考訳（メタデータ） (2024-11-06T18:34:35Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• Optimizing Variational Circuits for Higher-Order Binary Optimization [2.578242050187029]
  本稿では,ハミルトニアンを2量子ゲートのみを含む実装可能な回路に符号化する新しい手法を提案する。 本手法は,回路深度の観点から明らかな利得を示すとともに,技術状況と比較することで評価する。
  論文  参考訳（メタデータ） (2023-07-31T15:27:06Z)
• Improving Quantum Circuit Synthesis with Machine Learning [0.7894596908025954]
  機械学習をユニタリデータセットに適用することで、合成アルゴリズムの大幅な高速化が可能になることを示す。 本稿では,学習モデルを用いたシード合成アルゴリズムQSeedについて述べる。
  論文  参考訳（メタデータ） (2023-06-09T01:53:56Z)
• A recursively partitioned approach to architecture-aware ZX Polynomial synthesis and optimization [0.0]
  我々は、PauliOptのアプローチを合成に基づく探索に置き換え、ZXOAライブラリから最適化回路を合成するために分割・征服法を利用する。 アーキテクチャを意識した手法を用いることの利点を強調したランダム化回路の利点を示す。
  論文  参考訳（メタデータ） (2023-03-30T13:29:41Z)
• Graph Neural Network Autoencoders for Efficient Quantum Circuit Optimisation [69.43216268165402]
  我々は、量子回路の最適化にグラフニューラルネットワーク(GNN)オートエンコーダの使い方を初めて提示する。 我々は、量子回路から有向非巡回グラフを構築し、そのグラフを符号化し、その符号化を用いてRL状態を表現する。 我々の手法は、非常に大規模なRL量子回路最適化に向けた最初の現実的な第一歩である。
  論文  参考訳（メタデータ） (2023-03-06T16:51:30Z)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• QFAST: Conflating Search and Numerical Optimization for Scalable Quantum Circuit Synthesis [5.406226763868874]
  本稿では,短絡回路を創出し,実際によくスケールするように設計された量子合成アルゴリズムを提案する。 主な貢献は、一般的な「ゲート」を用いて配置と位相をエンコードできる回路の新たな表現である。 最適深度、検索に基づく最先端技術と比較すると、QFASTは同等の結果が得られる。
  論文  参考訳（メタデータ） (2021-03-12T05:20:12Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)

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。