論文の概要: A Roadmap for Automating the Selection of Quantum Computers for Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2003.13409v1
• Date: Mon, 30 Mar 2020 12:44:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-27 12:23:42.195603
• Title: A Roadmap for Automating the Selection of Quantum Computers for Quantum Algorithms
• Title（参考訳）: 量子アルゴリズムのための量子コンピュータの選択を自動化するロードマップ
• Authors: Marie Salm, Johanna Barzen, Uwe Breitenb\"ucher, Frank Leymann, Benjamin Weder, Karoline Wild
• Abstract要約: いくつかの量子アルゴリズムは、最もよく知られた古典的アルゴリズムと比較して理論的なスピードアップを示す。 入力データは、例えば量子アルゴリズムに必要な量子ビット数とゲート数を決定する。 アルゴリズムの実装は、使用可能な量子コンピュータのセットを制限する使用済みのソフトウェア開発キットにも依存する。
• 参考スコア（独自算出の注目度）: 0.39146761527401425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing can enable a variety of breakthroughs in research and industry in the future. Although some quantum algorithms already exist that show a theoretical speedup compared to the best known classical algorithms, the implementation and execution of these algorithms come with several challenges. The input data determines, e.g., the required number of qubits and gates of a quantum algorithm. An algorithm implementation also depends on the used Software Development Kit which restricts the set of usable quantum computers. Because of the limited capabilities of current quantum computers, choosing an appropriate one to execute a certain implementation for a given input is a difficult challenge that requires immense mathematical knowledge about the implemented quantum algorithm as well as technical knowledge about the used Software Development Kits. Thus, we present a roadmap for the automated analysis and selection of implementations of a certain quantum algorithm and appropriate quantum computers that can execute the selected implementation with the given input data.
• Abstract（参考訳）: 量子コンピューティングは、将来研究や産業における様々なブレークスルーを可能にする。 古典的アルゴリズムと比較して理論的なスピードアップを示す量子アルゴリズムは存在するが、これらのアルゴリズムの実装と実行にはいくつかの課題がある。 入力データは、例えば、量子アルゴリズムの必要な量子ビットとゲートの数を決定する。 アルゴリズムの実装は、利用可能な量子コンピュータのセットを制限する使用済みソフトウェア開発キットにも依存する。 現在の量子コンピュータの限られた能力のため、与えられた入力に対して特定の実装を実行する適切なものを選択することは、実装された量子アルゴリズムに関する膨大な数学的知識と使用済みのソフトウェア開発キットに関する技術的な知識を必要とする難題である。 そこで本研究では,与えられた入力データを用いて実装を実行できる量子アルゴリズムと適切な量子コンピュータの実装の自動解析と選択のためのロードマップを提案する。

関連論文リスト

• Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
  この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。 目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。 アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
  論文  参考訳（メタデータ） (2024-03-01T19:36:35Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Enhancing variational quantum state diagonalization using reinforcement learning techniques [1.583327010995414]
  我々は、量子状態対角化タスクに必要な非常に浅い量子回路を設計する問題に取り組む。 我々は、RL状態に対する新しい符号化法、高密度報酬関数、およびそれを実現するために$epsilon$-greedyポリシーを使用する。 強化学習法により提案される回路は, 標準変分量子状態対角化アルゴリズムよりも浅いことを示す。
  論文  参考訳（メタデータ） (2023-06-19T17:59:04Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Parametrized Complexity of Quantum Inspired Algorithms [0.0]
  量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。 近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
  論文  参考訳（メタデータ） (2021-12-22T06:19:36Z)
• Revisiting dequantization and quantum advantage in learning tasks [3.265773263570237]
  サンプルとクエリ(SQ)アクセスを持つ古典的アルゴリズムは量子状態入力を持つ量子アルゴリズムよりも指数関数的に高速に学習タスクを実現できることを示す。 これらの結果から,SQアクセスが量子状態入力に対して強すぎるため,指数的量子優位性が欠如していることが示唆された。
  論文  参考訳（メタデータ） (2021-12-01T20:05:56Z)
• Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
  行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。 これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。 また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
  論文  参考訳（メタデータ） (2021-11-05T16:36:09Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

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。