論文の概要: QCI Qbsolv Delivers Strong Classical Performance for Quantum-Ready
Formulation
- arxiv url: http://arxiv.org/abs/2005.11294v1
- Date: Fri, 22 May 2020 17:36:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 01:36:05.192840
- Title: QCI Qbsolv Delivers Strong Classical Performance for Quantum-Ready
Formulation
- Title(参考訳): QCI Qbsolvが量子レジーな定式化のための強力な古典的性能を提供
- Authors: Michael Booth, Jesse Berwald, Uchenna Chukwu, John Dawson, Raouf
Dridi, DeYung Le, Mark Wainger, Steven P. Reinhardt
- Abstract要約: 競争優位性のために計算に大きく依存する多くの組織は、量子優位性が達成されればすぐに量子コンピュータ(QC)の期待性能を活用することに熱心である。
この研究は、量子対応アプリケーションと基礎となるツールと定式化の確立を提唱している。
- 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: Many organizations that vitally depend on computation for their competitive
advantage are keen to exploit the expected performance of quantum computers
(QCs) as soon as quantum advantage is achieved. The best approach to deliver
hardware quantum advantage for high-value problems is not yet clear. This work
advocates establishing quantum-ready applications and underlying tools and
formulations, so that software development can proceed now to ensure being
ready for quantum advantage. This work can be done independently of which
hardware approach delivers quantum advantage first. The quadratic unconstrained
binary optimization (QUBO) problem is one such quantum-ready formulation. We
developed the next generation of qbsolv, a tool that is widely used for
sampling QUBOs on early QCs, focusing on its performance executing purely
classically, and deliver it as a cloud service today. We find that it delivers
highly competitive results in all of quality (low energy value), speed (time to
solution), and diversity (variety of solutions). We believe these results give
quantum-forward users a reason to switch to quantum-ready formulations today,
reaping immediate benefits in performance and diversity of solution from the
quantum-ready formulation,preparing themselves for quantum advantage, and
accelerating the development of the quantum computing ecosystem.
- Abstract(参考訳): 競争優位性のために計算に大きく依存する多くの組織は、量子優位性が達成されればすぐに量子コンピュータ(QC)の期待性能を活用することに熱心である。
ハードウェアの量子長所を高価値な問題に提供するための最善のアプローチはまだ明確ではない。
この研究は、量子対応アプリケーションと基盤となるツールや定式化を確立することを提唱している。
この処理は、まず量子優位性をもたらすハードウェアアプローチとは独立して行うことができる。
二次非制約バイナリ最適化(QUBO)問題は、そのような量子レディーな定式化である。
私たちは次世代のqbsolvを開発した。qubosを初期のqcでサンプリングするために広く使われているツールで、パフォーマンスを純粋にクラシックに実行し、今日クラウドサービスとして提供することに重点を置いています。
品質(低エネルギー価値)、速度(ソリューションまでの時間)、多様性(ソリューションの多様性)において、競争力の高い結果をもたらすことが分かっています。
これらの結果により、量子フォワードのユーザは、今日の量子可読な定式化に切り替える理由が得られ、量子可読な定式化からすぐにパフォーマンスとソリューションの多様性を享受し、量子優位性のために準備し、量子コンピューティングエコシステムの開発を加速する。
関連論文リスト
- Disentangling Hype from Practicality: On Realistically Achieving Quantum
Advantage [13.163255711706864]
我々は、量子コンピュータを実際に有用なものにするためには、小さなデータ問題と超二乗スピードアップを伴う量子アルゴリズムが不可欠であると主張している。
提案された量子アルゴリズムや応用のほとんどは、実用的と考えられるために必要なスピードアップを達成できていないが、物質科学や化学において、すでに大きなポテンシャルを見出している。
論文 参考訳(メタデータ) (2023-07-02T09:14:32Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - 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) - Preparing random state for quantum financing with quantum walks [1.2074552857379273]
本稿では,古典的ハードウェア上で量子コンピュータや量子シミュレータで実行可能な量子状態に古典的データをロードする効率的な手法を提案する。
Qiskitを使ったSSQWの実装の実践例がオープンソースソフトウェアとしてリリースされた。
所望の確率振幅分布を生成するための有望な方法として、その可能性を示すことは、量子シミュレーションによるオプション価格設定におけるSSQWの適用の可能性を強調している。
論文 参考訳(メタデータ) (2023-02-24T08:01:35Z) - 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) - 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) - The Future of Quantum Computing with Superconducting Qubits [2.6668731290542222]
量子処理ユニット(QPU)の出現に伴い、計算パラダイムの分岐点が見られます。
超多項式スピードアップによる計算の可能性を抽出し、量子アルゴリズムを実現するには、量子誤り訂正技術の大幅な進歩が必要になる可能性が高い。
長期的には、より効率的な量子誤り訂正符号を実現するために、2次元トポロジ以上の量子ビット接続を利用するハードウェアが見られます。
論文 参考訳(メタデータ) (2022-09-14T18:00:03Z) - Practical application-specific advantage through hybrid quantum
computing [0.0]
メモリ中心で異質なマルチプロセッシングアーキテクチャに基づくハイブリッド量子クラウドを提案する。
計算速度と解の質の両方において,従来のアルゴリズムと比較して,ハイブリッドアルゴリズムの利点を示す。
論文 参考訳(メタデータ) (2022-05-10T12:58:41Z) - Quantum Computing -- from NISQ to PISQ [2.123874800091344]
PISQ-approach: Perfect Intermediate-Scale Quantum Computing based on the present known of perfect qubits。
これによって研究者たちは、新しいアプリケーションの開発にもっと注力できるようになる。
これは長期的な解決策ではないが、大学が現在量子論理とアルゴリズムの研究をすることができる。
論文 参考訳(メタデータ) (2021-06-22T14:56:55Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - 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。