論文の概要: The Snake Optimizer for Learning Quantum Processor Control Parameters

• arxiv url: http://arxiv.org/abs/2006.04594v1
• Date: Mon, 8 Jun 2020 13:42:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 07:08:56.548361
• Title: The Snake Optimizer for Learning Quantum Processor Control Parameters
• Title（参考訳）: 量子プロセッサ制御パラメータ学習のためのスネーク最適化器
• Authors: Paul V. Klimov, Julian Kelly, John M. Martinis, Hartmut Neven
• Abstract要約: 学習手順には、高度に制約された天文学的な探索空間を持つ非次元システム問題が必要となる場合もある。 このような問題は、従来のキュービットが小さな制御では遅すぎるため、スケーラビリティの障害となる。 実際には、量子ゲートの最適化を最適化するためにSnakeが適用されている。
• 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: High performance quantum computing requires a calibration system that learns optimal control parameters much faster than system drift. In some cases, the learning procedure requires solving complex optimization problems that are non-convex, high-dimensional, highly constrained, and have astronomical search spaces. Such problems pose an obstacle for scalability since traditional global optimizers are often too inefficient and slow for even small-scale processors comprising tens of qubits. In this whitepaper, we introduce the Snake Optimizer for efficiently and quickly solving such optimization problems by leveraging concepts in artificial intelligence, dynamic programming, and graph optimization. In practice, the Snake has been applied to optimize the frequencies at which quantum logic gates are implemented in frequency-tunable superconducting qubits. This application enabled state-of-the-art system performance on a 53 qubit quantum processor, serving as a key component of demonstrating quantum supremacy. Furthermore, the Snake Optimizer scales favorably with qubit number and is amenable to both local re-optimization and parallelization, showing promise for optimizing much larger quantum processors.
• Abstract（参考訳）: 高性能量子コンピューティングは、システムドリフトよりもはるかに早く最適な制御パラメータを学習する校正システムを必要とする。 学習手順では、非凸、高次元、高度に制約された、天文学的な探索空間を持つ複雑な最適化問題を解く必要がある。 このような問題は、従来のグローバルオプティマイザは、数十量子ビットからなる小規模プロセッサでさえも、効率が悪く遅いため、スケーラビリティの障害となる。 本稿では,人工知能,動的プログラミング,グラフ最適化の概念を活用し,最適化問題を効率的かつ迅速に解くためのスネークオプティマイザを提案する。 実際には、スネークは量子論理ゲートが周波数可変超伝導量子ビットで実装される周波数を最適化するために適用されている。 このアプリケーションは53量子ビット量子プロセッサ上での最先端システム性能を実現し、量子超越性を実証する重要な要素となった。 さらに、スネークオプティマイザは量子ビット数に好適にスケールし、局所的な再最適化と並列化の両方に適しており、より大きな量子プロセッサの最適化が期待できる。

関連論文リスト

• Symmetry-preserved cost functions for variational quantum eigensolver [0.0]
  ハイブリッド量子-古典的変分アルゴリズムは、ノイズの多い量子コンピュータに最適であると考えられている。 コスト関数に直接対称性の保存を符号化し、ハードウェア効率の良いAns"atzeをより効率的に利用できるようにする。
  論文  参考訳（メタデータ） (2024-11-25T20:33:47Z)
• Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
  古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。 量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
  論文  参考訳（メタデータ） (2023-10-14T02:13:26Z)
• Optimizing quantum gates towards the scale of logical qubits [78.55133994211627]
  量子ゲート理論の基本的な前提は、量子ゲートはフォールトトレランスの誤差閾値を超えることなく、大きなプロセッサにスケールできるということである。 ここでは、このような問題を克服できる戦略について報告する。 我々は、68個の周波数可変ビットの周波数軌跡をコレオグラフィーして、超伝導エラー中に単一量子ビットを実行することを示した。
  論文  参考訳（メタデータ） (2023-08-04T13:39:46Z)
• Quantum approximate optimization via learning-based adaptive optimization [5.399532145408153]
  量子近似最適化アルゴリズム(QAOA)は、目的最適化問題の解法として設計されている。 その結果,アルゴリズムは速度,精度,効率,安定性の点で従来の近似よりも大幅に優れていた。 この研究はQAOAの全パワーを解き放つのに役立ち、実践的な古典的なタスクにおいて量子的優位性を達成するための道を開く。
  論文  参考訳（メタデータ） (2023-03-27T02:14:56Z)
• An Empirical Review of Optimization Techniques for Quantum Variational Circuits [0.0]
  量子変分回路(QVC)は、近距離量子ハードウェアと長期量子ハードウェアの両方の最も強力な用途の1つとしてしばしば主張される。 これらの回路を最適化するための標準的なアプローチは、最適化の各ステップで新しいパラメータを計算するために古典的なシステムに依存している。 我々は、様々な最適化タスクにおいて、多くの共通勾配と自由のポテンシャルを実証的に評価する。
  論文  参考訳（メタデータ） (2022-02-03T03:20:54Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• 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)
• Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial Optimization [0.14755786263360526]
  最小限のフォールトトレラント量子コンピュータで試すのに、最適化のための量子アルゴリズムが最も実用的であるかを探る。 この結果から,2次高速化のみを実現する量子最適化が,古典的アルゴリズムよりも有利であるという考えが否定される。
  論文  参考訳（メタデータ） (2020-07-14T22:54:04Z)

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。