論文の概要: Machine Learning Optimization of Quantum Circuit Layouts

• arxiv url: http://arxiv.org/abs/2007.14608v2
• Date: Sun, 25 Sep 2022 20:30:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 20:40:30.085015
• Title: Machine Learning Optimization of Quantum Circuit Layouts
• Title（参考訳）: 量子回路レイアウトの機械学習最適化
• Authors: Alexandru Paler, Lucian M. Sasu, Adrian Florea, Razvan Andonie
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 63.55764634492974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The quantum circuit layout (QCL) problem is to map a quantum circuit such that the constraints of the device are satisfied. We introduce a quantum circuit mapping heuristic, QXX, and its machine learning version, QXX-MLP. The latter infers automatically the optimal QXX parameter values such that the layed out circuit has a reduced depth. In order to speed up circuit compilation, before laying the circuits out, we are using a Gaussian function to estimate the depth of the compiled circuits. This Gaussian also informs the compiler about the circuit region that influences most the resulting circuit's depth. We present empiric evidence for the feasibility of learning the layout method using approximation. QXX and QXX-MLP open the path to feasible large scale QCL methods.
• Abstract（参考訳）: 量子回路レイアウト(QCL)問題は、装置の制約を満たすように量子回路をマッピングすることである。 本稿では、量子回路マッピングヒューリスティック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減少するように最適なQXXパラメータ値を自動的に推測する。 回路コンパイルを高速化するために、回路をレイアウトする前に、ガウス関数を用いて、コンパイルされた回路の深さを推定する。 このガウシアンはまた、回路の深さのほとんどに影響を与える回路領域をコンパイラに知らせる。 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。 QXXとQXX-MLPは、実現可能な大規模QCL法への道を開く。

関連論文リスト

• Coqa: Blazing Fast Compiler Optimizations for QAOA [3.165516590671437]
  我々は,異なる種類の量子ハードウェアに適したQAOA回路のコンパイルを最適化するために,Coqaを提案する。 平均的なゲート数の30%削減と,ベンチマーク全体のコンパイル時間の39倍の高速化を実現しています。
  論文  参考訳（メタデータ） (2024-08-15T18:12:04Z)
• 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)
• Single-Qubit Gates Matter for Optimising Quantum Circuit Depth in Qubit Mapping [4.680722019621822]
  本稿では,単一ビットゲートが回路深さに与える影響を考慮し,簡便かつ効率的な手法を提案する。 本手法は,回路深度を最適化する既存のQCTアルゴリズムと組み合わせることができる。 SABREに埋め込み,回路深度を50%, 平均27%まで低減できることを示す。
  論文  参考訳（メタデータ） (2023-08-01T23:16:16Z)
• Compiling Quantum Circuits for Dynamically Field-Programmable Neutral Atoms Array Processors [5.012570785656963]
  動的にフィールドプログラマブルな量子ビットアレイ(DPQA)が量子情報処理のための有望なプラットフォームとして登場した。 本稿では,複数の配列を含むDPQAアーキテクチャについて考察する。 DPQAをベースとしたコンパイル回路では,グリッド固定アーキテクチャに比べてスケーリングオーバヘッドが小さくなることを示す。
  論文  参考訳（メタデータ） (2023-06-06T08:13:10Z)
• Compilation of algorithm-specific graph states for quantum circuits [55.90903601048249]
  本稿では,高レベル言語で記述された量子回路から,アルゴリズム固有のグラフ状態を作成する量子回路コンパイラを提案する。 この計算は、このグラフ状態に関する一連の非パウリ測度を用いて実装することができる。
  論文  参考訳（メタデータ） (2022-09-15T14:52:31Z)
• Reducing the Depth of Linear Reversible Quantum Circuits [0.0]
  量子コンピューティングでは、量子ビットのデコヒーレンス時間が計算時間を決定する。 本稿では,既存のアルゴリズムの2倍の浅さの量子回路を生成する分割・征服アルゴリズムの実用的な定式化を提案する。 全体としては、可逆関数のクラス全体の深さを一貫して減らし、アンシラフリーケースでは最大92%、アシラリーキュービットが利用可能であれば最大99%に抑えることができる。
  論文  参考訳（メタデータ） (2022-01-17T12:36:32Z)
• 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)
• CircuitQ: An open-source toolbox for superconducting circuits [0.0]
  CircuitQはPythonで実装された超伝導回路を解析するためのオープンソースのツールボックスである。 入力回路のシンボリックハミルトニアンの自動構成と、可変基底選択を持つハミルトニアンの数値表現が特徴である。
  論文  参考訳（メタデータ） (2021-06-09T19:08:33Z)
• On the realistic worst case analysis of quantum arithmetic circuits [69.43216268165402]
  量子回路の設計における直観は誤解を招く可能性があることを示す。 また,T数を減らすことで,全深度を増大させることができることを示した。 リップルキャリーを用いた加算回路と乗算回路について述べる。
  論文  参考訳（メタデータ） (2021-01-12T21:36:16Z)
• QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
  QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。 ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
  論文  参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。