論文の概要: Quantum Circuit Transformation: A Monte Carlo Tree Search Framework
- arxiv url: http://arxiv.org/abs/2008.09331v4
- Date: Tue, 25 Jan 2022 06:23:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 08:09:00.558819
- Title: Quantum Circuit Transformation: A Monte Carlo Tree Search Framework
- Title(参考訳): 量子回路変換:モンテカルロ木探索フレームワーク
- Authors: Xiangzhen Zhou, Yuan Feng, Sanjiang Li
- Abstract要約: Noisy Intermediate-Scale Quantum(NISQ)時代には、量子処理ユニット(QPU)は物理量子ビット間の非常に限られた接続に悩まされている。
量子回路を効果的に実行可能にするためには、それを変換するために回路変換プロセスが必要である。
回路変換問題に対処するためのモンテカルロ木探索(MCTS)フレームワークを提案する。
- 参考スコア(独自算出の注目度): 6.72166630054365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Noisy Intermediate-Scale Quantum (NISQ) era, quantum processing units
(QPUs) suffer from, among others, highly limited connectivity between physical
qubits. To make a quantum circuit effectively executable, a circuit
transformation process is necessary to transform it, with overhead cost the
smaller the better, into a functionally equivalent one so that the connectivity
constraints imposed by the QPU are satisfied. While several algorithms have
been proposed for this goal, the overhead costs are often very high, which
degenerates the fidelity of the obtained circuits sharply. One major reason for
this lies in that, due to the high branching factor and vast search space,
almost all these algorithms only search very shallowly and thus, very often,
only (at most) locally optimal solutions can be reached. In this paper, we
propose a Monte Carlo Tree Search (MCTS) framework to tackle the circuit
transformation problem, which enables the search process to go much deeper. The
general framework supports implementations aiming to reduce either the size or
depth of the output circuit through introducing SWAP or remote CNOT gates. The
algorithms, called MCTS-Size and MCTS-Depth, are polynomial in all relevant
parameters. Empirical results on extensive realistic circuits and IBM Q Tokyo
show that the MCTS-based algorithms can reduce the size (depth, resp.) overhead
by, on average, 66% (84%, resp.) when compared with tket, an industrial level
compiler.
- Abstract(参考訳): Noisy Intermediate-Scale Quantum(NISQ)時代には、量子処理ユニット(QPU)は物理量子ビット間の非常に限られた接続に悩まされている。
量子回路を効果的に実行するためには、回路変換プロセスが必要であり、オーバーヘッドコストが小さくなるほど、qpuが課す接続制約を満たすように機能的に等価な回路に変換する必要がある。
この目的のためにいくつかのアルゴリズムが提案されているが、オーバーヘッドコストが非常に高く、得られた回路の忠実性が著しく低下する。
この理由の1つは、高い分岐係数と広大な探索空間のため、これらのアルゴリズムのほとんどが非常に浅くしか探索できないため、(ほとんどの場合)局所的な最適解しか到達できないためである。
本稿では,回路変換問題に取り組むためのモンテカルロ木探索(mcts)フレームワークを提案する。
このフレームワークはSWAPやリモートCNOTゲートを導入して出力回路のサイズや深さを減らそうとする実装をサポートしている。
MCTS-SizeとMCTS-Depthと呼ばれるアルゴリズムは、すべての関連するパラメータの多項式である。
大規模リアル回路とIBM Q Tokyoの実証結果から,MCTSベースのアルゴリズムは,産業レベルのコンパイラであるtketと比較して,平均66%(84%)のオーバヘッドを削減できることがわかった。
関連論文リスト
- Towards Efficient Quantum Computing for Quantum Chemistry: Reducing
Circuit Complexity with Transcorrelated and Adaptive Ansatz Techniques [0.0]
この研究は、Transcorrelated (TC) アプローチと適応量子アンゼの併用による回路深さの低減方法を示す。
本研究は, 適応型アンサーゼとTC法を組み合わせることで, 小型, 耐雑音性, 容易に最適化できる量子回路が得られることを示す。
論文 参考訳(メタデータ) (2024-02-26T15:31:56Z) - Robust sparse IQP sampling in constant depth [0.26249027950824505]
NISQ(ノイズのある中間スケール量子)は、堅牢な量子優位性と完全なフォールトトレラント量子計算の証明のないアプローチである。
本稿では,最小限の誤差補正条件でノイズに頑健な証明可能な超多項式量子優位性を実現する手法を提案する。
論文 参考訳(メタデータ) (2023-07-20T09:41:08Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳(メタデータ) (2023-06-14T13:44:35Z) - 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) - TETRIS-ADAPT-VQE: An adaptive algorithm that yields shallower, denser
circuit ans\"atze [0.0]
TETRIS-ADAPT-VQEと呼ばれるアルゴリズムを導入する。
その結果、CNOTゲートの数や変動パラメータを増大させることなく、より密度が高く、より浅い回路が得られる。
これらの改善により、量子ハードウェアに実用的な量子優位性を示すという目標に近づきます。
論文 参考訳(メタデータ) (2022-09-21T18:00:02Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳(メタデータ) (2022-09-01T17:08:41Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Supervised Learning Enhanced Quantum Circuit Transformation [6.72166630054365]
実量子処理ユニット(QPU)における量子プログラムの実行には、量子回路変換(QCT)が必要である。
本稿では,浅層回路上の教師あり学習によって訓練されたポリシ人工知能ニューラルネットワーク(ANN)を用いて,既存のQCTアルゴリズムが最も有望なSWAPゲートを選択するのを支援するフレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-06T20:32:28Z) - 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)
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。