論文の概要: Benchmarking 50-Photon Gaussian Boson Sampling on the Sunway TaihuLight
- arxiv url: http://arxiv.org/abs/2009.01177v1
- Date: Wed, 2 Sep 2020 16:37:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 01:04:25.135035
- Title: Benchmarking 50-Photon Gaussian Boson Sampling on the Sunway TaihuLight
- Title（参考訳）: Sunway TaihuLightでの50光ガウスボソンサンプリングのベンチマーク
- Authors: Yuxuan Li, Mingcheng Chen, Yaojian Chen, Haitian Lu, Lin Gan, Chaoyang
Lu, Jianwei Pan, Haohuan Fu, and Guangwen Yang
- Abstract要約: この研究は、Sunway TaihuLightスーパーコンピュータに基づくしきい値検出によるガウスボソンサンプリング(GBS)のベンチマークを確立する。
選択されたシミュレーションアルゴリズムは、並列スキームと命令レベルの最適化方法を含む一連の革新的なアプローチに基づいて、完全に最適化されている。
最大出力は128ビット精度で20時間以内に50光子GBSから100 x 100サブマトリクスの1つのトロント関数を得ることができ、256ビット精度で2日間の精度で得られる。
- 参考スコア（独自算出の注目度）: 13.129830044392518
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Boson sampling is expected to be one of an important milestones that will
demonstrate quantum supremacy. The present work establishes the benchmarking of
Gaussian boson sampling (GBS) with threshold detection based on the Sunway
TaihuLight supercomputer. To achieve the best performance and provide a
competitive scenario for future quantum computing studies, the selected
simulation algorithm is fully optimized based on a set of innovative
approaches, including a parallel scheme and instruction-level optimizing
method. Furthermore, data precision and instruction scheduling are handled in a
sophisticated manner by an adaptive precision optimization scheme and a
DAG-based heuristic search algorithm, respectively. Based on these methods, a
highly efficient and parallel quantum sampling algorithm is designed. The
largest run enables us to obtain one Torontonian function of a 100 x 100
submatrix from 50-photon GBS within 20 hours in 128-bit precision and 2 days in
256-bit precision.
- Abstract（参考訳）: bosonサンプリングは、量子超越性を示す重要なマイルストーンの1つとして期待されている。
本研究では,Sunway TaihuLightスーパーコンピュータを用いたしきい値検出によるガウスボソンサンプリング(GBS)のベンチマークを確立する。
最適な性能を実現し、将来の量子コンピューティング研究のための競合シナリオを提供するため、選択されたシミュレーションアルゴリズムは、並列スキームと命令レベル最適化法を含む一連の革新的なアプローチに基づいて完全に最適化される。
さらに、適応精度最適化スキームとdagベースのヒューリスティック探索アルゴリズムにより、データの精度と命令スケジューリングを洗練された方法で処理する。
これらの手法に基づいて、高効率かつ並列な量子サンプリングアルゴリズムを設計する。
128ビットの精度で50光子gb、256ビットの精度で2日で100 x 100サブマトリックスの1つのトロント関数を20時間以内に得ることができる。
関連論文リスト
- Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。
本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。
合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
論文 参考訳（メタデータ） (2024-11-07T17:05:31Z) - Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。
WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
論文 参考訳（メタデータ） (2024-10-28T04:47:39Z) - Quantum evolutionary algorithm for TSP combinatorial optimisation problem [0.0]
本稿では、量子遺伝的アルゴリズム(QGA)を用いて、旅行セールスマン問題(TSP)と呼ばれる新しい問題を解決する方法を実装する。
我々は、この新しいアプローチがいかにうまく機能するかを、古典的遺伝的アルゴリズム(CGA)として知られる従来の手法と比較した。
論文 参考訳（メタデータ） (2024-09-20T08:27:42Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - Recommender System Expedited Quantum Control Optimization [0.0]
量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。
効率的な最適化アルゴリズムの設計には2つの大きな課題がある。
本稿では,後者の課題に対処するため,機械学習手法,特にレコメンダシステム(RS)を提案する。
論文 参考訳（メタデータ） (2022-01-29T10:25:41Z) - The Boundary for Quantum Advantage in Gaussian Boson Sampling [44.62475518267084]
最先端の量子フォトニクス実験では、既存の古典的アルゴリズムをシミュレートするのに6億年を要します。
本稿では,高速かつ高精度なGBSシミュレーション手法を提案する。
これにより、最先端のGBS実験をシミュレーションする実行時間を数ヶ月に短縮する。
論文 参考訳（メタデータ） (2021-08-03T16:49:40Z) - Quadratic speedup for simulating Gaussian boson sampling [0.9236074230806577]
本稿では,ガウスボソンサンプリングの古典的シミュレーションのためのアルゴリズムを提案する。
アルゴリズムの複雑さは、検出された光子対の数において指数関数的であり、光子の数ではない。
改良されたループハフニアンアルゴリズムはスーパーコンピュータを必要とせずに純粋状態確率を計算することができることを示す。
論文 参考訳（メタデータ） (2020-10-29T13:53:30Z) - 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) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。