論文の概要: Classical variational simulation of the Quantum Approximate Optimization Algorithm

• arxiv url: http://arxiv.org/abs/2009.01760v3
• Date: Mon, 21 Jun 2021 18:03:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 22:54:10.059074
• Title: Classical variational simulation of the Quantum Approximate Optimization Algorithm
• Title（参考訳）: 量子近似最適化アルゴリズムの古典的変動シミュレーション
• Authors: Matija Medvidovic, Giuseppe Carleo
• Abstract要約: パラメタライズドゲートからなる層状量子回路をシミュレートする手法を提案する。 マルチキュービット波動関数のニューラルネットワークパラメトリゼーションを用いる。 シミュレーションした最大の回路では、4QAOA層で54量子ビットに達する。
• 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: A key open question in quantum computing is whether quantum algorithms can potentially offer a significant advantage over classical algorithms for tasks of practical interest. Understanding the limits of classical computing in simulating quantum systems is an important component of addressing this question. We introduce a method to simulate layered quantum circuits consisting of parametrized gates, an architecture behind many variational quantum algorithms suitable for near-term quantum computers. A neural-network parametrization of the many-qubit wave function is used, focusing on states relevant for the Quantum Approximate Optimization Algorithm (QAOA). For the largest circuits simulated, we reach 54 qubits at 4 QAOA layers, approximately implementing 324 RZZ gates and 216 RX gates without requiring large-scale computational resources. For larger systems, our approach can be used to provide accurate QAOA simulations at previously unexplored parameter values and to benchmark the next generation of experiments in the Noisy Intermediate-Scale Quantum (NISQ) era.
• Abstract（参考訳）: 量子コンピューティングにおける鍵となる疑問は、量子アルゴリズムが実用的関心のあるタスクに古典的アルゴリズムよりも大きな利点をもたらす可能性があるかどうかである。 量子システムのシミュレーションにおける古典計算の限界を理解することは、この問題に対処する重要な要素である。 本稿では,近距離量子コンピュータに適した多くの変分量子アルゴリズムを支えるアーキテクチャであるパラメトリゼーションゲートからなる層状量子回路をシミュレーションする手法を提案する。 多量子ビット波動関数のニューラルネットワークパラメトリゼーションは、量子近似最適化アルゴリズム(qaoa)に関連する状態に焦点を当てて用いられる。 シミュレーションした最大の回路では、4QAOA層で54量子ビットに達し、324のRZZゲートと216のRXゲートを実装し、大規模計算資源を必要としない。 大規模システムでは,従来の未探索パラメータ値での正確なQAOAシミュレーションや,ノイズ中規模量子(NISQ)時代の次世代実験のベンチマークに利用することができる。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Q-gen: A Parameterized Quantum Circuit Generator [0.6062751776009752]
  本稿では、15個の現実的量子アルゴリズムを取り入れた高レベルパラメータ化量子回路生成器Q-genを紹介する。 Q-genは、古典的なコンピュータサイエンスの背景を持つユーザが量子コンピューティングの世界に飛び込むための入り口として機能するオープンソースプロジェクトである。
  論文  参考訳（メタデータ） (2024-07-26T12:22:40Z)
• Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
  本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。 提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
  論文  参考訳（メタデータ） (2024-06-17T14:10:10Z)
• Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
  この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。 目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。 アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
  論文  参考訳（メタデータ） (2024-03-01T19:36:35Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Sparse Quantum State Preparation for Strongly Correlated Systems [0.0]
  原理として、指数関数的にスケールする多電子波関数を線形にスケールする量子ビットレジスタに符号化することは、従来の量子化学法の限界を克服するための有望な解決策を提供する。 基底状態量子アルゴリズムが実用的であるためには、量子ビットの初期化が要求される基底状態の高品質な近似に必須である。 量子状態準備(QSP)は、古典的な計算から得られる近似固有状態の生成を可能にするが、量子情報のオラクルとして頻繁に扱われる。
  論文  参考訳（メタデータ） (2023-11-06T18:53:50Z)
• 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)
• Hybrid Quantum Classical Simulations [0.0]
  量子コンピューティングの2つの主要なハイブリッド応用、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解法(VQE)について報告する。 どちらも、古典的な中央処理ユニットと量子処理ユニットの間の漸進的な通信を必要とするため、ハイブリッド量子古典アルゴリズムである。
  論文  参考訳（メタデータ） (2022-10-06T10:49:15Z)
• An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
  量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。 この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
  論文  参考訳（メタデータ） (2022-05-11T12:10:52Z)
• Fundamental limitations on optimization in variational quantum algorithms [7.165356904023871]
  そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。 このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。 この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
  論文  参考訳（メタデータ） (2022-05-10T17:14:57Z)
• Quantum mean value approximator for hard integer value problems [19.4417702222583]
  正確な予想よりも近似を用いることで、最適化を大幅に改善できることを示す。 効率的な古典的サンプリングアルゴリズムとともに、極小ゲート数を持つ量子アルゴリズムは、一般的な整数値問題の効率を向上させることができる。
  論文  参考訳（メタデータ） (2021-05-27T13:03:52Z)

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。