論文の概要: A Tensor Network based Decision Diagram for Representation of Quantum
Circuits
- arxiv url: http://arxiv.org/abs/2009.02618v2
- Date: Sat, 21 Aug 2021 07:15:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 11:33:23.956617
- Title: A Tensor Network based Decision Diagram for Representation of Quantum
Circuits
- Title(参考訳): テンソルネットワークを用いた量子回路表現のための決定図
- Authors: Xin Hong, Xiangzhen Zhou, Sanjiang Li, Yuan Feng, Mingsheng Ying
- Abstract要約: 本稿では、テンソルネットワークの原理的かつ便利な応用のために、TDDと呼ばれる決定図式データ構造を提案する。
回路分割を利用することにより、量子回路のTDDを効率的に計算することができる。
TDDは量子回路に関連する様々な設計自動化タスクにおいて重要な役割を果たすことが期待されている。
- 参考スコア(独自算出の注目度): 8.36229449571485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tensor networks have been successfully applied in simulation of quantum
physical systems for decades. Recently, they have also been employed in
classical simulation of quantum computing, in particular, random quantum
circuits. This paper proposes a decision diagram style data structure, called
TDD (Tensor Decision Diagram), for more principled and convenient applications
of tensor networks. This new data structure provides a compact and canonical
representation for quantum circuits. By exploiting circuit partition, the TDD
of a quantum circuit can be computed efficiently. Furthermore, we show that the
operations of tensor networks essential in their applications (e.g., addition
and contraction), can also be implemented efficiently in TDDs. A
proof-of-concept implementation of TDDs is presented and its efficiency is
evaluated on a set of benchmark quantum circuits. It is expected that TDDs will
play an important role in various design automation tasks related to quantum
circuits, including but not limited to equivalence checking, error detection,
synthesis, simulation, and verification.
- Abstract(参考訳): テンソルネットワークは、何十年もの間量子物理系のシミュレーションにうまく応用されてきた。
近年、量子コンピューティング、特にランダム量子回路の古典的なシミュレーションにも採用されている。
本稿では、テンソルネットワークのより原理的で便利な応用のために、TDD(Tensor Decision Diagram)と呼ばれる決定図式データ構造を提案する。
この新しいデータ構造は、量子回路のコンパクトで標準的な表現を提供する。
回路分割を利用することにより、量子回路のTDDを効率的に計算することができる。
さらに、アプリケーションに不可欠なテンソルネットワーク(加算や収縮など)の操作もTDDで効率的に実装できることを示す。
TDDの概念実証実装を示し、その効率をベンチマーク量子回路のセットで評価する。
TDDは、等価性チェック、エラー検出、合成、シミュレーション、検証など、量子回路に関連するさまざまな設計自動化タスクにおいて重要な役割を果たすことが期待されている。
関連論文リスト
- Embedding of Tree Tensor Networks into Shallow Quantum Circuits [0.0]
本研究では,木ネットワーク(TTN)を浅い量子回路に埋め込む手法を提案する。
我々の数値的な結果は、TTNの埋め込みは、マトリックス生成状態(MPS)よりも優れた初期量子回路を提供することを示している。
この研究は、VQAの2次元システムと長距離相関系への応用を拡大することが期待されている。
論文 参考訳(メタデータ) (2025-01-31T02:38:17Z) - Redesign Quantum Circuits on Quantum Hardware Device [6.627541720714792]
量子ハードウェア上での大規模量子回路の再設計を可能にする新しいアーキテクチャを提案する。
具体的には、このアーキテクチャを(非)パラメータ化回路の等価性チェックを含む、回路最適化における3つの重要な応用に適用する。
提案手法の有効性は,従来のコンピュータと現在のNISQハードウェアの両方で実装された,これらのアプリケーションの優れた成果によって実証される。
論文 参考訳(メタデータ) (2024-12-30T12:05:09Z) - 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) - KetGPT -- Dataset Augmentation of Quantum Circuits using Transformers [1.236829197968612]
量子回路として表現される量子アルゴリズムは、量子システムの性能を評価するためのベンチマークとして用いられる。
しかしランダム回路は、実際の量子アルゴリズム固有の性質を欠いているため、代表的なベンチマークではない。
この研究は、我々が「リアルに見える」回路と呼ぶものを生成することによって、既存の量子回路データセットを強化することを目的としている。
論文 参考訳(メタデータ) (2024-02-20T20:02:21Z) - Classical Half-Adder using Trapped-ion Quantum Bits: Towards Energy-efficient Computation [0.43981305860983716]
エネルギー効率のよい計算のための未来のパラダイムとして,可逆計算が提案されている。
量子技術上で動く古典論理ゲートの証明を提供する。
我々は論理ゲートを操作するのに必要なエネルギーを理論的にも実験的にも分析する。
論文 参考訳(メタデータ) (2022-10-19T11:23:18Z) - 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) - Simulation Paths for Quantum Circuit Simulation with Decision Diagrams [72.03286471602073]
決定図を用いて量子回路をシミュレートする際に選択される経路の重要性について検討する。
我々は、専用のシミュレーションパスを調査できるオープンソースのフレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-01T19:00:11Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Model Checking for Verification of Quantum Circuits [1.1878820609988696]
本稿では,量子回路のアサーションに基づく検証のためのフレームワークについて述べる。
量子アサーションはバーホフ=ヴォン・ノイマン量子論理の時間拡張によって定義される。
テンソルネットワークの縮約に基づいて,量子回路の到達可能性解析とモデル検査を行うアルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-04-23T00:43:37Z)
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。