論文の概要: Random Stimuli Generation for the Verification of Quantum Circuits
- arxiv url: http://arxiv.org/abs/2011.07288v1
- Date: Sat, 14 Nov 2020 12:26:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 03:29:34.689139
- Title: Random Stimuli Generation for the Verification of Quantum Circuits
- Title（参考訳）: 量子回路の検証のためのランダム刺激生成
- Authors: Lukas Burgholzer, Richard Kueng, and Robert Wille
- Abstract要約: シミュレーション検証とランダム刺激を用いて量子回路の正当性を確認するには有望な方法が存在することを示す。
古典的領域の検証とは対照的に,ランダムに振る舞う刺激しか考慮されていない場合でも,高い誤差検出率が得られることを示す。
- 参考スコア（独自算出の注目度）: 4.932949789642529
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Verification of quantum circuits is essential for guaranteeing correctness of
quantum algorithms and/or quantum descriptions across various levels of
abstraction. In this work, we show that there are promising ways to check the
correctness of quantum circuits using simulative verification and random
stimuli. To this end, we investigate how to properly generate stimuli for
efficiently checking the correctness of a quantum circuit. More precisely, we
introduce, illustrate, and analyze three schemes for quantum stimuli
generation---offering a trade-off between the error detection rate (as well as
the required number of stimuli) and efficiency. In contrast to the verification
in the classical realm, we show (both, theoretically and empirically) that even
if only a few randomly-chosen stimuli (generated from the proposed schemes) are
considered, high error detection rates can be achieved for quantum circuits.
The results of these conceptual and theoretical considerations have also been
empirically confirmed---with a grand total of approximately $10^6$ simulations
conducted across 50 000 benchmark instances.
- Abstract（参考訳）: 量子回路の検証は、様々な抽象レベルにわたって量子アルゴリズムや量子記述の正確性を保証するのに不可欠である。
本研究では,同調的検証とランダム刺激を用いて,量子回路の正しさを確認する有望な方法を示す。
そこで本研究では,量子回路の正しさを効率的に確認するための刺激を適切に生成する方法を検討する。
より正確には、量子刺激生成のための3つのスキームを紹介し、説明し、分析する。
古典的領域における検証とは対照的に、(理論的にも経験的にも)少数のランダムなチョセン刺激(提案されたスキームから生成される)が考慮されたとしても、量子回路において高い誤差検出率を達成できることを示す。
これらの概念的および理論的考察の結果も実証的に確認され、50万のベンチマークインスタンスで約10^6$のシミュレーションが行われた。
関連論文リスト
- The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - Verifiable measurement-based quantum random sampling with trapped ions [0.7978498178655667]
量子コンピュータは、今、彼らの古典的なコンピュータよりも優れています。
この利点を示す方法の1つは、量子コンピューティングデバイス上で実行される量子ランダムサンプリングである。
ここでは、量子計算の計測に基づくモデルにおいて、効率よく検証可能な量子ランダムサンプリングを実験的に示す。
論文 参考訳（メタデータ） (2023-07-26T18:00:03Z) - Monte Carlo Graph Search for Quantum Circuit Optimization [26.114550071165628]
本研究はモンテカルログラフ探索に基づく量子アーキテクチャ探索アルゴリズムと重要サンプリングの尺度を提案する。
これは、離散ゲートと連続変数を含むゲートの両方に対して、ゲートオーダーの最適化に適用できる。
論文 参考訳（メタデータ） (2023-07-14T14:01:25Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - quAssert: Automatic Generation of Quantum Assertions [5.263910852465185]
本稿では,量子回路の静的解析とランダムサンプリングに基づく量子アサーションの自動生成と配置を提案する。
純粋古典状態、重ね合わせ状態、および絡み合った状態などの量子回路の特別な性質を統計的手法を用いて明らかにする。
量子ベンチマークを用いた誤り検出において生成したアサーションの有効性を示す。
論文 参考訳（メタデータ） (2023-03-02T18:49:14Z) - Qafny: A Quantum-Program Verifier [39.47005122712576]
本稿では,量子プログラムの自動検証システムであるQafnyを紹介する。
Qafnyの核心は、量子演算を古典的な配列演算に変換する型誘導量子証明システムである。
我々はQafnyが量子ウォークアルゴリズム、Groverのアルゴリズム、Shorのアルゴリズムを含む重要な量子アルゴリズムを効率的に検証する方法を示す。
論文 参考訳（メタデータ） (2022-11-11T18:50:52Z) - Proof-of-principle experimental demonstration of quantum gate
verification [1.9852463786440127]
近年,量子ゲート検証(QGV)と呼ばれる手法が提案されている。
単一量子ビットの量子ゲートでは、99%の信頼レベルを持つ少なくとも97%の量子ゲートの正当性を確認するために、sim300$サンプルのみが必要とされる。
QGV法は、様々な量子情報アプリケーションにおける量子デバイスの評価に広く用いられる可能性がある。
論文 参考訳（メタデータ） (2021-07-28T16:20:27Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - 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) - Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。
観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
論文 参考訳（メタデータ） (2020-05-05T20:11:53Z)
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。