Fugu-MT 論文翻訳(概要): Diagrammatic Design and Study of Ans\"{a}tze for Quantum Machine Learning

論文の概要: Diagrammatic Design and Study of Ans\"{a}tze for Quantum Machine Learning

arxiv url: http://arxiv.org/abs/2011.11073v1
Date: Sun, 22 Nov 2020 17:39:04 GMT
ステータス: 処理完了
システム内更新日: 2023-04-23 11:01:00.882196
Title: Diagrammatic Design and Study of Ans\"{a}tze for Quantum Machine Learning
Title（参考訳）: 量子機械学習のためのans\"{a}tzeの図式設計と研究
Authors: Richie Yeung
Abstract要約: この論文は、QML ans"atzeで推論するための図式技術の使用の先駆者である。一般的に使用されるQML ans"atzeを図式に変換して、これらの通勤ゲートの使い方を詳しく説明し、回路の解析と単純化をより容易にする。
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: Given the rising popularity of quantum machine learning (QML), it is important to develop techniques that effectively simplify commonly adopted families of parameterised quantum circuits (commonly known as ans\"{a}tze). This thesis pioneers the use of diagrammatic techniques to reason with QML ans\"{a}tze. We take commonly used QML ans\"{a}tze and convert them to diagrammatic form and give a full description of how these gates commute, making the circuits much easier to analyse and simplify. Furthermore, we leverage a combinatorial description of the interaction between CNOTs and phase gadgets to analyse a periodicity phenomenon in layered ans\"{a}tze and also to simplify a class of circuits commonly used in QML.
Abstract（参考訳）: 量子機械学習(qml)の人気が高まる中、パラメータ化された量子回路(一般にはans\"{a}tze")の一般採用ファミリーを効果的に単純化する手法を開発することが重要である。この論文は、QML ans\"{a}tze で推論するための図式技法の使用の先駆者である。一般に使用されるqml ans\"{a}tzeをダイアグラム形式に変換し、これらのゲートの通勤方法の完全な説明を与え、回路の解析と単純化をより容易にする。さらに,層状ans\"{a}tzeにおける周期性現象の解析や,qmlで一般的に使用される回路のクラスを単純化するために,cnotと位相ガジェットの相互作用の組合せ記述を利用する。

関連論文リスト

Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
論文参考訳（メタデータ） (2024-07-04T06:37:16Z)
GSQAS: Graph Self-supervised Quantum Architecture Search [0.18899300124593643]
既存の量子アーキテクチャ探索(QAS)アルゴリズムは、探索プロセス中に多数の量子回路を評価する必要がある。本稿では,自己教師型学習に基づく予測器を訓練するグラフ自己教師型QASであるGSQASを提案する。 GSQASは最先端の予測器ベースのQASより優れており、ラベル付き回路が少なくて性能が良い。
論文参考訳（メタデータ） (2023-03-22T08:35:28Z)
Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文参考訳（メタデータ） (2023-02-09T14:05:18Z)
Quantum Fourier Addition, Simplified to Toffoli Addition [92.18777020401484]
本稿では,QFT付加回路をToffoliベースの加算器に初めて体系的に変換する。 QFT回路からゲートを近似分解する代わりに、ゲートをマージする方が効率的である。
論文参考訳（メタデータ） (2022-09-30T02:36:42Z)
Analysis of arbitrary superconducting quantum circuits accompanied by a Python package: SQcircuit [0.0]
超伝導量子回路は、フォールトトレラント量子コンピュータを実現するための有望なハードウェアプラットフォームである。超伝導量子回路の量子化ハミルトニアンを物理記述から構築する枠組みを開発する。我々は,オープンソースのPythonパッケージであるSQcircuitで記述した手法を実装した。
論文参考訳（メタデータ） (2022-06-16T17:24:51Z)
Quantum Circuits in Additive Hilbert Space [0.0]
従来の回路を加法空間でどのように表現し、どのように回収するかを示す。特にフォーマリズムでは、低レベル回路分解から高レベルな多重制御プリミティブを合成することができる。我々の定式化はまた、回路のような図式表現を受け入れ、量子計算の斬新でシンプルな解釈を提案する。
論文参考訳（メタデータ） (2021-11-01T19:05:41Z)
An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
論文参考訳（メタデータ） (2021-08-06T19:38:03Z)
Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
論文参考訳（メタデータ） (2021-08-06T19:38:01Z)
Diagrammatic Differentiation for Quantum Machine Learning [0.19336815376402716]
位相パラメータに関して線形写像の勾配を図式的に計算する方法を示す。パラメトリス量子回路の図では、よく知られたパラメータシフト規則が得られる。次に,本手法をハイブリッド古典量子回路の自動微分に拡張する。
論文参考訳（メタデータ） (2021-03-14T16:04:56Z)
Translation of Quantum Circuits into Quantum Turing Machines for Deutsch and Deutsch-Jozsa Problems [0.0]
量子チューリングマシン(QTM)を用いて、DeutschとDeutsch-Jozsaアルゴリズムの量子回路モデルと等価性を示す。本稿では,QTMの観点からの重ね合わせなどの量子コンピューティングの特徴について述べる。
論文参考訳（メタデータ） (2021-01-06T08:47:15Z)
Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
論文参考訳（メタデータ） (2020-07-29T05:26:19Z)

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。