論文の概要: Quantum Circuit Design Search
- arxiv url: http://arxiv.org/abs/2012.04046v2
- Date: Mon, 4 Jan 2021 08:52:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 06:53:32.955956
- Title: Quantum Circuit Design Search
- Title(参考訳): 量子回路設計の探索
- Authors: Mohammad Pirhooshyaran, Tamas Terlaky
- Abstract要約: 本稿では,パラメータ化量子回路の設計のための探索戦略について検討する。
ランダム検索と適合テストの生存を含むいくつかの最適化アプローチを提案します。
我々は,ハンドデザインとトレーサビリティの面での効率のよい非自明な回路アーキテクチャを導入する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article explores search strategies for the design of parameterized
quantum circuits. We propose several optimization approaches including random
search plus survival of the fittest, reinforcement learning both with classical
and hybrid quantum classical controllers and Bayesian optimization as decision
makers to design a quantum circuit in an automated way for a specific task such
as multi-labeled classification over a dataset. We introduce nontrivial circuit
architectures that are arduous to be hand-designed and efficient in terms of
trainability. In addition, we introduce reuploading of initial data into
quantum circuits as an option to find more general designs. We numerically show
that some of the suggested architectures for the Iris dataset accomplish better
results compared to the established parameterized quantum circuit designs in
the literature. In addition, we investigate the trainability of these
structures on the unseen dataset Glass. We report meaningful advantages over
the benchmarks for the classification of the Glass dataset which supports the
fact that the suggested designs are inherently more trainable.
- Abstract(参考訳): 本稿では、パラメータ化量子回路の設計のための探索戦略について述べる。
本稿では,データセット上のマルチラベル分類などの特定のタスクに対して,量子回路を自動設計する意思決定者として,ランダム探索,フィッツテストの生存,古典およびハイブリッド量子古典コントローラによる強化学習,ベイズ最適化などの最適化手法を提案する。
我々は,ハンドデザインとトレーサビリティの面での効率のよい非自明な回路アーキテクチャを導入する。
さらに,量子回路への初期データの再アップロードを,より汎用的な設計を求めるオプションとして導入する。
提案したIrisデータセットのアーキテクチャのいくつかは、文献で確立されたパラメータ化量子回路設計と比較して、より良い結果が得られることを示す。
さらに, 未知のデータセットガラス上でのこれらの構造のトレーニング可能性について検討した。
提案する設計が本質的により訓練可能であるという事実を裏付けるglassデータセットの分類のベンチマークよりも有意義な利点を報告する。
関連論文リスト
- Distributed quantum architecture search [0.0]
ニューラルネットワークにインスパイアされた変分量子アルゴリズムは、量子コンピューティングにおいて新しいアプローチとなっている。
量子アーキテクチャ探索は、ゲートパラメータとともに回路構造を調整することでこの問題に対処し、高性能回路構造を自動的に発見する。
本稿では,分散量子回路構造の自動設計を目的とした,エンドツーエンドの分散量子アーキテクチャ探索フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-10T13:28:56Z) - Quantum Circuit Unoptimization [0.6449786007855248]
本研究では,量子回路最適化と呼ばれる量子アルゴリズムプリミティブを構築する。
NPクラスとBQPクラスの両方に含まれる決定問題である量子回路等価性テストを提案する。
実用的な応用として,コンパイラベンチマークを生成し,回路最適化性能を評価するために,具体的不最適化レシピを構築した。
論文 参考訳(メタデータ) (2023-11-07T08:38:18Z) - Learning to Design Analog Circuits to Meet Threshold Specifications [2.5818330243826924]
本稿では,シミュレーションデータから,しきい値仕様を満たす回路の設計を訓練可能なデータセットを生成する手法を提案する。
提案手法は,5%の誤差マージンで90%以上の成功率を達成するとともに,データ効率を1桁以上の精度で向上することを示す。
論文 参考訳(メタデータ) (2023-07-25T23:25:05Z) - Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum
Circuit Simulation [65.93830818469833]
テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。
これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。
量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
論文 参考訳(メタデータ) (2023-02-13T19:00:00Z) - The Basis of Design Tools for Quantum Computing: Arrays, Decision
Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。
完全に自動化された量子ソフトウェアスタックを開発する必要がある。
この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文 参考訳(メタデータ) (2023-01-10T19:00:00Z) - 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) - Quantum Embedding Search for Quantum Machine Learning [2.7612093695074456]
クエスト」と発音される新しい量子埋め込み探索アルゴリズム(QES)を導入する。
我々は、量子埋め込みの構造と有向多重グラフの表現との接続を確立し、明確に定義された探索空間を実現する。
本稿では,QESによる量子埋め込みアーキテクチャが手動設計より優れていることを実証的に示す,合成とアイリスデータセットに対する提案手法の有効性を実証する。
論文 参考訳(メタデータ) (2021-05-25T11:50:57Z) - Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。
本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文 参考訳(メタデータ) (2021-04-30T21:34:11Z) - Fast Design Space Exploration of Nonlinear Systems: Part II [7.35349188211367]
Fast Design Space Exploration of Systems (ASSENT) というフレームワークにカプセル化された2段階のアプローチにより、非線形システム設計空間探索に取り組みます。
最初のステップでは、コンポーネントの値を個別に選択できるシステムアーキテクチャを探すために、遺伝的アルゴリズムを使用します。
第2のステップでは、逆設計を用いて連続空間を探索し、目的関数の値を改善することを目的としてコンポーネント値を微調整する。
論文 参考訳(メタデータ) (2021-04-05T16:11:50Z) - 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) - 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)
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。