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

• A General Framework for Gradient-Based Optimization of Superconducting Quantum Circuits using Qubit Discovery as a Case Study [0.19528996680336308]
  超伝導量子回路の勾配に基づく最適化のための網羅的な枠組みを提案する。 この枠組みをキュービット発見問題に適用し、優れた性能指標を持つキュービット設計の同定の有効性を実証する。
  論文  参考訳（メタデータ） (2024-08-22T19:46:50Z)
• Reinforcement learning-based architecture search for quantum machine learning [4.34233919529354]
  量子機械学習モデルは符号化回路を使用して、データを量子ヒルベルト空間にマッピングする。 本稿では,問題固有の符号化回路を生成するために,強化学習技術を用いた新しい手法を提案する。 本研究は,QMLモデルの性能向上における問題固有符号化回路の有効性を強調した。
  論文  参考訳（メタデータ） (2024-06-04T19:00:42Z)
• Quantum Vision Transformers for Quark-Gluon Classification [3.350407101925898]
  本稿では,変分量子回路を統合したハイブリッド型量子古典視覚変換器アーキテクチャを提案する。 CMS Open Dataのマルチ検出器ジェット画像にモデルを適用し,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-05-16T17:45:54Z)
• An RNN-policy gradient approach for quantum architecture search [7.616832563471534]
  変分量子回路は、量子コンピューティングの利点を利用するための有望な方法の1つである。 量子回路アーキテクチャの設計は、量子アルゴリズムの性能に大きく影響する可能性がある。 量子アーキテクチャ探索は、量子回路アーキテクチャを自動設計するプロセスである。
  論文  参考訳（メタデータ） (2024-05-09T16:44:35Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• 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)
• 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)
• 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。