論文の概要: Neural Predictor based Quantum Architecture Search

• arxiv url: http://arxiv.org/abs/2103.06524v1
• Date: Thu, 11 Mar 2021 08:26:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-08 11:22:40.279861
• Title: Neural Predictor based Quantum Architecture Search
• Title（参考訳）: ニューラルネットワークによる量子アーキテクチャ探索
• Authors: Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang, Hong Yao
• Abstract要約: 変分量子アルゴリズム(VQA)は、短期的には量子古典的ハイブリッド計算パラダイムの下で現実的な問題に対して量子的優位性をもたらすと広く推測されている。 本研究では,量子アーキテクチャ探索(QAS)の評価ポリシーとしてニューラルネットワークに基づく予測器を提案する。
• 参考スコア（独自算出の注目度）: 15.045985536395479
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum algorithms (VQAs) are widely speculated to deliver quantum advantages for practical problems under the quantum-classical hybrid computational paradigm in the near term. Both theoretical and practical developments of VQAs share many similarities with those of deep learning. For instance, a key component of VQAs is the design of task-dependent parameterized quantum circuits (PQCs) as in the case of designing a good neural architecture in deep learning. Partly inspired by the recent success of AutoML and neural architecture search (NAS), quantum architecture search (QAS) is a collection of methods devised to engineer an optimal task-specific PQC. It has been proven that QAS-designed VQAs can outperform expert-crafted VQAs under various scenarios. In this work, we propose to use a neural network based predictor as the evaluation policy for QAS. We demonstrate a neural predictor guided QAS can discover powerful PQCs, yielding state-of-the-art results for various examples from quantum simulation and quantum machine learning. Notably, neural predictor guided QAS provides a better solution than that by the random-search baseline while using an order of magnitude less of circuit evaluations. Moreover, the predictor for QAS as well as the optimal ansatz found by QAS can both be transferred and generalized to address similar problems.
• Abstract（参考訳）: 変分量子アルゴリズム(vqas)は、近い将来に量子古典的ハイブリッド計算パラダイムの下で実用問題に対して量子的な利点をもたらすと広く推測されている。 VQAsの理論的および実践的発展は、深層学習と多くの類似点を共有している。 例えば、VQAsの重要なコンポーネントは、ディープラーニングにおいて優れたニューラルネットワークアーキテクチャを設計する場合のように、タスク依存のパラメータ化量子回路(PQC)の設計である。 最近のAutoMLとニューラルアーキテクチャサーチ(NAS)の成功に触発された量子アーキテクチャサーチ(QAS)は、最適なタスク固有のPQCを設計するために考案された手法の集合である。 QASが設計したVQAは、様々なシナリオで専門家が設計したVQAより優れていることが証明されている。 本研究では,QASの評価ポリシとしてニューラルネットワークに基づく予測器を提案する。 量子シミュレーションや量子機械学習の様々な例で、ニューラルネットワーク予測器が強力なpqcを発見できることを実証する。 特に、ニューラルネットワーク予測器ガイドqasは、回路評価を桁違いに減らしながら、ランダム検索ベースラインよりも優れたソリューションを提供する。 さらに、QASの予測器と、QASが発見する最適なアンサッツは、同様の問題に対処するために転送および一般化することができる。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Learning capability of parametrized quantum circuits [2.51657752676152]
  変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。 本稿では、Schuldらによる研究に基づいて、学習能力の新たな尺度を用いて、PQCの一般的なアンス・アゼと比較する。 また,Beerらが導入した分散量子ニューラルネットワーク(dQNN)についても検討し,その学習能力を高めるために,dQNNのデータ再アップロード構造を提案する。
  論文  参考訳（メタデータ） (2022-09-21T13:26:20Z)
• Evolutionary Quantum Architecture Search for Parametrized Quantum Circuits [7.298440208725654]
  本稿では,PQCモデルのための進化的量子アーキテクチャ探索フレームワークであるEQAS-PQCを紹介する。 提案手法は,ハイブリッド量子古典モデルの性能を著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-08-23T19:47:37Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Quantum agents in the Gym: a variational quantum algorithm for deep Q-learning [0.0]
  本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。 量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
  論文  参考訳（メタデータ） (2021-03-28T08:57:22Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Differentiable Quantum Architecture Search [15.045985536395479]
  微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。 DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
  論文  参考訳（メタデータ） (2020-10-16T18:00:03Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。