論文の概要: Variational quantum compiling with double Q-learning
- arxiv url: http://arxiv.org/abs/2103.11611v1
- Date: Mon, 22 Mar 2021 06:46:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-24 05:30:31.692320
- Title: Variational quantum compiling with double Q-learning
- Title（参考訳）: ダブルQ-ラーニングによる変分量子コンパイル
- Authors: Zhimin He, Lvzhou Li, Shenggen Zheng, Yongyao Li, Haozhen Situ
- Abstract要約: 強化学習(RL)に基づく変分量子コンパイル(VQC)アルゴリズムを提案する。
エージェントは、ネイティブゲートアルファベットとそれらが行う量子ビットから、二重Q学習によって順次量子ゲートを選択するように訓練される。
NISQデバイスのデコヒーレンスプロセスとゲートノイズによる量子アルゴリズムのエラーを減らすことができます。
- 参考スコア（独自算出の注目度）: 0.37798600249187286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum compiling aims to construct a quantum circuit V by quantum gates
drawn from a native gate alphabet, which is functionally equivalent to the
target unitary U. It is a crucial stage for the running of quantum algorithms
on noisy intermediate-scale quantum (NISQ) devices. However, the space for
structure exploration of quantum circuit is enormous, resulting in the
requirement of human expertise, hundreds of experimentations or modifications
from existing quantum circuits. In this paper, we propose a variational quantum
compiling (VQC) algorithm based on reinforcement learning (RL), in order to
automatically design the structure of quantum circuit for VQC with no human
intervention. An agent is trained to sequentially select quantum gates from the
native gate alphabet and the qubits they act on by double Q-learning with
\epsilon-greedy exploration strategy and experience replay. At first, the agent
randomly explores a number of quantum circuits with different structures, and
then iteratively discovers structures with higher performance on the learning
task. Simulation results show that the proposed method can make exact
compilations with less quantum gates compared to previous VQC algorithms. It
can reduce the errors of quantum algorithms due to decoherence process and gate
noise in NISQ devices, and enable quantum algorithms especially for complex
algorithms to be executed within coherence time.
- Abstract（参考訳）: 量子コンパイルは、ネイティブゲートアルファベットから引き出された量子ゲートによって量子回路Vを構築することを目的としており、これはターゲットユニタリUと機能的に等価である。
これは、ノイズの多い中間スケール量子(NISQ)デバイス上で量子アルゴリズムを実行するための重要な段階である。
しかし、量子回路の構造探索の空間は巨大であり、人間の専門知識、数百の実験、または既存の量子回路からの修正が要求される。
本稿では,人間の介入なしにVQC用量子回路の構造を自動設計するために,強化学習(RL)に基づく変分量子コンパイル(VQC)アルゴリズムを提案する。
エージェントは、ネイティブゲートアルファベットとそれらが実行する量子ビットから連続的に量子ゲートを選択するように訓練され、double Q-learning with \epsilon-greedy exploration strategy and experience replay。
エージェントは最初、異なる構造を持つ多数の量子回路をランダムに探索し、学習タスクで高い性能を持つ構造を反復的に発見する。
シミュレーションの結果,従来のvqcアルゴリズムと比較して,量子ゲートの少ない正確なコンパイルが可能であった。
nisqデバイスのデコヒーレンス過程とゲートノイズによる量子アルゴリズムの誤差を低減し、特に複雑なアルゴリズムをコヒーレンス時間内に実行するための量子アルゴリズムを可能にする。
関連論文リスト
- YAQQ: Yet Another Quantum Quantizer -- Design Space Exploration of Quantum Gate Sets using Novelty Search [0.9932551365711049]
本稿では,量子処理ユニットと制御プロトコルのネイティブゲートに基づく比較解析を行うソフトウェアツールを提案する。
開発されたソフトウェアYAQQ(Yet Another Quantum Quantizer)は、最適化された量子ゲートセットの発見を可能にする。
論文 参考訳（メタデータ） (2024-06-25T14:55:35Z) - Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。
短絡の新規・ハードウェア対応回路の発見能力を示す。
本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文 参考訳（メタデータ） (2024-06-18T01:49:48Z) - 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。
そこで我々は,特定の量子ビット接続を伴う相互接続型量子処理ユニットのための分散量子回路構造を自動設計することを目的とした,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 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) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - 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) - Assisted quantum simulation of open quantum systems [0.0]
NISQ技術を用いてUQAの回路深さを低減する量子支援量子アルゴリズムを導入する。
オープン量子システムをシミュレーションするための量子支援量子アルゴリズムを2つ提案する。
論文 参考訳（メタデータ） (2023-02-26T11:41:02Z) - Variational Quantum Circuits for Multi-Qubit Gate Automata [0.6445605125467573]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)時代に量子優位性を提供する能力を持つ。
本稿では,VQAにインスパイアされた量子機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-31T22:05:17Z) - 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) - 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。