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
- A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - 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 Signal Processing with the one-dimensional quantum Ising model [0.0]
量子信号処理(QSP)は、量子システムの特性を操作および決定するための有望なフレームワークとして登場した。
我々は、時空双対量子回路や量子シミュレーションから量子制御まで、様々な分野における我々のアプローチの例と応用について述べる。
論文 参考訳(メタデータ) (2023-09-08T18:01:37Z) - 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) - 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 Compiler for a Shuttling-Based Trapped-Ion Quantum
Computer [26.47874938214435]
本稿では,シャットリング型トラップイオン量子プロセッサをターゲットとした量子回路の変換と最適化を行うコンパイラを提案する。
その結果,標準ピケットに比べて最大5.1因子,標準のカイスキートコンパイルに比べて最大2.2因子のゲート数を削減できることがわかった。
論文 参考訳(メタデータ) (2022-07-05T11:21:09Z) - 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。