論文の概要: Fast-Forwarding with NISQ Processors without Feedback Loop
- arxiv url: http://arxiv.org/abs/2104.01931v3
- Date: Tue, 21 Sep 2021 11:26:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 06:48:27.087756
- Title: Fast-Forwarding with NISQ Processors without Feedback Loop
- Title（参考訳）: NISQプロセッサによるフィードバックループのない高速フォワード
- Authors: Kian Hwee Lim, Tobias Haug, Leong Chuan Kwek, Kishor Bharti
- Abstract要約: 量子シミュレーションのための代替対角化アルゴリズムとして古典量子高速フォワード法(CQFF)を提案する。
CQFFは古典的量子フィードバックループと制御されたマルチキュービットユニタリの必要性を取り除く。
私たちの仕事は、以前の記録よりも104ドルの改善を提供します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulating quantum dynamics is expected to be performed more easily on a
quantum computer than on a classical computer. However, the currently available
quantum devices lack the capability to implement fault-tolerant quantum
algorithms for quantum simulation. Hybrid classical quantum algorithms such as
the variational quantum algorithms have been proposed to effectively use
current term quantum devices. One promising approach to quantum simulation in
the noisy intermediate-scale quantum (NISQ) era is the diagonalisation based
approach, with some of the promising examples being the subspace Variational
Quantum Simulator (SVQS), Variational Fast Forwarding (VFF), fixed-state
Variational Fast Forwarding (fs-VFF), and the Variational Hamiltonian
Diagonalisation (VHD) algorithms. However, these algorithms require a feedback
loop between the classical and quantum computers, which can be a crucial
bottleneck in practical application. Here, we present the Classical Quantum
Fast Forwarding (CQFF) as an alternative diagonalisation based algorithm for
quantum simulation. CQFF shares some similarities with SVQS, VFF, fs-VFF and
VHD but removes the need for a classical-quantum feedback loop and controlled
multi-qubit unitaries. The CQFF algorithm does not suffer from the barren
plateau problem and the accuracy can be systematically increased. Furthermore,
if the Hamiltonian to be simulated is expressed as a linear combination of
tensored-Pauli matrices, the CQFF algorithm reduces to the task of sampling
some many-body quantum state in a set of Pauli-rotated bases, which is easy to
do in the NISQ era. We run the CQFF algorithm on existing quantum processors
and demonstrate the promise of the CQFF algorithm for current-term quantum
hardware. Our work provides a $10^4$ improvement over the previous record.
- Abstract（参考訳）: 量子力学のシミュレーションは、古典的なコンピュータよりも量子コンピュータで容易に行うことが期待されている。
しかし、現在利用可能な量子デバイスには、量子シミュレーションのためのフォールトトレラント量子アルゴリズムを実装する能力がない。
変分量子アルゴリズムのようなハイブリッド古典量子アルゴリズムは、現行の量子デバイスを有効に利用するために提案されている。
ノイズの多い中間スケール量子(NISQ)時代の量子シミュレーションへの有望なアプローチは対角化に基づくアプローチであり、いくつかの有望な例は、部分空間変分量子シミュレータ(SVQS)、変分高速フォワード(VFF)、固定状態変分高速フォワード(fs-VFF)、変分ハミルトン対角化(VHD)アルゴリズムである。
しかし、これらのアルゴリズムは古典的コンピュータと量子コンピュータの間にフィードバックループを必要とするため、実用上重要なボトルネックとなる可能性がある。
ここでは,量子シミュレーションのための代替対角化アルゴリズムとして,古典量子高速転送(cqff)を提案する。
CQFFはSVQS、VFF、fs-VFF、VHDと類似しているが、古典的な量子フィードバックループや制御されたマルチキュービットのユニタリは不要である。
CQFFアルゴリズムは不毛高原の問題に悩まされず、精度を体系的に向上することができる。
さらに、シミュレーション対象のハミルトニアンがテンソルト・パウリ行列の線形結合として表現される場合、CQFFアルゴリズムは、パウリ回転基底の集合において多体量子状態のサンプリングを行うタスクに還元される。
我々は、既存の量子プロセッサ上でCQFFアルゴリズムを実行し、CQFFアルゴリズムの現在の量子ハードウェアへの期待を実証する。
私たちの仕事は、以前の記録よりも10^4ドルの改善を提供します。
関連論文リスト
- Multi-reference Quantum Davidson Algorithm for Quantum Dynamics [3.3869539907606603]
Quantum Krylov Subspace (QKS) 法が開発され、ノイズの多い中間スケール量子コンピュータ上で加速シミュレーションを行う能力が向上した。
マルチボディシステムの基底状態と励起状態を決定する新しい手法であるQDavidsonアルゴリズムから導出した2つのQKS手法を導入・評価する。
論文 参考訳（メタデータ） (2024-06-12T22:30:52Z) - 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) - 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) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - Quantum Neuron with Separable-State Encoding [0.0]
現在利用可能な量子プロセッサにおいて、高度な量子ニューロンモデルを大規模にテストすることは、まだ不可能である。
マルチキュービットゲート数を削減した量子パーセプトロン(QP)モデルを提案する。
シミュレーション量子コンピュータにおいて,QPの量子ビットバージョンをいくつか実装することにより,提案モデルの性能を実証する。
論文 参考訳（メタデータ） (2022-02-16T19:26:23Z) - An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian
Simulation [55.41644538483948]
現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。
我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。
提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
論文 参考訳（メタデータ） (2021-08-06T19:38:03Z) - Variational Quantum Eigensolver with Reduced Circuit Complexity [3.1158760235626946]
電子構造計算におけるVQEにおける量子回路の複雑性を低減するための新しい手法を提案する。
我々のアルゴリズムは、ClusterVQEと呼ばれ、初期量子ビット空間を、個々の量子回路にさらに分散したサブスペース(キュービットクラスタ)に分割する。
この新しいアルゴリズムは同時に量子ビット数と回路深度を減少させ、NISQデバイス上での量子化学シミュレーションの潜在的なリーダーとなる。
論文 参考訳（メタデータ） (2021-06-14T17:23:46Z) - NISQ Algorithm for Hamiltonian Simulation via Truncated Taylor Series [0.0]
ノイズの多い中間スケール量子(NISQ)アルゴリズムは、現在利用可能な量子ハードウェアを効果的に利用することを目的としている。
我々は既存のアルゴリズムの利点を共有し、いくつかの欠点を緩和する新しいアルゴリズムであるTorylor量子シミュレータ(TTQS)を提案する。
我々のアルゴリズムは古典的量子フィードバックループを持たず、建設によって不規則な高原問題をバイパスする。
論文 参考訳（メタデータ） (2021-03-09T15:48:48Z) - 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) - Supervised Learning Using a Dressed Quantum Network with "Super
Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation [7.599675376503671]
ノイズのある中間量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装には、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題がある。
本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。
他の多くのQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
論文 参考訳（メタデータ） (2020-07-20T16:29:32Z)
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。