論文の概要: Leveraging state sparsity for more efficient quantum simulations
- arxiv url: http://arxiv.org/abs/2105.01533v1
- Date: Tue, 4 May 2021 14:42:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-01 15:36:07.556032
- Title: Leveraging state sparsity for more efficient quantum simulations
- Title（参考訳）: より効率的な量子シミュレーションのための状態空間のレバレッジ
- Authors: Samuel Jaques, Thomas H\"aner
- Abstract要約: 本稿では,メモリ使用量とシミュレーション実行時間を削減するために,この空間を生かした新しいシミュレーション手法を提案する。
プロトタイプ実装には、データ構造へのアクセスを減らし、メモリ使用量を削減するゲート(re)スケジューリングなどの最適化が含まれている。
本シミュレータは102量子ビットを用いて20ビットのファクタリングインスタンスを実行し,110量子ビットの10ビット曲線上で楕円曲線離散対数を実行した。
- 参考スコア（独自算出の注目度）: 1.52292571922932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-performance techniques to simulate quantum programs on classical
hardware rely on exponentially large vectors to represent quantum states. When
simulating quantum algorithms, the quantum states that occur are often sparse
due to special structure in the algorithm or even in the underlying problem. We
thus introduce a new simulation method that exploits this sparsity to reduce
memory usage and simulation runtime. Moreover, our prototype implementation
includes optimizations such as gate (re)scheduling, which amortizes data
structure accesses and reduces memory usage.
To benchmark our implementation, we run quantum algorithms for factoring,
computing integer and elliptic curve discrete logarithms, and for chemistry.
Our simulator successfully runs a factoring instance of a 20-bit number using
102 qubits, and elliptic curve discrete logarithm over a 10-bit curve with 110
qubits. While previous work needed a supercomputer to simulate such instances
of factoring, our approach succeeds in less than 4 minutes using a single core
and less than 100 MB of memory. To the best of our knowledge, we are the first
to fully simulate a quantum algorithm to compute elliptic curve discrete
logarithms.
- Abstract（参考訳）: 古典的ハードウェア上で量子プログラムをシミュレートする高性能技術は、指数関数的に大きなベクトルに依存して量子状態を表現する。
量子アルゴリズムをシミュレートする場合、発生する量子状態はアルゴリズムの特別な構造や基礎となる問題によってスパースされることが多い。
そこで本研究では,メモリ使用量とシミュレーション実行時間を削減するために,このスパーシティを生かした新しいシミュレーション手法を提案する。
さらに,データ構造へのアクセスを償却しメモリ使用量を削減するgate(re)schedulingなどの最適化も実装した。
実装をベンチマークするために、分解、整数および楕円曲線の離散対数計算、化学のための量子アルゴリズムを実行する。
シミュレーションでは,102キュービットを用いて20ビット数を分解し,110キュービットの10ビット曲線上で楕円曲線離散対数を行うことができた。
これまでの作業ではそのようなファクタリングのインスタンスをシミュレーションするスーパーコンピュータが必要であったが,1コアで4分以内で,メモリ100MB以下で実現できた。
私たちの知る限りでは、量子アルゴリズムをフルシミュレートして楕円曲線離散対数を計算するのは初めてです。
関連論文リスト
- Mera: Memory Reduction and Acceleration for Quantum Circuit Simulation via Redundancy Exploration [4.271968023823568]
メモリ使用量の削減とシミュレーションの高速化を目的として,マルチレベル最適化,すなわちMeraを提案する。
多数のスパース量子ゲートに対して、低レベルフルステートシミュレーションのための2つの圧縮された構造を提案する。
実験により, 圧縮された構造では量子ビット数が17から35に増加し, QNNの6.9倍の加速が達成された。
論文 参考訳（メタデータ） (2024-11-22T20:07:31Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Compact quantum algorithms for time-dependent differential equations [0.0]
我々は、ユニタリの線形結合に基づくアイデアに基づいて、非ユニタリで非エルミート量子系をシミュレートする。
我々は,反復行列ベクトル乗算と行列逆演算を効率的に行うハイブリッド量子古典アルゴリズムを生成する。
論文 参考訳（メタデータ） (2024-05-16T02:14:58Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - Quantum State Preparation with Optimal Circuit Depth: Implementations
and Applications [10.436969366019015]
我々は、$Theta(n)$-depth回路は、$O(ndlog d)$ acillary qubitsを持つ$Theta(log(nd))で作成可能であることを示す。
我々は、ハミルトンシミュレーション、方程式の線形系解法、量子ランダムアクセスメモリの実現など、異なる量子コンピューティングタスクにおける結果の適用について論じる。
論文 参考訳（メタデータ） (2022-01-27T13:16:30Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Efficient calculation of gradients in classical simulations of
variational quantum algorithms [0.0]
O(P)時間における勾配を正確に計算するエミュレーション戦略の新たな導出法を提案する。
私たちの戦略は非常にシンプルで、'apply gate'、'clone state'、'inner product'プリミティブのみを使用します。
ゲート並列化スキームやハードウェアアクセラレーションや分散シミュレータと互換性がある。
論文 参考訳（メタデータ） (2020-09-06T21:39:44Z) - Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial
Optimization [0.14755786263360526]
最小限のフォールトトレラント量子コンピュータで試すのに、最適化のための量子アルゴリズムが最も実用的であるかを探る。
この結果から,2次高速化のみを実現する量子最適化が,古典的アルゴリズムよりも有利であるという考えが否定される。
論文 参考訳（メタデータ） (2020-07-14T22:54:04Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳（メタデータ） (2019-12-31T19:00:00Z)
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。