論文の概要: Quantum Compiling by Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2105.15048v1
• Date: Mon, 31 May 2021 15:32:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 06:01:14.067093
• Title: Quantum Compiling by Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習による量子コンパイル
• Authors: Lorenzo Moro, Matteo G. A. Paris, Marcello Restelli, Enrico Prati
• Abstract要約: 回路量子コンピュータのアーキテクチャは、高レベルな量子アルゴリズムを量子ゲートの低レベルな回路にコンパイルするための層を必要とする。 量子コンパイルの一般的な問題は、量子計算を記述する任意のユニタリ変換を、普遍的な量子ゲートの有限基底から選択された要素の列として近似することである。 我々は,探索時間と搾取時間とのトレードオフが著しく異なる,より深い強化学習手法を代替戦略として活用する。
• 参考スコア（独自算出の注目度）: 30.189226681406392
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The architecture of circuital quantum computers requires computing layers devoted to compiling high-level quantum algorithms into lower-level circuits of quantum gates. The general problem of quantum compiling is to approximate any unitary transformation that describes the quantum computation, as a sequence of elements selected from a finite base of universal quantum gates. The existence of an approximating sequence of one qubit quantum gates is guaranteed by the Solovay-Kitaev theorem, which implies sub-optimal algorithms to establish it explicitly. Since a unitary transformation may require significantly different gate sequences, depending on the base considered, such a problem is of great complexity and does not admit an efficient approximating algorithm. Therefore, traditional approaches are time-consuming tasks, unsuitable to be employed during quantum computation. We exploit the deep reinforcement learning method as an alternative strategy, which has a significantly different trade-off between search time and exploitation time. Deep reinforcement learning allows creating single-qubit operations in real time, after an arbitrary long training period during which a strategy for creating sequences to approximate unitary operators is built. The deep reinforcement learning based compiling method allows for fast computation times, which could in principle be exploited for real-time quantum compiling.
• Abstract（参考訳）: 回路量子コンピュータのアーキテクチャは、高レベルの量子アルゴリズムを量子ゲートの低レベルの回路にコンパイルする計算層を必要とする。 量子コンパイルの一般的な問題は、普遍量子ゲートの有限基底から選択される要素の列として、量子計算を記述するユニタリ変換を近似することである。 1つの量子ゲートの近似列の存在は、ソロワ=キタエフの定理によって保証される。 ユニタリ変換は、考慮される基底によって著しく異なるゲート列を必要とするため、そのような問題は非常に複雑であり、効率的な近似アルゴリズムは認めない。 したがって、従来のアプローチは時間を要するタスクであり、量子計算中に使用するのに適さない。 我々は,探索時間と搾取時間とのトレードオフが著しく異なる,より深い強化学習手法を代替戦略として活用する。 深層強化学習は、任意の長いトレーニング期間の後に、近似ユニタリ演算子にシーケンスを作成するための戦略が構築された後、リアルタイムにシングルキュービット操作を作成することができる。 深層強化学習に基づくコンパイル法では高速計算が可能であり、原理上はリアルタイム量子コンパイルに活用できる。

関連論文リスト

• Quantum Multiplexer Simplification for State Preparation [0.7270112855088837]
  本稿では,与えられた量子状態がサブステートに分解できるかどうかを検出するアルゴリズムを提案する。 単純化は、量子多重化器の制御をなくすことによって行われる。 深度とCNOTゲート数の観点からは,本手法は文献の手法と競合する。
  論文  参考訳（メタデータ） (2024-09-09T13:53:02Z)
• 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)
• 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)
• Hamiltonian Encoding for Quantum Approximate Time Evolution of Kinetic Energy Operator [2.184775414778289]
  時間進化作用素は、量子コンピュータにおける化学実験の正確な計算において重要な役割を果たす。 我々は、運動エネルギー演算子の量子化のための新しい符号化法、すなわち量子近似時間発展法(QATE)を提案している。
  論文  参考訳（メタデータ） (2023-10-05T05:25:38Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• 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 amplitude damping for solving homogeneous linear differential equations: A noninterferometric algorithm [0.0]
  本研究は,同種LDEを解くための効率的な量子アルゴリズムを構築するために,量子振幅減衰演算を資源として利用する新しい手法を提案する。 このようなオープンな量子系にインスパイアされた回路は、非干渉法で解の実際の指数項を構成することができることを示す。
  論文  参考訳（メタデータ） (2021-11-10T11:25:32Z)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• Topological Quantum Compiling with Reinforcement Learning [7.741584909637626]
  任意の単一ビットゲートを有限の普遍集合から基本ゲートの列にコンパイルする効率的なアルゴリズムを導入する。 このアルゴリズムは、量子物理学における深層学習の興味深い応用への新たな道を開くことができる。
  論文  参考訳（メタデータ） (2020-04-09T18:00:01Z)

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。