論文の概要: Quantum Architecture Search with Meta-learning

• arxiv url: http://arxiv.org/abs/2106.06248v2
• Date: Wed, 24 Nov 2021 06:46:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-26 23:51:29.183837
• Title: Quantum Architecture Search with Meta-learning
• Title（参考訳）: メタラーニングによる量子アーキテクチャ探索
• Authors: Zhimin He, Chuangtao Chen, Lvzhou Li, Shenggen Zheng, Haozhen Situ
• Abstract要約: 変分量子アルゴリズム(VQA)は、量子近似最適化アルゴリズム、変分量子コンパイル、および量子機械学習モデルに成功している。 量子アーキテクチャサーチ(QAS)は、古典的な最適化アルゴリズムによる量子回路の設計を自動化することを目的としている。
• 参考スコア（独自算出の注目度）: 0.18899300124593643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum algorithms (VQAs) have been successfully applied to quantum approximate optimization algorithms, variational quantum compiling and quantum machine learning models. The performances of VQAs largely depend on the architecture of parameterized quantum circuits (PQCs). Quantum architecture search (QAS) aims to automate the design of PQCs in different VQAs with classical optimization algorithms. However, current QAS algorithms do not use prior experiences and search the quantum architecture from scratch for each new task, which is inefficient and time consuming. In this paper, we propose a meta quantum architecture search (MetaQAS) algorithm, which learns good initialization heuristics of the architecture (i.e., meta-architecture), along with the meta-parameters of quantum gates from a number of training tasks such that they can adapt to new tasks with a small number of gradient updates, which leads to fast learning on new tasks. The proposed MetaQAS can be used with arbitrary gradient-based QAS algorithms. Simulation results of variational quantum compiling on three- and four-qubit circuits show that the architectures optimized by MetaQAS converge much faster than a state-of-the-art gradient-based QAS algorithm, namely DQAS. MetaQAS also achieves a better solution than DQAS after fine-tuning of gate parameters.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、量子近似最適化アルゴリズム、変分量子コンパイル、および量子機械学習モデルに成功している。 VQAの性能は、パラメータ化量子回路(PQC)のアーキテクチャに大きく依存する。 量子アーキテクチャサーチ(QAS)は、古典最適化アルゴリズムを用いて異なるVQAにおけるPQCの設計を自動化することを目的としている。 しかし、現在のQASアルゴリズムは、以前の経験を使わず、新しいタスクごとにスクラッチから量子アーキテクチャを検索する。 本稿では,メタ量子アーキテクチャ探索(MetaQAS)アルゴリズムを提案する。このアルゴリズムはアーキテクチャの優れた初期化ヒューリスティックス(メタアーキテクチャ)を学習し,多数のトレーニングタスクから量子ゲートのメタパラメータを学習する。 提案したMetaQASは任意の勾配に基づくQASアルゴリズムで利用できる。 3ビットと4ビットの回路上での変分量子コンパイルのシミュレーション結果は、MetaQASによって最適化されたアーキテクチャは、最先端の勾配に基づくQASアルゴリズム、すなわちDQASよりもはるかに早く収束することを示している。 MetaQASはまた、ゲートパラメータの微調整後にDQASよりも優れたソリューションを実現する。

関連論文リスト

• Benchmarking Variational Quantum Eigensolvers for Entanglement Detection in Many-Body Hamiltonian Ground States [37.69303106863453]
  変分量子アルゴリズム(VQA)は近年、量子優位を得る約束として登場している。 我々は、変分量子固有解法(VQEs)と呼ばれる特定の種類のVQAを用いて、絡み合った観測と絡み合った基底状態検出においてそれらをベンチマークする。 ハミルトニアン相互作用にインスパイアされた構造を持つ量子回路は、問題に依存しない回路よりもコスト関数推定のより良い結果を示した。
  論文  参考訳（メタデータ） (2024-07-05T12:06:40Z)
• Qubit-Wise Architecture Search Method for Variational Quantum Circuits [11.790545710021593]
  そこで本研究では,QWAS(qubit-wise architec-ture search)法を提案する。 提案手法は,MNIST,Fashion,MOSIなどの実世界のタスクにおいて,サーキットの性能とサイズを探索し,活用する。
  論文  参考訳（メタデータ） (2024-03-07T07:08:57Z)
• 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)
• 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)
• Learning capability of parametrized quantum circuits [2.51657752676152]
  変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。 本稿では、Schuldらによる研究に基づいて、学習能力の新たな尺度を用いて、PQCの一般的なアンス・アゼと比較する。 また,Beerらが導入した分散量子ニューラルネットワーク(dQNN)についても検討し,その学習能力を高めるために,dQNNのデータ再アップロード構造を提案する。
  論文  参考訳（メタデータ） (2022-09-21T13:26:20Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Variational quantum compiling with double Q-learning [0.37798600249187286]
  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。
  論文  参考訳（メタデータ） (2021-03-22T06:46:35Z)
• 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)
• Differentiable Quantum Architecture Search [15.045985536395479]
  微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。 DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
  論文  参考訳（メタデータ） (2020-10-16T18:00:03Z)

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。