論文の概要: Accelerating variational quantum algorithms with multiple quantum processors

• arxiv url: http://arxiv.org/abs/2106.12819v1
• Date: Thu, 24 Jun 2021 08:18:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-26 03:15:33.396315
• Title: Accelerating variational quantum algorithms with multiple quantum processors
• Title（参考訳）: 複数の量子プロセッサによる変分量子アルゴリズムの高速化
• Authors: Yuxuan Du, Yang Qian, Dacheng Tao
• Abstract要約: 変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
• 参考スコア（独自算出の注目度）: 78.36566711543476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms (VQAs) have the potential of utilizing near-term quantum machines to gain certain computational advantages over classical methods. Nevertheless, modern VQAs suffer from cumbersome computational overhead, hampered by the tradition of employing a solitary quantum processor to handle large-volume data. As such, to better exert the superiority of VQAs, it is of great significance to improve their runtime efficiency. Here we devise an efficient distributed optimization scheme, called QUDIO, to address this issue. Specifically, in QUDIO, a classical central server partitions the learning problem into multiple subproblems and allocate them to multiple local nodes where each of them consists of a quantum processor and a classical optimizer. During the training procedure, all local nodes proceed parallel optimization and the classical server synchronizes optimization information among local nodes timely. In doing so, we prove a sublinear convergence rate of QUDIO in terms of the number of global iteration under the ideal scenario, while the system imperfection may incur divergent optimization. Numerical results on standard benchmarks demonstrate that QUDIO can surprisingly achieve a superlinear runtime speedup with respect to the number of local nodes. Our proposal can be readily mixed with other advanced VQAs-based techniques to narrow the gap between the state of the art and applications with quantum advantage.
• Abstract（参考訳）: 変分量子アルゴリズム(vqas)は、短期量子マシンを利用して古典的手法よりも一定の計算上の利点を得る可能性を秘めている。 しかし、現代のVQAは計算オーバーヘッドに悩まされており、大量のデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている。 したがって、VQAの優位性を向上するためには、ランタイム効率を改善することが非常に重要です。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。 具体的には、古典的な中央サーバは、学習問題を複数のサブプロブレムに分割し、量子プロセッサと古典的なオプティマイザで構成される複数のローカルノードに割り当てる。 トレーニング手順の間、すべてのローカルノードは並列最適化を行い、古典サーバはローカルノード間の最適化情報をタイムリーに同期する。 そこで本研究では,QUDIOの線形収束率を理想シナリオの下でのグローバル反復数で証明し,システム不完全性は分岐最適化を引き起こす可能性がある。 標準ベンチマークの数値結果から,QUDIOは局所ノード数の超線形ランタイム高速化を驚くほど達成できることが示された。 提案手法は他のvqas技術と容易に混合でき、最先端技術と量子優位なアプリケーションとのギャップを狭めることができる。

関連論文リスト

• Bayesian Optimization Priors for Efficient Variational Quantum Algorithms [0.0]
  量子コンピュータは現在、量子量子アルゴリズム(VQA)と呼ばれる量子古典的なアプローチで問題を解決している。 本稿では,時間当たりのショット数を削減できる基本計算最適化のためのハイブリッドフレームワークを提案する。 この2つの特徴を用いて,提案手法がVQA内でのシミュレーション実装を統計的に上回っていることを示す。
  論文  参考訳（メタデータ） (2024-06-20T18:00:12Z)
• Benchmarking Quantum Annealers with Near-Optimal Minor-Embedded Instances [0.0]
  本稿では,D-Wave Quantum Annealersに関連付けられた準最適部分埋め込みマッピングを用いてグラフインスタンスを生成するための新しいプロトコルを確立する。 この手法を用いて、制約のない最適化問題の大規模インスタンス上でQAをベンチマークし、QPUの性能を効率的な古典的解法と比較する。
  論文  参考訳（メタデータ） (2024-05-02T15:19:39Z)
• Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
  古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。 量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
  論文  参考訳（メタデータ） (2023-10-14T02:13:26Z)
• Quantum Circuit Optimization through Iteratively Pre-Conditioned Gradient Descent [0.4915744683251151]
  量子回路を最適化し、状態準備と量子アルゴリズムの実装のための性能高速化を示すために、繰り返し事前条件勾配降下(IPG)を行う。 4量子W状態と最大絡み合った5量子GHZ状態を作成するための104ドルの係数による忠実度の向上を示す。 また、IPGを用いて量子フーリエ変換のユニタリを最適化するゲインを示し、IonQの量子処理ユニット(QPU)上でそのような最適化された回路の実行結果を報告する。
  論文  参考訳（メタデータ） (2023-09-18T17:30:03Z)
• Qubit efficient quantum algorithms for the vehicle routing problem on NISQ processors [48.68474702382697]
  時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。 そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
  論文  参考訳（メタデータ） (2023-06-14T13:44:35Z)
• Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement and measurement reduction [77.97248520278123]
  本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。 QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
  論文  参考訳（メタデータ） (2022-09-26T06:51:20Z)
• Quantum circuit optimization for multiple QPUs using local structure [0.0]
  量子ビットのクラスタを相互接続することは、将来の量子コンピュータをスケールアップするための重要な要素となる。 本稿では,EPRによる遠隔ゲートの利用とクラスタ間のキュービットのテレポーティングについて検討する。 回路深度と配線使用量に大きな改善が見られた。
  論文  参考訳（メタデータ） (2022-06-20T18:01:04Z)
• 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)
• Benchmarking quantum co-processors in an application-centric, hardware-agnostic and scalable way [0.0]
  我々はAtos Q-score (TM)と呼ばれる新しいベンチマークを導入する。 Qスコアは、MaxCut最適化問題を解決するために効果的に使用できる量子ビットの最大数を測定する。 量子ハードウェアのQスコアを簡単に計算できるQスコアのオープンソース実装を提供する。
  論文  参考訳（メタデータ） (2021-02-25T16:26:23Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。