論文の概要: Strong quantum computational advantage using a superconducting quantum processor

• arxiv url: http://arxiv.org/abs/2106.14734v1
• Date: Mon, 28 Jun 2021 14:06:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-03-24 22:12:53.048360
• Title: Strong quantum computational advantage using a superconducting quantum processor
• Title（参考訳）: 超伝導量子プロセッサを用いた強量子計算の利点
• Abstract要約: 本研究では,66個の機能量子ビットからなる2次元プログラム可能な超伝導量子プロセッサ,TextitZuchongzhiを開発した。 我々の研究は、古典的な計算を妥当な時間で実現できない、あいまいな量子計算の優位性を確立する。
• 参考スコア（独自算出の注目度）: 33.030717006448526
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling up to a large number of qubits with high-precision control is essential in the demonstrations of quantum computational advantage to exponentially outpace the classical hardware and algorithmic improvements. Here, we develop a two-dimensional programmable superconducting quantum processor, \textit{Zuchongzhi}, which is composed of 66 functional qubits in a tunable coupling architecture. To characterize the performance of the whole system, we perform random quantum circuits sampling for benchmarking, up to a system size of 56 qubits and 20 cycles. The computational cost of the classical simulation of this task is estimated to be 2-3 orders of magnitude higher than the previous work on 53-qubit Sycamore processor [Nature \textbf{574}, 505 (2019)]. We estimate that the sampling task finished by \textit{Zuchongzhi} in about 1.2 hours will take the most powerful supercomputer at least 8 years. Our work establishes an unambiguous quantum computational advantage that is infeasible for classical computation in a reasonable amount of time. The high-precision and programmable quantum computing platform opens a new door to explore novel many-body phenomena and implement complex quantum algorithms.
• Abstract（参考訳）: 従来のハードウェアやアルゴリズムの改善を指数関数的に上回っている量子計算の優位性の実証には,高精度制御による多数の量子ビットのスケールアップが不可欠である。 そこで我々は,66個の機能量子ビットからなる2次元プログラム可能な超伝導量子プロセッサ,‘textit{Zuchongzhi} を開発した。 システム全体の性能を特徴付けるため、ベンチマークのためのランダムな量子回路サンプリングを行い、システムサイズは56キュービット、サイクルは20である。 このタスクの古典的シミュレーションの計算コストは、53量子ビットのsycamoreプロセッサの以前の作業[nature \textbf{574}, 505 (2019)]よりも2-3桁高いと見積もられている。 約1.2時間で完了したサンプリングタスクは、少なくとも8年間は最も強力なスーパーコンピュータを必要とすると推定する。 我々の研究は、古典的な計算に妥当な時間で適用できない、あいまいな量子計算の優位性を確立する。 高精度でプログラム可能な量子コンピューティングプラットフォームは、新しい多体現象を探究し、複雑な量子アルゴリズムを実装するための扉を開く。

関連論文リスト

• Closed-loop calculations of electronic structure on a quantum processor and a classical supercomputer at full scale [0.2679168206984062]
  量子コンピュータは、古典的なコンピュータと協調して動作し、実用的な問題に対する量子優位性を約束しなければならない。 ここでは,量子および古典的ハイパフォーマンスコンピューティングを含む電子構造の中で,最大規模の電子構造を実現するために,スーパーコンピュータ全体とオンプレミスに展開する量子プロセッサを用いる。 我々は、量子プロセッサと152,064の古典ノード間の閉ループワークフローを設計し、正確な対角化の範囲を超えて化学モデルの電子構造を近似する。
  論文  参考訳（メタデータ） (2025-10-31T19:42:07Z)
• Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
  この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。 本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。 近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
  論文  参考訳（メタデータ） (2025-08-29T10:37:19Z)
• Establishing a New Benchmark in Quantum Computational Advantage with 105-qubit Zuchongzhi 3.0 Processor [65.64902746326833]
  Zuchongzhi 3.0は105量子ビットからなる超伝導量子コンピュータのプロトタイプである。 83量子32サイクルのランダム回路サンプリング実験は、Zuchongzhi 3.0の優れた性能を示し、数百秒で100万サンプルを達成した。
  論文  参考訳（メタデータ） (2024-12-16T16:11:26Z)
• 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)
• Q-gen: A Parameterized Quantum Circuit Generator [0.6062751776009752]
  本稿では、15個の現実的量子アルゴリズムを取り入れた高レベルパラメータ化量子回路生成器Q-genを紹介する。 Q-genは、古典的なコンピュータサイエンスの背景を持つユーザが量子コンピューティングの世界に飛び込むための入り口として機能するオープンソースプロジェクトである。
  論文  参考訳（メタデータ） (2024-07-26T12:22:40Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• The Future of Quantum Computing with Superconducting Qubits [2.6668731290542222]
  量子処理ユニット(QPU)の出現に伴い、計算パラダイムの分岐点が見られます。 超多項式スピードアップによる計算の可能性を抽出し、量子アルゴリズムを実現するには、量子誤り訂正技術の大幅な進歩が必要になる可能性が高い。 長期的には、より効率的な量子誤り訂正符号を実現するために、2次元トポロジ以上の量子ビット接続を利用するハードウェアが見られます。
  論文  参考訳（メタデータ） (2022-09-14T18:00:03Z)
• Quantum Computational Advantage via 60-Qubit 24-Cycle Random Circuit Sampling [33.18018507595303]
  textitZuchongzhi 2.1の読み出し精度は97.74%に大幅に改善されている。 より強力な量子プロセッサにより、より大規模なランダムな量子回路サンプリングを実現することができる。
  論文  参考訳（メタデータ） (2021-09-08T08:34:28Z)
• Quantum design for advanced qubits: plasmonium [4.51227657808872]
  プラズモン遷移状態をカバーする様々なパラメータで超伝導量子回路をシミュレートするための変分量子固有解法を実証する。 我々は、単一および2量子ゲートの忠実度を示す高度なポストトランモン量子ビット「プラズモニウム」を作製した。 我々の研究は、既存の量子コンピューティングリソースを使用して高度な量子プロセッサを設計する方法を開く。
  論文  参考訳（メタデータ） (2021-09-02T14:48:39Z)
• Classical variational simulation of the Quantum Approximate Optimization Algorithm [0.0]
  パラメタライズドゲートからなる層状量子回路をシミュレートする手法を提案する。 マルチキュービット波動関数のニューラルネットワークパラメトリゼーションを用いる。 シミュレーションした最大の回路では、4QAOA層で54量子ビットに達する。
  論文  参考訳（メタデータ） (2020-09-03T15:55:27Z)
• Quadratic Sieve Factorization Quantum Algorithm and its Simulation [16.296638292223843]
  我々は、"Quadratic Sieve"という2番目の高速な古典的分解アルゴリズムの量子変種を設計した。 我々は,高レベルプログラミング言語Mathematicaを用いた量子化二次シーブアルゴリズムのシミュレーションフレームワークを構築した。
  論文  参考訳（メタデータ） (2020-05-24T07:14:19Z)

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。