論文の概要: Fast suppression of classification error in variational quantum circuits
- arxiv url: http://arxiv.org/abs/2107.08026v1
- Date: Fri, 16 Jul 2021 17:34:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 03:03:21.529781
- Title: Fast suppression of classification error in variational quantum circuits
- Title(参考訳): 変分量子回路における分類誤差の高速抑制
- Authors: Bingzhi Zhang and Quntao Zhuang
- Abstract要約: 変分量子回路(VQC)は、短期的な応用において大きな可能性を示している。
本稿では,古典的後処理を最適化したVQCシステムを提案する。
VQC量子データ分類の誤差は、典型的には回路深さとともに指数関数的に減衰する。
- 参考スコア(独自算出の注目度): 1.14219428942199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational quantum circuits (VQCs) have shown great potential in near-term
applications. However, the discriminative power of a VQC, in connection to its
circuit architecture and depth, is not understood. To unleash the genuine
discriminative power of a VQC, we propose a VQC system with the optimal
classical post-processing -- maximum-likelihood estimation on measuring all VQC
output qubits. Via extensive numerical simulations, we find that the error of
VQC quantum data classification typically decay exponentially with the circuit
depth, when the VQC architecture is extensive -- the number of gates does not
shrink with the circuit depth. This fast error suppression ends at the
saturation towards the ultimate Helstrom limit of quantum state discrimination.
On the other hand, non-extensive VQCs such as quantum convolutional neural
networks are sub-optimal and fail to achieve the Helstrom limit. To achieve the
best performance for a given VQC, the optimal classical post-processing is
crucial even for a binary classification problem. To simplify VQCs for
near-term implementations, we find that utilizing the symmetry of the input
properly can improve the performance, while oversimplification can lead to
degradation.
- Abstract(参考訳): 変分量子回路(vqcs)は、短期的応用において大きなポテンシャルを示している。
しかしながら、VQCの回路構造と深さに関する識別力は理解されていない。
VQCの真の識別能力を解き放つために,VQCの出力量子ビットを最大値で推定する古典的後処理を用いたVQCシステムを提案する。
広範な数値シミュレーションにより、VQCの量子データ分類の誤差は、VQCアーキテクチャが広い場合、回路深さとともに指数関数的に減衰することがわかった。
この高速な誤差抑制は、量子状態判別の究極のヘルストローム極限への飽和で終わる。
一方、量子畳み込みニューラルネットワークのような非集中的なVQCは準最適であり、ヘルストロム限界を達成できない。
与えられたvqcの最適性能を達成するためには、バイナリ分類問題においても最適な古典後処理が不可欠である。
短期実装のVQCを単純化するために,入力の対称性を適切に利用することで性能が向上し,過度に単純化すると劣化が生じる。
関連論文リスト
- Warm-Starting the VQE with Approximate Complex Amplitude Encoding [0.26217304977339473]
変分量子固有解法(VQE)は、量子力学系の基底状態を決定する量子アルゴリズムである。
本稿では,VQEの初期パラメータ値を近似を用いて生成するウォームスタート手法を提案する。
このようなウォームスタートは、古典近似アルゴリズムと量子アルゴリズムの実りある組み合わせへの道を開く。
論文 参考訳(メタデータ) (2024-02-27T10:15:25Z) - Reinforcement learning-assisted quantum architecture search for
variational quantum algorithms [0.0]
この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。
本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。
様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
論文 参考訳(メタデータ) (2024-02-21T12:30:39Z) - Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。
消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。
以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
論文 参考訳(メタデータ) (2023-12-21T17:40:18Z) - Classical-to-Quantum Transfer Learning Facilitates Machine Learning with Variational Quantum Circuit [62.55763504085508]
本稿では,変分量子回路(VQC)を用いた古典的量子移動学習アーキテクチャにより,VQCモデルの表現と一般化(推定誤差)が向上することを証明する。
古典-量子遷移学習のアーキテクチャは、事前学習された古典的生成AIモデルを活用し、訓練段階におけるVQCの最適パラメータの発見を容易にする。
論文 参考訳(メタデータ) (2023-05-18T03:08:18Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳(メタデータ) (2023-01-27T08:16:26Z) - On quantum factoring using noisy intermediate scale quantum computers [0.0]
最適化のためのQAOAではなく,VQEを用いた場合の基底状態の発見の可能性を示す。
勾配に基づく最適化では、量子回路勾配推定に要する時間が重要な問題であることがわかった。
論文 参考訳(メタデータ) (2022-08-15T09:32:07Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
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。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - Classically optimal variational quantum algorithms [0.0]
変分量子アルゴリズム(VQA)のようなハイブリッド量子古典アルゴリズムは、NISQコンピュータ上での実装に適している。
このレターでは、VQAの暗黙的なステップを拡張します。古典的なプリ計算サブルーチンは、古典的なアルゴリズムを非自明に使用して、問題インスタンス固有の変動量子回路を単純化、変換、特定することができます。
論文 参考訳(メタデータ) (2021-03-31T13:33:38Z) - Ansatz-Independent Variational Quantum Classifier [0.0]
可変量子分類器 (VQC) がよく知られたカーネル法に収まることを示す。
また、与えられたユニタリ演算子に対して効率的な量子回路を設計するための変分回路実現法(VCR)を提案する。
論文 参考訳(メタデータ) (2021-02-02T21:25:39Z) - 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) - Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。
この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
論文 参考訳(メタデータ) (2020-08-06T17:48:12Z)
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。