論文の概要: Jet: Fast quantum circuit simulations with parallel task-based tensor-network contraction

• arxiv url: http://arxiv.org/abs/2107.09793v3
• Date: Sat, 30 Apr 2022 22:55:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 11:49:59.519298
• Title: Jet: Fast quantum circuit simulations with parallel task-based tensor-network contraction
• Title（参考訳）: jet: 並列タスクに基づくテンソルネットワーク縮小による高速量子回路シミュレーション
• Authors: Trevor Vincent, Lee J. O'Riordan, Mikhail Andrenkov, Jack Brown, Nathan Killoran, Haoyu Qi, and Ish Dhand
• Abstract要約: 本稿では,タスクベースの並列処理を用いて量子回路の高速化を実現する,新しいオープンソースソフトウェアライブラリJetを紹介する。 これらのスピードアップは, テンソルネットワークシミュレーションをタスクベースフレームワークにマッピングすることで導入された並列性の向上と, テンソルネットワークタスク間の共有作業の再利用という新たな手法から生じる。
• 参考スコア（独自算出の注目度）: 0.8431877864777442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a new open-source software library Jet, which uses task-based parallelism to obtain speed-ups in classical tensor-network simulations of quantum circuits. These speed-ups result from i) the increased parallelism introduced by mapping the tensor-network simulation to a task-based framework, ii) a novel method of reusing shared work between tensor-network contraction tasks, and iii) the concurrent contraction of tensor networks on all available hardware. We demonstrate the advantages of our method by benchmarking our code on several Sycamore-53 and Gaussian boson sampling (GBS) supremacy circuits against other simulators. We also provide and compare theoretical performance estimates for tensor-network simulations of Sycamore-53 and GBS supremacy circuits for the first time.
• Abstract（参考訳）: 我々は,タスクベース並列処理を用いた量子回路の古典的テンソルネットワークシミュレーションにおける高速化を実現するための新しいオープンソースソフトウェアライブラリjetを提案する。 これらのスピードアップは 一 テンソルネットワークシミュレーションをタスクベースのフレームワークにマッピングすることにより導入された並列性の増加 二 テンソルネットワーク収縮タスク間の共有作業を再利用する新規な方法、及び 三 すべての利用可能なハードウェア上のテンソルネットワークの同時収縮 我々は,Sycamore-53 と Gaussian Boson sample (GBS) の上位回路を他のシミュレータに対してベンチマークすることで,本手法の利点を実証する。 また,Sycamore-53およびGBS超越回路のテンソルネットワークシミュレーションの理論的性能評価を初めて提供し,比較した。

関連論文リスト

• Dissipation-driven quantum generative adversarial networks [11.833077116494929]
  本稿では,従来のデータ生成に適した,分散駆動型量子生成逆数ネットワーク(DQGAN)アーキテクチャを提案する。 古典データは、強い調整された散逸過程を通じて入力層の入力量子ビットに符号化される。 出力量子ビットの定常状態の可観測値を測定することにより、生成されたデータと分類結果の両方を抽出する。
  論文  参考訳（メタデータ） (2024-08-28T07:41:58Z)
• State of practice: evaluating GPU performance of state vector and tensor network methods [2.7930955543692817]
  本稿では,8種類の量子サブルーチンを用いたテストベンチにおける現状シミュレーション手法の限界について検討する。 我々は,最大1桁のスピードアップを達成し,最適なシミュレーション戦略を選択する方法について強調する。
  論文  参考訳（メタデータ） (2024-01-11T09:22:21Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Simulation Paths for Quantum Circuit Simulation with Decision Diagrams [72.03286471602073]
  決定図を用いて量子回路をシミュレートする際に選択される経路の重要性について検討する。 我々は、専用のシミュレーションパスを調査できるオープンソースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-01T19:00:11Z)
• Win the Lottery Ticket via Fourier Analysis: Frequencies Guided Network Pruning [50.232218214751455]
  最適ネットワークプルーニングは、数学的にはNPハード問題である非自明なタスクである。 本稿では,MBP(Magnitude-Based Pruning)方式について検討し,新しい視点から解析する。 また,新たな2段階プルーニング手法を提案し,その1段階はプルーニングネットワークのトポロジ的構造を取得し,もう1段階はプルーニングネットワークを再訓練し,キャパシティを回復させる。
  論文  参考訳（メタデータ） (2022-01-30T03:42:36Z)
• Parallel Simulation of Quantum Networks with Distributed Quantum State Management [56.24769206561207]
  我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。 コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。 既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
  論文  参考訳（メタデータ） (2021-11-06T16:51:17Z)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)
• Simple heuristics for efficient parallel tensor contraction and quantum circuit simulation [1.4416132811087747]
  本稿では,確率モデルを用いたテンソルネットワークの縮約のための並列アルゴリズムを提案する。 結果のアルゴリズムをランダム量子回路のシミュレーションに適用する。
  論文  参考訳（メタデータ） (2020-04-22T23:00:42Z)
• Accelerating Feedforward Computation via Parallel Nonlinear Equation Solving [106.63673243937492]
  ニューラルネットワークの評価や自己回帰モデルからのサンプリングなどのフィードフォワード計算は、機械学習においてユビキタスである。 本稿では,非線形方程式の解法としてフィードフォワード計算の課題を定式化し,ジャコビ・ガウス・シーデル固定点法とハイブリッド法を用いて解を求める。 提案手法は, 並列化可能な繰り返し回数の削減(あるいは等値化)により, 元のフィードフォワード計算と全く同じ値が与えられることを保証し, 十分な並列化計算能力を付与する。
  論文  参考訳（メタデータ） (2020-02-10T10:11:31Z)
• Hyper-optimized tensor network contraction [0.0]
  任意かつ大規模なテンソルネットワークに対して、非常に高品質な縮約経路を求める新しいランダム化プロトコルを実装した。 我々は、最近Google量子チップに実装されたランダム量子回路インスタンスなど、さまざまなベンチマークでメソッドをテストする。 得られた収縮スキームの品質の増大は、量子多体系のシミュレーションに重要な実践的意味を持つ。
  論文  参考訳（メタデータ） (2020-02-05T19:00:00Z)

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。