論文の概要: Supervised Learning Enhanced Quantum Circuit Transformation

• arxiv url: http://arxiv.org/abs/2110.03057v2
• Date: Thu, 27 Jan 2022 17:00:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-12 07:51:15.460309
• Title: Supervised Learning Enhanced Quantum Circuit Transformation
• Title（参考訳）: 教師付き学習による量子回路変換
• Authors: Xiangzhen Zhou, Yuan Feng and Sanjiang Li
• Abstract要約: 実量子処理ユニット(QPU)における量子プログラムの実行には、量子回路変換(QCT)が必要である。 本稿では,浅層回路上の教師あり学習によって訓練されたポリシ人工知能ニューラルネットワーク(ANN)を用いて,既存のQCTアルゴリズムが最も有望なSWAPゲートを選択するのを支援するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.72166630054365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A quantum circuit transformation (QCT) is required when executing a quantum program in a real quantum processing unit (QPU). Through inserting auxiliary SWAP gates, a QCT algorithm transforms a quantum circuit to one that satisfies the connectivity constraint imposed by the QPU. Due to the non-negligible gate error and the limited qubit coherence time of the QPU, QCT algorithms which minimize gate number or circuit depth or maximize the fidelity of output circuits are in urgent need. Unfortunately, finding optimized transformations often involves exhaustive searches, which are extremely time-consuming and not practical for most circuits. In this paper, we propose a framework that uses a policy artificial neural network (ANN) trained by supervised learning on shallow circuits to help existing QCT algorithms select the most promising SWAP gate. ANNs can be trained off-line in a distributed way. The trained ANN can be easily incorporated into QCT algorithms without bringing too much overhead in time complexity. Exemplary embeddings of the trained ANNs into target QCT algorithms demonstrate that the transformation performance can be consistently improved on QPUs with various connectivity structures and random or realistic quantum circuits.
• Abstract（参考訳）: 実量子処理ユニット(QPU)で量子プログラムを実行する際には、量子回路変換(QCT)が必要となる。 補助スワップゲートを挿入することで、qctアルゴリズムは量子回路をqpuによって課される接続制約を満たすものに変換する。 qpuの非無視ゲートエラーと限られた量子ビットコヒーレンス時間のため、ゲート数や回路深度を最小化し、出力回路の忠実度を最大化するqctアルゴリズムが緊急に必要である。 残念なことに、最適化された変換を見つけるには、多くの回路で非常に時間がかかり、実用的ではない徹底的な探索が伴うことが多い。 本稿では,浅層回路上の教師あり学習によって訓練されたポリシ人工知能ニューラルネットワーク(ANN)を用いて,既存のQCTアルゴリズムが最も有望なSWAPゲートを選択するのを支援するフレームワークを提案する。 ANNは、分散方法でオフラインでトレーニングすることができる。 訓練された ann は、時間の複雑さのオーバーヘッドをもたらすことなく、簡単に qct アルゴリズムに組み込むことができる。 トレーニングされたANNをターゲットQCTアルゴリズムに埋め込み、様々な接続構造とランダムまたは現実的な量子回路を持つQPU上で変換性能を一貫して改善できることを示す。

関連論文リスト

• 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)
• Compiler for Distributed Quantum Computing: a Reinforcement Learning Approach [6.347685922582191]
  本稿では,EPRペアの生成とルーティングを共同で管理することで,実行時間の短縮を優先する新しいコンパイラを提案する。 本稿では, 量子回路の絡み合い生成の性質と動作要求を考慮し, リアルタイムかつ適応的なコンパイラ設計手法を提案する。 i)マルコフ決定過程(MDP)の定式化を用いてDQCの最適コンパイラをモデル化し、最適アルゴリズムの存在を確立し、(ii)この最適コンパイラを近似するために制約付き強化学習(RL)法を導入する。
  論文  参考訳（メタデータ） (2024-04-25T23:03:20Z)
• 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)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Initial-State Dependent Optimization of Controlled Gate Operations with Quantum Computer [1.2019888796331233]
  制御ゲートから冗長な制御操作を取り除くことを目的としたAQCELと呼ばれる新しい回路を導入する。 ベンチマークとして、AQCELは高エネルギー物理学における最終状態の放射をモデル化するために設計された量子アルゴリズムにデプロイされる。 我々は、AQCEL最適化回路が、ゲート数がはるかに少ない等価な最終状態を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-09-06T09:19:07Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• 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)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• 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)
• 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。