論文の概要: EQC : Ensembled Quantum Computing for Variational Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2111.14940v1
• Date: Mon, 29 Nov 2021 20:38:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 09:17:23.297260
• Title: EQC : Ensembled Quantum Computing for Variational Quantum Algorithms
• Title（参考訳）: EQC : 変分量子アルゴリズムのための組込み量子コンピューティング
• Authors: Samuel Stein, Yufei Ding, Nathan Wiebe, Bo Peng, Karol Kowalski, Nathan Baker, James Ang and Ang Li
• Abstract要約: 変分量子アルゴリズム(VQANIS)は、量子コンピュータのパワーを収穫する最も有望な手法の1つである。 VQAは相当なシステムと時間依存ノイズに直面し、トレーニング速度を著しく遅くする。 本稿では,変分量子アルゴリズムのための量子バックエンドを構築する方法を提案する。
• 参考スコア（独自算出の注目度）: 17.451674516812172
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum algorithm (VQA), which is comprised of a classical optimizer and a parameterized quantum circuit, emerges as one of the most promising approaches for harvesting the power of quantum computers in the noisy intermediate scale quantum (NISQ) era. However, the deployment of VQAs on contemporary NISQ devices often faces considerable system and time-dependant noise and prohibitively slow training speeds. On the other hand, the expensive supporting resources and infrastructure make quantum computers extremely keen on high utilization. In this paper, we propose a virtualized way of building up a quantum backend for variational quantum algorithms: rather than relying on a single physical device which tends to introduce temporal-dependant device-specific noise with worsening performance as time-since-calibration grows, we propose to constitute a quantum ensemble, which dynamically distributes quantum tasks asynchronously across a set of physical devices, and adjusting the ensemble configuration with respect to machine status. In addition to reduced machine-dependant noise, the ensemble can provide significant speedups for VQA training. With this idea, we build a novel VQA training framework called EQC that comprises: (i) a system architecture for asynchronous parallel VQA cooperative training; (ii) an analytic model for assessing the quality of the returned VQA gradient over a particular device concerning its architecture, transpilation, and runtime conditions; (iii) a weighting mechanism to adjust the quantum ensemble's computational contribution according to the systems' current performance. Evaluations comprising 500K circuit evaluations across 10 IBMQ devices using a VQE and a QAOA applications demonstrate that EQC can attain error rates close to the most performant device of the ensemble, while boosting the training speed by 10.5x on average (up to 86x and at least 5.2x).
• Abstract（参考訳）: 古典的最適化器とパラメータ化された量子回路からなる変分量子アルゴリズム(vqa)は、ノイズの多い中間スケール量子(nisq)時代に量子コンピュータのパワーを収穫するための最も有望なアプローチの1つとして現れる。 しかしながら、現代のNISQデバイスへのVQAの展開は、システムや時間依存のノイズに直面することが多く、トレーニング速度が著しく遅い。 一方、高価な支援資源とインフラは、量子コンピュータを高利用に非常に力を入れている。 本稿では,変動型量子アルゴリズムのための量子バックエンドを構築するための仮想化手法を提案する。時間依存型デバイス固有のノイズを発生させる傾向のある単一の物理デバイスに頼るのではなく,時間分割後の性能を低下させる代わりに,複数の物理デバイス間で非同期に量子タスクを分散し,マシン状態に関するアンサンブル構成を調整する量子アンサンブルを構成する。 機械依存ノイズの低減に加えて、アンサンブルはVQAトレーニングのための大幅なスピードアップを提供することができる。 このアイデアにより、EQCと呼ばれる新しいVQAトレーニングフレームワークを構築します。 i)非同期並列VQA協調訓練のためのシステムアーキテクチャ (ii)そのアーキテクチャ、トランスパイル及びランタイム条件に関する特定の装置上の返却されたvqa勾配の品質を評価するための分析モデル (iii)現在のシステムの性能に応じて量子アンサンブルの計算貢献を調整する重み付け機構。 VQEとQAOAアプリケーションを使用した10のIBMQデバイスに対する500K回路評価の結果、EQCはアンサンブルの最も高性能なデバイスに近いエラー率を達成でき、トレーニング速度は平均で10.5倍(86倍、少なくとも5.2倍)向上することを示した。

関連論文リスト

• 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)
• 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)
• A joint optimization approach of parameterized quantum circuits with a tensor network [0.0]
  現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。 本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
  論文  参考訳（メタデータ） (2024-02-19T12:53:52Z)
• 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)
• Learning Quantum Phase Estimation by Variational Quantum Circuits [0.9208007322096533]
  我々は,量子位相推定回路の深さを低減するために,変分量子回路(VQC)近似を開発した。 実験により,VQCは回路ノイズを低減し,実ハードウェア上でのノイズQPEと標準QPEの両方に優れた性能を示した。 この量子コンパイラへのVQCの統合は、ディープ回路を持つ量子アルゴリズムに大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-08T13:57:24Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Simultaneous execution of quantum circuits on current and near-future NISQ systems [1.0312968200748118]
  NISQプロセッサ上での量子マルチプログラミングの性能を向上させるために、パラロック(QCの並列割り当て)を導入する。 また,ソフトウェアを用いたクロストーク検出プロトコルを提案する。
  論文  参考訳（メタデータ） (2021-12-14T01:18:49Z)
• 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)
• 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)

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。