論文の概要: RosneT: A Block Tensor Algebra Library for Out-of-Core Quantum Computing Simulation

• arxiv url: http://arxiv.org/abs/2201.06620v1
• Date: Mon, 17 Jan 2022 20:35:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 22:37:39.543858
• Title: RosneT: A Block Tensor Algebra Library for Out-of-Core Quantum Computing Simulation
• Title（参考訳）: RosneT: コア外量子コンピューティングシミュレーションのためのブロックテンソル代数ライブラリ
• Authors: Sergio S\'anchez-Ram\'irez, Javier Conejero, Francesc Lordan, Anna Queralt, Toni Cortes, Rosa M Badia, Artur Garcia-Saez
• Abstract要約: 本稿では,分散ブロックテンソル代数のためのライブラリRosneTを提案する。 我々はPyCOMPSsプログラミングモデルを用いてテンソル演算をComposランタイムが処理するタスクの集合に変換する。 本稿では, 最大53量子ビットの量子回路シミュレーションにおいて, 優れたスケーラビリティを示す手法を検証した。
• 参考スコア（独自算出の注目度）: 0.18472148461613155
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the advent of more powerful Quantum Computers, the need for larger Quantum Simulations has boosted. As the amount of resources grows exponentially with size of the target system Tensor Networks emerge as an optimal framework with which we represent Quantum States in tensor factorizations. As the extent of a tensor network increases, so does the size of intermediate tensors requiring HPC tools for their manipulation. Simulations of medium-sized circuits cannot fit on local memory, and solutions for distributed contraction of tensors are scarce. In this work we present RosneT, a library for distributed, out-of-core block tensor algebra. We use the PyCOMPSs programming model to transform tensor operations into a collection of tasks handled by the COMPSs runtime, targeting executions in existing and upcoming Exascale supercomputers. We report results validating our approach showing good scalability in simulations of Quantum circuits of up to 53 qubits.
• Abstract（参考訳）: より強力な量子コンピュータの出現により、より大きな量子シミュレーションの必要性が高まっている。 ターゲットシステムのサイズに応じて資源の量が指数関数的に増加するにつれて、テンソルネットワークは量子状態を表す最適なフレームワークとして出現する。 テンソルネットワークの規模が大きくなるにつれて、その操作にHPCツールを必要とする中間テンソルのサイズも大きくなる。 中規模回路のシミュレーションは局所記憶には適合せず、テンソルの分散収縮の解は乏しい。 本研究では,分散コア外ブロックテンソル代数のためのライブラリrosnetを提案する。 我々は、PyCOMPSsプログラミングモデルを用いて、テンソル演算をComposランタイムが処理するタスクの集合に変換し、既存のExascaleスーパーコンピュータでの実行をターゲットとする。 我々は,53量子ビットまでの量子回路のシミュレーションにおいて,優れたスケーラビリティを示す手法を検証した。

関連論文リスト

• A Matrix Product State Model for Simultaneous Classification and Generation [0.8192907805418583]
  量子機械学習(Quantum Machine Learning, QML)は、量子コンピューティングの原理と機械学習の技法を融合させる、急速に拡大する分野である。 本稿では,MPSが分類器と生成器の両方として機能する新しい行列積状態(MPS)モデルを提案する。 我々のコントリビューションは、生成タスクのためのテンソルネットワークメソッドのメカニズムに関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-25T10:23:36Z)
• Simplification of tensor updates toward performance-complexity balanced quantum computer simulation [0.0]
  本研究は、テンソルネットワークに基づく量子コンピュータシミュレーションの文脈におけるテンソル更新の単純化について研究する。 数値シミュレーションによると、単純更新と呼ばれる手法は、量子多体スピン系からもたらされ、忠実度と計算複雑性のバランスが良好である。
  論文  参考訳（メタデータ） (2024-06-05T07:18:28Z)
• Scalable CP Decomposition for Tensor Learning using GPU Tensor Cores [47.87810316745786]
  本研究では,エクサスケールテンソル分解を支援する圧縮型テンソル分解フレームワークを提案する。 ベースラインと比較すると、エクスカスケール・テンソルは8000倍のテンソルをサポートし、スピードアップは6.95倍である。 また,本手法を遺伝子解析とテンソル層ニューラルネットワークを含む実世界の2つの応用に適用する。
  論文  参考訳（メタデータ） (2023-11-22T21:04:59Z)
• 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)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• 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)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Tensor Networks for Simulating Quantum Circuits on FPGAs [0.0]
  現在の量子コンピューティングのほとんどの研究は、真の量子コンピュータではなく、量子コンピュータのシミュレーションに対して行われている。 このようなシミュレーションを高速化する1つの方法は、フィールドプログラマブルゲートアレイ(FPGA)ハードウェアを使用して、行列乗算を効率的に計算することである。 量子コンピューティングシステムのメモリフットプリントを潜在的に削減する1つの方法は、テンソルネットワークとして表現することである。
  論文  参考訳（メタデータ） (2021-08-15T22:43:38Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• Efficient 2D Tensor Network Simulation of Quantum Systems [6.074275058563179]
  射影エンタングル状態(PEPS)のような2次元テンソルネットワークは物理系や量子回路の重要なクラスに適している。 本稿では,PEPSに基づく手法のための新しいアルゴリズムとソフトウェア抽象化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T22:36:56Z)

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。