論文の概要: Simulation Paths for Quantum Circuit Simulation with Decision Diagrams

• arxiv url: http://arxiv.org/abs/2203.00703v2
• Date: Tue, 6 Sep 2022 18:00:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 10:05:29.060047
• Title: Simulation Paths for Quantum Circuit Simulation with Decision Diagrams
• Title（参考訳）: 決定図を用いた量子回路シミュレーションのシミュレーションパス
• Authors: Lukas Burgholzer, Alexander Ploier and Robert Wille
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 72.03286471602073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating quantum circuits on classical computers is a notoriously hard, yet increasingly important task for the development and testing of quantum algorithms. In order to alleviate this inherent complexity, efficient data structures and methods such as tensor networks and decision diagrams have been proposed. However, their efficiency heavily depends on the order in which the individual computations are performed. For tensor networks the order is defined by so-called contraction plans and a plethora of methods has been developed to determine suitable plans. On the other hand, simulation based on decision diagrams is mostly conducted in a straight-forward, i.e., sequential, fashion thus far. In this work, we study the importance of the path that is chosen when simulating quantum circuits using decision diagrams and show, conceptually and experimentally, that choosing the right simulation path can make a vast difference in the efficiency of classical simulations using decision diagrams. We propose an open-source framework (available at github.com/cda-tum/ddsim) that not only allows to investigate dedicated simulation paths, but also to re-use existing findings, e.g., obtained from determining contraction plans for tensor networks. Experimental evaluations show that translating strategies from the domain of tensor networks may yield speedups of several factors compared to the state of the art. Furthermore, we design a dedicated simulation path heuristic that allows to improve the performance even further -- frequently yielding speedups of several orders of magnitude. Finally, we provide an extensive discussion on what can be learned from tensor networks and what cannot.
• Abstract（参考訳）: 量子回路を古典的コンピュータ上でシミュレートすることは、量子アルゴリズムの開発とテストにおいて、非常に困難だがますます重要なタスクである。 この複雑さを軽減するため、テンソルネットワークや決定図などの効率的なデータ構造や手法が提案されている。 しかし、それらの効率は個々の計算が実行される順序に大きく依存する。 テンソルネットワークでは、順序はいわゆる収縮計画によって定義され、適切な計画を決定するために多くの方法が開発されている。 一方, 決定図に基づくシミュレーションは, 多くの場合, 直進的, 逐次的, ファッション的に行われている。 本研究では,量子回路を決定図を用いて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し,正しいシミュレーション経路を選択することで,決定図を用いた古典的シミュレーションの効率に大きな差をもたらすことを示した。 提案するオープンソースのフレームワーク(github.com/cda-tum/ddsimで利用可能)は,専用シミュレーションパスを探索するだけでなく,テンソルネットワークの収縮計画決定から得られる既存の知見を再利用する。 実験的評価により, テンソルネットワーク領域からの翻訳戦略が, 技術状況と比較していくつかの要因の高速化をもたらす可能性が示唆された。 さらに,数桁のスピードアップを頻繁に達成し,さらなる性能向上を可能にする専用シミュレーションパスヒューリスティックを設計する。 最後に、テンソルネットワークから何が学べるのか、何ができないのかに関する広範な議論を行う。

関連論文リスト

• Quantum Circuit Simulation with Fast Tensor Decision Diagram [10.24745264727704]
  テンソル決定図を利用してオーバヘッドを排除し,大幅な高速化を実現する,新たなオープンソースフレームワークを提案する。 本稿では,テンソル決定ダイアグラム演算のための線形複雑度ランク単純化アルゴリズム,テトリス,エッジ中心データ構造を提案する。
  論文  参考訳（メタデータ） (2024-01-21T01:24:29Z)
• Online Network Source Optimization with Graph-Kernel MAB [62.6067511147939]
  大規模ネットワークにおける最適なソース配置をオンラインで学習するためのグラフカーネルマルチアームバンディットアルゴリズムであるGrab-UCBを提案する。 適応グラフ辞書モデルを用いて,ネットワークプロセスを記述する。 我々は、ネットワークパラメータに依存する性能保証を導出し、シーケンシャルな意思決定戦略の学習曲線にさらに影響を及ぼす。
  論文  参考訳（メタデータ） (2023-07-07T15:03:42Z)
• Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum Circuit Simulation [65.93830818469833]
  テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。 これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。 量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-02-13T19:00:00Z)
• Constructing Optimal Contraction Trees for Tensor Network Quantum Circuit Simulation [1.2704529528199062]
  量子回路シミュレーションにおける重要な問題の1つは、縮退木の構築である。 本稿では,最適な縮尺木を構築するための新しい時間アルゴリズムを提案する。 提案手法は、試験された量子回路の大部分において、優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-07T02:50:30Z)
• 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)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• 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)
• 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)
• Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
  ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。 典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。 また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
  論文  参考訳（メタデータ） (2019-12-31T19:00:00Z)

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。