論文の概要: Recursive Variational Quantum Compiling

• arxiv url: http://arxiv.org/abs/2203.08514v1
• Date: Wed, 16 Mar 2022 10:30:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 23:19:21.870879
• Title: Recursive Variational Quantum Compiling
• Title（参考訳）: 再帰的変分量子コンパイル
• Authors: Stian Bilek and Kristian Wold
• Abstract要約: 変分量子コンパイルアルゴリズム citeqaqc は、量子回路をパラメータ化されたアンサッツエポッチに圧縮することを目的としている。 本稿では、再帰変分量子コンパイルアルゴリズム(RVQC)と呼ばれるVQCの変種を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum compiling algorithms \cite{qaqc} aim to compress quantum circuits into parameterized ansatzes utilizing a hybrid quantum-classical approach. In this article a variant of VQC named the recursive variational quantum compiling algorithm (RVQC) is proposed. In contrast with existing VQC algorithms, where one is required to execute the full target circuit in order to compile it, RVQC works by dividing the target circuit into $N$ parts and recursively compresses one part at a time into the parameterized ansatz. Since smaller parts are being compressed at a time, the circuit depth required to implement the algorithm is not dependent on the depth of the target circuit, but on the depth of the ansatz and the depth of each of the $N$ parts. We are hence able to compress the target circuit by executing circuits of smaller depths than the target circuit itself. To show that this approach has an edge over the standard VQC method for sufficiently large circuit depths, RVQC was compared with VQC on a noise model of the IBM Santiago device with the goal of compressing a randomly generated five-qubit circuit of depth 5000. It was shown that VQC was not able to converge within 500 epochs of training. On the other hand, RVQC was able to converge to a fidelity ($0.88$) within a total of 500 epochs when splitting the target circuit into $N = 5$ parts.
• Abstract（参考訳）: 変分量子コンパイルアルゴリズム \cite{qaqc} は、ハイブリッド量子古典的手法を用いて量子回路をパラメータ化されたアンサットに圧縮することを目的としている。 本稿では、再帰的変分量子コンパイルアルゴリズム(RVQC)と呼ばれるVQCの変種を提案する。 既存のVQCアルゴリズムとは異なり、完全なターゲット回路をコンパイルするためには、RVQCはターゲット回路を$N$に分割し、パラメータ化されたアンサッツに一度に1つの部分を再帰的に圧縮する。 小さい部分は一度に圧縮されているため、アルゴリズムを実装するために必要な回路深さは、ターゲット回路の深さに依存するのではなく、アンサッツの深さと各$N$部品の深さに依存する。 これにより、ターゲット回路自体よりも小さな深さの回路を実行することで、ターゲット回路を圧縮することができる。 この手法が十分に大きな回路深さの標準VQC法よりも優れていることを示すため、RVQCをIBM Santiagoデバイスのノイズモデル上のVQCと比較し、無作為に生成された5000ビットの5ビット回路を圧縮することを目標とした。 VQCは500時間以内の訓練では収束できなかった。 一方、RVQCは、ターゲット回路を$N = 5$に分割する際に、合計500エポックの範囲内で、忠実度(0.88$)に収束することができた。

関連論文リスト

• Route-Forcing: Scalable Quantum Circuit Mapping for Scalable Quantum Computing Architectures [41.39072840772559]
  Route-Forcingは量子回路マッピングアルゴリズムで、平均スピードアップが3.7Times$であることを示している。 本稿では、最先端のスケーラブルな手法と比較して平均3.7倍の高速化を示す量子回路マッピングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T14:21:41Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Real-time error mitigation for variational optimization on quantum hardware [45.935798913942904]
  VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。 我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
  論文  参考訳（メタデータ） (2023-11-09T19:00:01Z)
• Learning Quantum Phase Estimation by Variational Quantum Circuits [0.9208007322096533]
  我々は,量子位相推定回路の深さを低減するために,変分量子回路(VQC)近似を開発した。 実験により,VQCは回路ノイズを低減し,実ハードウェア上でのノイズQPEと標準QPEの両方に優れた性能を示した。 この量子コンパイラへのVQCの統合は、ディープ回路を持つ量子アルゴリズムに大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-08T13:57:24Z)
• Quantum Circuit Optimization through Iteratively Pre-Conditioned Gradient Descent [0.4915744683251151]
  量子回路を最適化し、状態準備と量子アルゴリズムの実装のための性能高速化を示すために、繰り返し事前条件勾配降下(IPG)を行う。 4量子W状態と最大絡み合った5量子GHZ状態を作成するための104ドルの係数による忠実度の向上を示す。 また、IPGを用いて量子フーリエ変換のユニタリを最適化するゲインを示し、IonQの量子処理ユニット(QPU)上でそのような最適化された回路の実行結果を報告する。
  論文  参考訳（メタデータ） (2023-09-18T17:30:03Z)
• A Synergistic Compilation Workflow for Tackling Crosstalk in Quantum Machines [17.37662149918109]
  クロストークノイズは、超伝導ノイズ中間量子(NISQ)デバイスにおけるいくつかの主要なノイズの1つとして認識されている。 CQCと呼ばれるクロストーク対応の量子プログラムコンパイルフレームワークを提案する。 我々のフレームワークは、最先端のゲートスケジューリング手法と比較して6$times$までのエラー率を大幅に削減できる。
  論文  参考訳（メタデータ） (2022-07-12T04:11:05Z)
• Quantum Circuit Compiler for a Shuttling-Based Trapped-Ion Quantum Computer [26.47874938214435]
  本稿では,シャットリング型トラップイオン量子プロセッサをターゲットとした量子回路の変換と最適化を行うコンパイラを提案する。 その結果,標準ピケットに比べて最大5.1因子,標準のカイスキートコンパイルに比べて最大2.2因子のゲート数を削減できることがわかった。
  論文  参考訳（メタデータ） (2022-07-05T11:21:09Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)
• A deep learning model for noise prediction on near-term quantum devices [137.6408511310322]
  我々は、量子デバイスからの実験データに基づいて畳み込みニューラルネットワークをトレーニングし、ハードウェア固有のノイズモデルを学ぶ。 コンパイラはトレーニングされたネットワークをノイズ予測器として使用し、期待されるノイズを最小限に抑えるために回路にゲートのシーケンスを挿入する。
  論文  参考訳（メタデータ） (2020-05-21T17:47:29Z)

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。