論文の概要: Recursive Variational Quantum Compiling

• arxiv url: http://arxiv.org/abs/2203.08514v2
• Date: Tue, 24 Sep 2024 11:49:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-09 15:46:48.571471
• Title: Recursive Variational Quantum Compiling
• Title（参考訳）: 再帰的変分量子コンパイル
• Authors: Stian Bilek, Kristian Wold,
• Abstract要約: 変分量子コンパイル(VQC)アルゴリズムは、浅いパラメータ化アンサーゼでディープ量子回路を近似することを目的としている。 既存のVQCアルゴリズムでは、コンパイル中に全回路をコヒーレントに実行する必要がある。 ノイズの影響下では、十分に深いターゲット回路は通常のVQCではコンパイルが不可能となる。 RVQCは、まずそれを$N$の短いサブ回路に分割し、一度に1つのサブ回路を評価することで、回路をコンパイルすることができる。
• 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 (VQC) algorithms aim to approximate deep quantum circuits with shallow parameterized ansatzes, making them more suitable for NISQ hardware. In this article a variant of VQC named the recursive variational quantum compiling (RVQC) algorithm is proposed. Existing VQC algorithms typically require coherently executing the full circuit during compilation. Under the influence of noise, sufficiently deep target circuits make compiling unfeasible using ordinary VQC. Since the compiling is often accomplished using a gradient-based quantum-classical approach, the quantum noise manifest as a noisy gradient during optimization, making convergence hard to obtain. On the other hand, RVQC can compile a circuit by first dividing it into $N$ shorter sub-circuits, then evaluate one sub-circuit at a time. As a result, the circuit depth required to implement RVQC is not dependent on the depth of the target circuit, but on the depth of the sub-circuits. Choosing a high enough $N$ thus ensures sufficiently shallow sub-circuit which can be successfully compiled individually. RVQC was compared with VQC on a noise model of the IBM Santiago device with the goal of compiling several randomly generated five-qubit circuits of approximately depth 1000. It was shown that VQC was not able to converge within 500 iterations of optimization. On the other hand, RVQC was able to converge to a fidelity of $0.90 \pm 0.05$ within a total of 500 iterations when splitting the target circuits into $N = 5$ parts.
• Abstract（参考訳）: 変分量子コンパイル(VQC)アルゴリズムは、深い量子回路を浅いパラメータ化アンサーゼで近似することを目的としており、NISQハードウェアにより適している。 本稿では、再帰的変動量子コンパイル(RVQC)アルゴリズムと呼ばれるVQCの変種を提案する。 既存のVQCアルゴリズムでは、コンパイル中に全回路をコヒーレントに実行する必要がある。 ノイズの影響下では、十分に深いターゲット回路は通常のVQCではコンパイルが不可能となる。 コンパイルはしばしば勾配に基づく量子古典的アプローチによって達成されるので、量子ノイズは最適化時にノイズの勾配として表され、収束が困難になる。 一方、RVQCは、まずそれを$N$の短いサブ回路に分割し、一度に1つのサブ回路を評価することで、回路をコンパイルすることができる。 その結果、RVQC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ではなく、サブ回路の深さに依存する。 高い$N$を選択することで、個々のコンパイルを成功させるのに十分な浅いサブ回路が確保できる。 RVQCはIBM SantiagoデバイスのノイズモデルでVQCと比較され、ランダムに生成された5ビット回路を約1000深さでコンパイルすることを目的としていた。 VQCは500回の最適化で収束できなかった。 一方、RVQCは、ターゲット回路を$N = 5$に分割する際に、合計500回のイテレーションで0.90 \pm 0.05$の忠実度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。