論文の概要: Optimization of Quantum Read-Only Memory Circuits
- arxiv url: http://arxiv.org/abs/2204.03097v1
- Date: Wed, 6 Apr 2022 21:23:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-18 02:23:48.932288
- Title: Optimization of Quantum Read-Only Memory Circuits
- Title（参考訳）: 量子読み取り専用メモリ回路の最適化
- Authors: Koustubh Phalak, Mahabubul Alam, Abdullah Ash-Saki, Rasit Onur
Topaloglu and Swaroop Ghosh
- Abstract要約: 量子機械学習アプリケーションでは、量子メモリはデータのロードプロセスを単純化し、学習タスクを加速することができる。
量子読み取り専用メモリ(Quantum Read Only Memory, QROM)は、4ビットアドレスを超える最新技術であるNISQ(Noisy Intermediate-Scale Quantum)コンピュータにおいて、アドレス行数とともに指数関数的にスケールする。
そこで本研究では,QROM回路の深さとゲート数を削減するために,プリデコードロジックやqubitリセットなどの手法を提案する。
- 参考スコア（独自算出の注目度）: 5.486046841722322
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum computing is a rapidly expanding field with applications ranging from
optimization all the way to complex machine learning tasks. Quantum memories,
while lacking in practical quantum computers, have the potential to bring
quantum advantage. In quantum machine learning applications for example, a
quantum memory can simplify the data loading process and potentially accelerate
the learning task. Quantum memory can also store intermediate quantum state of
qubits that can be reused for computation. However, the depth, gate count and
compilation time of quantum memories such as, Quantum Read Only Memory (QROM)
scale exponentially with the number of address lines making them impractical in
state-of-the-art Noisy Intermediate-Scale Quantum (NISQ) computers beyond 4-bit
addresses. In this paper, we propose techniques such as, predecoding logic and
qubit reset to reduce the depth and gate count of QROM circuits to target wider
address ranges such as, 8-bits. The proposed approach reduces the number of
gates and depth count by at least 2X compared to the naive implementation at
only 36% qubit overhead. A reduction in circuit depth and gate count as high as
75X and compilation time by 85X at the cost of a maximum of 2.28X qubit
overhead is observed. Experimentally, the fidelity with the proposed
predecoding circuit compared to existing optimization approach is also higher
(as much as 73% compared to 40.8%) under reduced error rates.
- Abstract（参考訳）: 量子コンピューティングは急速に拡大する分野であり、最適化から複雑な機械学習タスクまで幅広いアプリケーションがある。
量子記憶は実用的な量子コンピュータには欠けているが、量子の利点をもたらす可能性がある。
例えば、量子機械学習アプリケーションでは、量子メモリはデータのロードプロセスを単純化し、学習タスクを加速することができる。
量子メモリは、計算のために再利用できる量子ビットの中間量子状態を格納することもできる。
しかし、量子読み取り専用メモリ(qrom)のような量子メモリの深さ、ゲート数、コンパイル時間は、アドレス行数で指数関数的にスケールし、4ビットアドレスを超えるノイズの多い中間スケール量子(nisq)コンピュータでは実用的でない。
本稿では、qrom回路の深さとゲート数を削減し、8ビットなどの広いアドレス範囲を対象とするプリデコードロジックやqubitリセット手法を提案する。
提案手法は,36%のキュービットオーバヘッドのナイーブ実装と比較して,ゲート数と深さ数を少なくとも2倍削減する。
回路の深さとゲート数を75倍に削減し、最大2.28x qubitオーバヘッドのコストでコンパイル時間を85倍短縮する。
実験により、既存の最適化手法と比較して提案したプリデコード回路の忠実度は、誤り率の低減により73%も高い(40.8%)。
関連論文リスト
- Mera: Memory Reduction and Acceleration for Quantum Circuit Simulation via Redundancy Exploration [4.271968023823568]
メモリ使用量の削減とシミュレーションの高速化を目的として,マルチレベル最適化,すなわちMeraを提案する。
多数のスパース量子ゲートに対して、低レベルフルステートシミュレーションのための2つの圧縮された構造を提案する。
実験により, 圧縮された構造では量子ビット数が17から35に増加し, QNNの6.9倍の加速が達成された。
論文 参考訳（メタデータ） (2024-11-22T20:07:31Z) - 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) - 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) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Optimal Partitioning of Quantum Circuits using Gate Cuts and Wire Cuts [1.0507729375838437]
量子ビット数の制限、高いエラー率、限られた量子ビット接続は、効率的な短期量子計算の大きな課題である。
量子回路分割は、量子計算を小さな量子(サブ)回路と古典的な後処理ステップを含む一連の計算に分割する。
量子回路編み込みの最近の進歩に基づく最適分割法を開発した。
論文 参考訳（メタデータ） (2023-08-18T13:59:55Z) - Optimal Qubit Reuse for Near-Term Quantum Computers [0.18188255328029254]
短期量子コンピュータにおける中間回路計測と量子ビットリセットのサポートの増加は、量子ビットの再利用を可能にする。
本稿では,立証可能な最適解を提供する量子ビット再利用最適化の形式モデルを提案する。
本研究では, 量子回路の量子ビット数, スワップゲート挿入数, 推定成功確率, ヘルリンガー忠実度の改善について述べる。
論文 参考訳（メタデータ） (2023-07-31T23:15:45Z) - Large-scale quantum approximate optimization on non-planar graphs with machine learning noise mitigation [0.46040036610482665]
誤差軽減は、ノイズの多いデバイスが有意義に実行できる量子回路のサイズを拡大する。
機械学習に基づく誤差軽減により最大40ノードの非平面ランダム正規グラフ上で量子近似最適化アルゴリズム(QAOA)を示す。
論文 参考訳（メタデータ） (2023-07-26T18:00:07Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳（メタデータ） (2022-09-22T21:54:28Z) - Quantum State Preparation with Optimal Circuit Depth: Implementations
and Applications [10.436969366019015]
我々は、$Theta(n)$-depth回路は、$O(ndlog d)$ acillary qubitsを持つ$Theta(log(nd))で作成可能であることを示す。
我々は、ハミルトンシミュレーション、方程式の線形系解法、量子ランダムアクセスメモリの実現など、異なる量子コンピューティングタスクにおける結果の適用について論じる。
論文 参考訳（メタデータ） (2022-01-27T13:16:30Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。
観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
論文 参考訳（メタデータ） (2020-05-05T20:11:53Z)
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。