論文の概要: qLEET: Visualizing Loss Landscapes, Expressibility, Entangling Power and
Training Trajectories for Parameterized Quantum Circuits
- arxiv url: http://arxiv.org/abs/2205.02095v2
- Date: Mon, 26 Jun 2023 19:48:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 18:17:35.262173
- Title: qLEET: Visualizing Loss Landscapes, Expressibility, Entangling Power and
Training Trajectories for Parameterized Quantum Circuits
- Title(参考訳): qLEET:パラメータ化された量子回路のためのランドスケープ、表現性、エンタングルパワーおよびトレーニング軌道の可視化
- Authors: Utkarsh Azad and Animesh Sinha
- Abstract要約: qLEETは、パラメータ化量子回路(PQC)を研究するためのオープンソースのPythonパッケージである。
PQCの表現可能性や絡み合う力などの特性の計算を可能にする。
Qiskit、Cirq、Pyquilといった一般的な量子コンピューティングライブラリを使って構築された量子回路とノイズモデルをサポートする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present qLEET, an open-source Python package for studying parameterized
quantum circuits (PQCs), which are widely used in various variational quantum
algorithms (VQAs) and quantum machine learning (QML) algorithms. qLEET enables
the computation of properties such as expressibility and entangling power of a
PQC by studying its entanglement spectrum and the distribution of parameterized
states produced by it. Furthermore, it allows users to visualize the training
trajectories of PQCs along with high-dimensional loss landscapes generated by
them for different objective functions. It supports quantum circuits and noise
models built using popular quantum computing libraries such as Qiskit, Cirq,
and Pyquil. In our work, we demonstrate how qLEET provides opportunities to
design and improve hybrid quantum-classical algorithms by utilizing intuitive
insights from the ansatz capability and structure of the loss landscape.
- Abstract(参考訳): 我々は、様々な変分量子アルゴリズム(VQA)や量子機械学習(QML)アルゴリズムで広く使われているパラメータ化量子回路(PQC)を研究するためのオープンソースのPythonパッケージであるqLEETを提案する。
qLEETは、その絡み合いスペクトルとそれによって生成されるパラメータ化された状態の分布を研究することにより、PQCの表現可能性や絡み合いパワーなどの特性の計算を可能にする。
さらに、PQCのトレーニング軌跡と、異なる目的関数のために生成された高次元の損失景観を可視化することができる。
Qiskit、Cirq、Pyquilといった一般的な量子コンピューティングライブラリを使って構築された量子回路とノイズモデルをサポートする。
本研究では,損失ランドスケープのアンザッツ能力と構造から直感的な洞察を生かして,qLEETがハイブリッド量子古典アルゴリズムの設計と改良の機会を提供することを示す。
関連論文リスト
- Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Provable Advantage of Parameterized Quantum Circuit in Function
Approximation [17.286013304279013]
機能近似のレンズを用いてPQCの表現性を分析する。
提案したPQCを高次元滑らかな関数の近似におけるほぼ最適な深部ニューラルネットワークと比較する。
論文 参考訳(メタデータ) (2023-10-11T14:29:11Z) - Potential and limitations of random Fourier features for dequantizing
quantum machine learning [0.5277756703318045]
量子機械学習は、おそらく、短期量子デバイスの最もよく研究された応用の1つである。
パラメータ化量子回路(PQC)を学習モデルとして使用する変分量子機械学習の概念に多くの焦点が当てられている。
そこで本研究では,RFFがレグレッションのための変分量子機械学習の効率的な復号化を実現する上で必要かつ十分な条件を確立する。
論文 参考訳(メタデータ) (2023-09-20T21:23:52Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-14T08:03:20Z) - 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) - Learning capability of parametrized quantum circuits [2.51657752676152]
変分量子アルゴリズム(VQA)とそのパラメタライズド量子回路(PQC)による量子機械学習分野への応用は、ノイズの多い中間スケール量子コンピューティングデバイスを活用する主要な方法の1つであると考えられている。
本稿では、Schuldらによる研究に基づいて、学習能力の新たな尺度を用いて、PQCの一般的なアンス・アゼと比較する。
また,Beerらが導入した分散量子ニューラルネットワーク(dQNN)についても検討し,その学習能力を高めるために,dQNNのデータ再アップロード構造を提案する。
論文 参考訳(メタデータ) (2022-09-21T13:26:20Z) - Evolutionary Quantum Architecture Search for Parametrized Quantum
Circuits [7.298440208725654]
本稿では,PQCモデルのための進化的量子アーキテクチャ探索フレームワークであるEQAS-PQCを紹介する。
提案手法は,ハイブリッド量子古典モデルの性能を著しく向上させることができることを示す。
論文 参考訳(メタデータ) (2022-08-23T19:47:37Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - ORQVIZ: Visualizing High-Dimensional Landscapes in Variational Quantum
Algorithms [51.02972483763309]
変分量子アルゴリズム(VQA)は、量子コンピュータの実用的な応用を見つけるための有望な候補である。
この作業には、オープンソースのPythonパッケージである$textitorqviz$のリリースが伴っている。
論文 参考訳(メタデータ) (2021-11-08T18:17:59Z) - Quantum agents in the Gym: a variational quantum algorithm for deep
Q-learning [0.0]
本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。
量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
論文 参考訳(メタデータ) (2021-03-28T08:57:22Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z)
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。