論文の概要: Quantum Vulnerability Analysis to Accurate Estimate the Quantum Algorithm Success Rate

• arxiv url: http://arxiv.org/abs/2207.14446v1
• Date: Fri, 29 Jul 2022 02:51:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-03 02:28:50.593645
• Title: Quantum Vulnerability Analysis to Accurate Estimate the Quantum Algorithm Success Rate
• Title（参考訳）: 量子アルゴリズムの成功率を正確に推定する量子脆弱性解析
• Authors: Fang Qi, Kaitlin N. Smith, Travis LeCompte, Nianfeng Tzeng, Xu Yuan, Frederic T. Chong, and Lu Peng
• Abstract要約: SR予測を行うためにCQV(Cumulative Quantum Vulnerability)を生成する誤りの特定を目的とした量子脆弱性係数(Quantum Vulnerability Factor, QVF)を提案し設計する。 3つの27量子ビットと1つの65量子ビット量子マシン上のよく知られたベンチマークで評価することにより、CQVは最先端の予測技術であるESPよりも優れている。
• 参考スコア（独自算出の注目度）: 25.43469894983949
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum technology is still in its infancy, but superconducting circuits have made great progress toward pushing forward the computing power of the quantum state of the art. Due to limited error characterization methods and temporally varying error behavior, quantum operations can only be quantified to a rough percentage of successful execution, which fails to provide an accurate description of real quantum execution in the current noisy intermediate-scale quantum (NISQ) era. State-of-the-art success rate estimation methods either suffer from significant prediction errors or unacceptable computation complexity. Therefore, there is an urgent need for a fast and accurate quantum program estimation method that provides stable estimation with the growth of the program size. Inspired by the classical architectural vulnerability factor (AVF) study, we propose and design Quantum Vulnerability Factor (QVF) to locate any manifested error which generates Cumulative Quantum Vulnerability (CQV) to perform SR prediction. By evaluating it with well-known benchmarks on three 27-qubit and one 65-qubit quantum machines, CQV outperforms the state-of-the-art prediction technique ESP by achieving on average 6 times less relative prediction error, with best cases at 20 times, for benchmarks with a real SR rate above 0.1%.
• Abstract（参考訳）: 量子技術はまだ初期段階だが、超伝導回路は、技術の量子状態の計算能力を推し進めるために大きな進歩を遂げている。 限られた誤差特性法と時間的に異なるエラー挙動のため、量子演算は成功率の粗いパーセントにしか量子化できないが、現在のノイズの多い中間スケール量子(NISQ)時代の実際の量子実行の正確な記述は得られない。 最先端の成功率推定手法は、重大な予測エラーまたは受け入れ難い計算複雑性に悩まされる。 したがって,プログラムのサイズが大きくなるにつれて,安定して推定できる高速かつ正確な量子プログラム推定法が緊急に必要となる。 古典的アーキテクチャ脆弱性因子 (AVF) の研究に触発され, 数値脆弱性因子 (QVF) を設計し, SR予測を行うために, 累積量子脆弱性(CQV) を生成するような誤りの特定を行う。 3つの27量子ビットと1つの65量子ビット量子マシン上のよく知られたベンチマークで評価することにより、CQVは平均6倍の相対予測誤差を達成し、20倍のケースで実際のSRレートが0.1%を超えるベンチマークに対して、最先端の予測技術であるESPを上回っている。

関連論文リスト

• 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)
• ArsoNISQ: Analyzing Quantum Algorithms on Near-Term Architectures [0.18188255328029254]
  本稿では,与えられた量子アルゴリズムの許容誤差率を決定するArsoNISQフレームワークを紹介する。 ArsoNISQは、パウリの誤差モデルに従って誤差を受ける量子回路のシミュレーションに基づいている。
  論文  参考訳（メタデータ） (2023-01-18T02:09:48Z)
• Noise-robust ground state energy estimates from deep quantum circuits [0.0]
  量子アルゴリズムにおいて、基礎となるエネルギー推定が不整合ノイズを明示的に除去する方法を示す。 我々はIBM Quantumハードウェア上で量子磁性のモデルとしてQCMを実装した。 QCMはVQEが完全に失敗する極めて高いエラー堅牢性を維持している。
  論文  参考訳（メタデータ） (2022-11-16T09:12:55Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
  量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。 これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
  論文  参考訳（メタデータ） (2022-03-14T16:51:36Z)
• Reducing runtime and error in VQE using deeper and noisier quantum circuits [0.0]
  VQEを含む多くの量子アルゴリズムのコアは、ロバスト振幅推定と呼ばれる手法を用いて精度と精度で改善することができる。 より深く、よりエラーを起こしやすい量子回路を使用することで、より少ない時間でより正確な量子計算を実現する。 この技術は、初期のフォールトトレラント量子計算の仕組みに量子計算を高速化するために用いられる。
  論文  参考訳（メタデータ） (2021-10-20T17:11:29Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)
• Randomized compiling for scalable quantum computing on a noisy superconducting quantum processor [0.0]
  コヒーレントエラーは予測不可能な方法で量子アルゴリズムの性能を制限する。 ランダム化ベンチマークと関連するプロトコルによって測定された平均誤差率は、コヒーレントエラーの完全な影響には敏感ではない。 この結果から,現代の雑音量子プロセッサの性能を生かし,予測するためにランダム化コンパイルが利用可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-01T06:52:45Z)

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。