Fugu-MT 論文翻訳(概要): Domain-Specific Quantum Architecture Optimization

論文の概要: Domain-Specific Quantum Architecture Optimization

arxiv url: http://arxiv.org/abs/2207.14482v1
Date: Fri, 29 Jul 2022 05:16:02 GMT
ステータス: 処理完了
システム内更新日: 2023-02-03 02:25:22.571991
Title: Domain-Specific Quantum Architecture Optimization
Title（参考訳）: ドメイン特化量子アーキテクチャ最適化
Authors: Wan-Hsuan Lin, Bochen Tan, Murphy Yuezhen Niu, Jason Kimko, and Jason Cong
Abstract要約: 本稿では,量子アーキテクチャ,特に量子ビット接続のカスタマイズによる最適化フレームワークを提案する。アーキテクチャ最適化と最適なコンパイラを統合することで、パフォーマンス保証を提供する最初の作業である。我々は,QAOA回路の重六角形アーキテクチャを最適化し,最大59%の忠実度向上を実現し,グリッドアーキテクチャを最大14%改善した。
参考スコア（独自算出の注目度）: 7.274584978257831
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the steady progress in quantum computing over recent years, roadmaps for upscaling quantum processors have relied heavily on the targeted qubit architectures. So far, similarly to the early age of classical computing, these designs have been crafted by human experts. These general-purpose architectures, however, leave room for customization and optimization, especially when targeting popular near-term QC applications. In classical computing, customized architectures have demonstrated significant performance and energy efficiency gains over general-purpose counterparts. In this paper, we present a framework for optimizing quantum architectures, specifically through customizing qubit connectivity. It is the first work that (1) provides performance guarantees by integrating architecture optimization with an optimal compiler, (2) evaluates the impact of connectivity customization under a realistic crosstalk error model, and (3) benchmarks on realistic circuits of near-term interest, such as the quantum approximate optimization algorithm (QAOA) and quantum convolutional neural network (QCNN). We demonstrate up to 59% fidelity improvement in simulation by optimizing the heavy-hexagon architecture for QAOA circuits, and up to 14% improvement on the grid architecture. For the QCNN circuit, architecture optimization improves fidelity by 11% on the heavy-hexagon architecture and 605% on the grid architecture.
Abstract（参考訳）: 近年の量子コンピューティングの着実に進歩に伴い、量子プロセッサのスケールアップのロードマップは、ターゲットとする量子ビットアーキテクチャに大きく依存している。これまでのところ、古典コンピューティングの初期と同様、これらのデザインは人間の専門家によって作られてきた。しかし、これらの汎用アーキテクチャは、特に一般的な短期QCアプリケーションをターゲットにする場合、カスタマイズと最適化のための余地を残している。古典コンピューティングにおいて、カスタマイズされたアーキテクチャは汎用的なアーキテクチャよりも性能とエネルギー効率が著しく向上している。本稿では,量子アーキテクチャを最適化するためのフレームワーク,特に量子ビット接続のカスタマイズについて述べる。 1)アーキテクチャ最適化と最適コンパイラの統合による性能保証,(2)現実的なクロストークエラーモデルによる接続カスタマイズの影響評価,(3)量子近似最適化アルゴリズム(QAOA)や量子畳み込みニューラルネットワーク(QCNN)など,短期的関心のある現実的な回路に対するベンチマークなどを行う。我々は,QAOA回路の重六角形アーキテクチャを最適化し,最大59%の忠実度向上を実現し,グリッドアーキテクチャを最大14%改善した。 QCNN回路では、アーキテクチャ最適化により重六角形アーキテクチャでは11%、グリッドアーキテクチャでは605%の忠実度が向上する。

関連論文リスト

Comparison of Superconducting NISQ Architectures [0.0]
我々は、GoogleのSycamore、IBMのHeavy-Hex、RigettiのAspen、Ankaaといった超伝導アーキテクチャを研究している。また、これらのアーキテクチャをターゲットにしたコンパイルツールも研究しています。
論文参考訳（メタデータ） (2024-09-03T17:12:08Z)
ArtA: Automating Design Space Exploration of Spin Qubit Architectures [1.1528488253382057]
本稿では、量子ドットスピン量子ビットアーキテクチャのための最初の設計空間探索(DSE)を紹介する。 ArtAは17の最適化構成を利用でき、探索時間を最大99.1%削減できる。我々の研究は、DSE手法と最適化アルゴリズムの相乗効果を効果的に展開し、量子プロセッサ設計者に有用な提案を提供することを実証している。
論文参考訳（メタデータ） (2024-07-25T16:02:44Z)
Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
論文参考訳（メタデータ） (2024-03-26T16:33:12Z)
Optimizing Quantum Algorithms on Bipotent Architectures [0.0]
本稿では,二元量子アーキテクチャにおけるハードウェアレベルとアルゴリズムレベルの改善のトレードオフについて検討する。その結果、パルスレベルの最適化の利点は、鮮やかに最適化されたモノリシックゲートによる改善よりも優れていることが示唆された。
論文参考訳（メタデータ） (2023-03-23T08:57:06Z)
Rethinking Architecture Selection in Differentiable NAS [74.61723678821049]
微分可能なニューラルアーキテクチャ探索は、その探索効率と簡易性において最も人気のあるNAS手法の1つである。本稿では,各操作がスーパーネットに与える影響を直接測定する摂動に基づくアーキテクチャ選択を提案する。提案手法により,DARTSの故障モードを大幅に緩和できることがわかった。
論文参考訳（メタデータ） (2021-08-10T00:53:39Z)
iDARTS: Differentiable Architecture Search with Stochastic Implicit Gradients [75.41173109807735]
微分可能なArchiTecture Search(DARTS)は先日,ニューラルアーキテクチャサーチ(NAS)の主流になった。暗黙の関数定理に基づいてDARTSの過次計算に取り組む。提案手法であるiDARTSのアーキテクチャ最適化は,定常点に収束することが期待される。
論文参考訳（メタデータ） (2021-06-21T00:44:11Z)
Rethinking Co-design of Neural Architectures and Hardware Accelerators [31.342964958282092]
我々は,ニューラルアーキテクチャとハードウェアアクセラレータの協調設計の重要性と戦略を体系的に研究する。実験の結果, 統合探索法は, 従来のプラットフォーム認識型ニューラルアーキテクチャ検索を一貫して上回っていることがわかった。提案手法は, エッジ加速器のエネルギー消費量を, 同じ精度で最大2倍に削減できる。
論文参考訳（メタデータ） (2021-02-17T07:55:58Z)
Apollo: Transferable Architecture Exploration [26.489275442359464]
我々はApolloと呼ばれるトランスファー可能なアーキテクチャ探索フレームワークを提案する。提案手法は,ベースラインのブラックボックス最適化手法よりも,高報酬設計構成のサンプル効率が高いことを示す。
論文参考訳（メタデータ） (2021-02-02T19:36:02Z)
Off-Policy Reinforcement Learning for Efficient and Effective GAN Architecture Search [50.40004966087121]
本稿では,GANアーキテクチャ探索のための強化学習に基づくニューラルアーキテクチャ探索手法を提案する。鍵となる考え方は、よりスムーズなアーキテクチャサンプリングのためのマルコフ決定プロセス(MDP)として、GANアーキテクチャ探索問題を定式化することである。我々は,従来の政策によって生成されたサンプルを効率的に活用する,非政治的なGANアーキテクチャ探索アルゴリズムを利用する。
論文参考訳（メタデータ） (2020-07-17T18:29:17Z)
Cyclic Differentiable Architecture Search [99.12381460261841]
微分可能なArchiTecture Search(DARTS)は、ニューラルアーキテクチャサーチにおいて大きな注目を集めている。我々はCDARTSと呼ばれる新しい共同目標と新しい周期微分可能なArchiTecture Searchフレームワークを提案する。 DARTS検索の分野では、CIFAR10で97.52%、ImageNetで76.3%、トップ1で76.3%の精度を達成した。
論文参考訳（メタデータ） (2020-06-18T17:55:19Z)
A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
論文参考訳（メタデータ） (2020-05-14T09:02:33Z)

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。