論文の概要: Alternating Layered Variational Quantum Circuits Can Be Classically Optimized Efficiently Using Classical Shadows

• arxiv url: http://arxiv.org/abs/2208.11623v1
• Date: Wed, 24 Aug 2022 15:47:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-29 23:58:56.132094
• Title: Alternating Layered Variational Quantum Circuits Can Be Classically Optimized Efficiently Using Classical Shadows
• Title（参考訳）: 層状変分量子回路は古典影を用いて古典的に効率的に最適化できる
• Authors: Afrad Basheer, Yuan Feng, Christopher Ferrie, Sanjiang Li
• Abstract要約: 変分量子アルゴリズム(VQA)は、古典的ニューラルネットワーク(NN)の量子アナログである。 本稿では,VQAのトレーニングコストを指数的に削減したトレーニングアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 4.680722019621822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms (VQAs) are the quantum analog of classical neural networks (NNs). A VQA consists of a parameterized quantum circuit (PQC) which is composed of multiple layers of ansatzes (simpler PQCs, which are an analogy of NN layers) that differ only in selections of parameters. Previous work has identified the alternating layered ansatz as potentially a new standard ansatz in near-term quantum computing. Indeed, shallow alternating layered VQAs are easy to implement and have been shown to be both trainable and expressive. In this work, we introduce a training algorithm with an exponential reduction in training cost of such VQAs. Moreover, our algorithm uses classical shadows of quantum input data, and can hence be run on a classical computer with rigorous performance guarantees. We demonstrate 2--3 orders of magnitude improvement in the training cost using our algorithm for the example problems of finding state preparation circuits and the quantum autoencoder.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、古典的ニューラルネットワーク(NN)の量子アナログである。 VQAはパラメタライズド量子回路(PQC)で構成され、パラメータの選択だけが異なるアンサツェ(NN層のアナログである単純なPQC)の複数の層で構成されている。 これまでの研究では、交互層状アンサッツを、短期量子コンピューティングにおける新しい標準アンサッツとして特定していた。 実際、浅い交互層VQAの実装は容易であり、訓練可能かつ表現的であることが示されている。 本稿では,このようなvqaのトレーニングコストを指数関数的に削減するトレーニングアルゴリズムを提案する。 さらに,本アルゴリズムは量子入力データの古典的シャドウを利用するため,厳密な性能保証を備えた古典的コンピュータ上で動作可能である。 本稿では,状態準備回路と量子オートエンコーダの探索問題に対するアルゴリズムを用いて,トレーニングコストの2～3桁の改善を実証する。

関連論文リスト

• Adiabatic training for Variational Quantum Algorithms [0.4374837991804085]
  本稿では3要素からなる新しいハイブリッド量子機械学習(QML)モデルを提案する。 量子ニューラルネットワーク(QNN)を表す変分量子アルゴリズム(VQA)を実行するゲートベース量子コンピュータ VQAの最適パラメータを見つけるために最適化関数が実行される断熱量子コンピュータ。
  論文  参考訳（メタデータ） (2024-10-24T10:17:48Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• Learning To Optimize Quantum Neural Network Without Gradients [3.9848482919377006]
  本稿では,量子回路のパラメータを出力するために,Emphmeta-Optimizerネットワークをトレーニングする新しいメタ最適化アルゴリズムを提案する。 我々は,従来の勾配に基づくアルゴリズムよりも回路評価が少ない場合に,より高品質な最小値が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-15T01:09:12Z)
• 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)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• 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)
• Toward Neural Network Simulation of Variational Quantum Algorithms [1.9723551683930771]
  変分量子アルゴリズム(VQA)は、高次元線形代数の問題を最適化の1つとして再キャストするために、ハイブリッド量子古典アーキテクチャを利用する。 変動量子線形解法(VQLS)の例に着目して、古典最適化アルゴリズムを他のVQAと並列に構築できるかを問う。 このような構成はVQLSに適用でき、理論的には同様の形の他のVQAに拡張できるパラダイムが得られる。
  論文  参考訳（メタデータ） (2022-11-05T15:46:47Z)
• Optimal training of variational quantum algorithms without barren plateaus [0.0]
  変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。 量子状態学習のためのVQAを最適に訓練する方法を示す。 量子機械学習におけるガウスカーネルの応用を提案する。
  論文  参考訳（メタデータ） (2021-04-29T17:54:59Z)
• Classically optimal variational quantum algorithms [0.0]
  変分量子アルゴリズム(VQA)のようなハイブリッド量子古典アルゴリズムは、NISQコンピュータ上での実装に適している。 このレターでは、VQAの暗黙的なステップを拡張します。古典的なプリ計算サブルーチンは、古典的なアルゴリズムを非自明に使用して、問題インスタンス固有の変動量子回路を単純化、変換、特定することができます。
  論文  参考訳（メタデータ） (2021-03-31T13:33:38Z)

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。