論文の概要: Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage
- arxiv url: http://arxiv.org/abs/2208.13673v1
- Date: Mon, 29 Aug 2022 15:24:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-28 14:44:23.312827
- Title: Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage
- Title（参考訳）: 量子回路とテンソルネットワークの相乗効果--実用的な量子優位への競争の短縮
- Authors: Manuel S. Rudolph and Jacob Miller and Jing Chen and Atithi Acharya
and Alejandro Perdomo-Ortiz
- Abstract要約: 量子回路のトレーニングに古典的な計算資源を利用するスケーラブルな手順を導入する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
- 参考スコア（独自算出の注目度）: 62.5210028594015
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: While recent breakthroughs have proven the ability of noisy
intermediate-scale quantum (NISQ) devices to achieve quantum advantage in
classically-intractable sampling tasks, the use of these devices for solving
more practically relevant computational problems remains a challenge. Proposals
for attaining practical quantum advantage typically involve parametrized
quantum circuits (PQCs), whose parameters can be optimized to find solutions to
diverse problems throughout quantum simulation and machine learning. However,
training PQCs for real-world problems remains a significant practical
challenge, largely due to the phenomenon of barren plateaus in the optimization
landscapes of randomly-initialized quantum circuits. In this work, we introduce
a scalable procedure for harnessing classical computing resources to determine
task-specific initializations of PQCs, which we show significantly improves the
trainability and performance of PQCs on a variety of problems. Given a specific
optimization task, this method first utilizes tensor network (TN) simulations
to identify a promising quantum state, which is then converted into gate
parameters of a PQC by means of a high-performance decomposition procedure. We
show that this task-specific initialization avoids barren plateaus, and
effectively translates increases in classical resources to enhanced performance
and speed in training quantum circuits. By demonstrating a means of boosting
limited quantum resources using classical computers, our approach illustrates
the promise of this synergy between quantum and quantum-inspired models in
quantum computing, and opens up new avenues to harness the power of modern
quantum hardware for realizing practical quantum advantage.
- Abstract（参考訳）: 近年のブレークスルーにより、ノイズの多い中間スケール量子(nisq)デバイスが、古典的に難解なサンプリングタスクで量子優位を達成することが証明されているが、より実効的な計算問題を解決するためにこれらのデバイスを使用することは依然として課題である。
実用的な量子優位性を実現するための提案は、一般的にパラメタライズド量子回路(PQC)であり、量子シミュレーションや機械学習を通じて様々な問題の解を見つけるためにパラメータを最適化することができる。
しかし、実世界の問題に対するPQCのトレーニングは、主にランダムに初期化された量子回路の最適化環境におけるバレンプラトー現象のために、重要な実践的課題である。
本研究では,PQCのタスク固有の初期化を決定するために,従来の計算資源を活用するスケーラブルな手法を提案する。
特定の最適化タスクが与えられた場合、この手法はまずテンソルネットワーク(TN)シミュレーションを用いて有望な量子状態を特定し、次に高性能な分解手順を用いてPQCのゲートパラメータに変換する。
このタスク固有の初期化は不毛高原を避け、古典的資源の増加を量子回路のトレーニングにおける性能と速度の向上に効果的に翻訳する。
古典的コンピュータを用いて限られた量子資源を増強する方法を示すことにより、量子コンピューティングにおける量子モデルと量子モデルとの相乗効果を実証し、実用的な量子優位性を実現するために現代の量子ハードウェアの力を活用するための新しい道を開く。
関連論文リスト
- 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) - A joint optimization approach of parameterized quantum circuits with a
tensor network [0.0]
現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。
本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
論文 参考訳（メタデータ） (2024-02-19T12:53:52Z) - Formulation of the Electric Vehicle Charging and Routing Problem for a
Hybrid Quantum-Classical Search Space Reduction Heuristic [0.0]
制約付き量子最適化アルゴリズムの構築において、量子情報の多レベルキャリア -- 量子ビット -- をどのように活用するかを示す。
本稿では,制約付き解をサンプリングし,探索空間を大幅に削減するハイブリッド古典量子戦略を提案する。
論文 参考訳（メタデータ） (2023-06-07T13:16:15Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - Fundamental limitations on optimization in variational quantum
algorithms [7.165356904023871]
そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。
このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。
この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
論文 参考訳（メタデータ） (2022-05-10T17:14:57Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳（メタデータ） (2021-12-27T21:15:35Z) - Variational Quantum Algorithms [1.9486734911696273]
量子コンピュータは、大規模量子システムや大規模線形代数問題を解くなどの応用を解くことを約束する。
現在利用可能な量子デバイスには、量子ビット数の制限や回路深さを制限するノイズプロセスなど、深刻な制約がある。
パラメトリズド量子回路のトレーニングに古典的シミュレーションを用いる変分量子アルゴリズム(vqas)は、これらの制約に対処するための主要な戦略として登場した。
論文 参考訳（メタデータ） (2020-12-16T21:00:46Z) - 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。