論文の概要: Parametric Synthesis of Quantum Circuits for Training Perceptron Neural
Networks
- arxiv url: http://arxiv.org/abs/2209.09496v1
- Date: Tue, 20 Sep 2022 06:16:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 23:39:48.689989
- Title: Parametric Synthesis of Quantum Circuits for Training Perceptron Neural
Networks
- Title(参考訳): パーセプトロンニューラルネットワーク学習のための量子回路のパラメトリック合成
- Authors: Cesar Borisovich Pronin, Andrey Vladimirovich Ostroukh
- Abstract要約: 本稿では、知覚神経回路のトレーニングのための量子回路のパラメトリック合成法を紹介する。
回路は100量子ビットのIBM量子シミュレータ上で動作した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper showcases a method of parametric synthesis of quantum circuits for
training perceptron neural networks. Synapse weights are found using Grover's
algorithm with a modified oracle function. The results of running these
parametrically synthesized circuits for training perceptrons of three different
topologies are described. The circuits were run on a 100-qubit IBM quantum
simulator. The synthesis of quantum circuits is carried out using quantum
synthesizer "Naginata", which was developed in the scope of this work, the
source code of which is published and further documented on GitHub. The article
describes the quantum circuit synthesis algorithm for training single-layer
perceptrons. At the moment, quantum circuits are created mainly by manually
placing logic elements on lines that symbolize quantum bits. The purpose of
creating Quantum Circuit Synthesizer "Naginata" was due to the fact that even
with a slight increase in the number of operations in a quantum algorithm,
leads to the significant increase in size of the corresponding quantum circuit.
This causes serious difficulties both in creating and debugging these quantum
circuits. The purpose of our quantum synthesizer is enabling users an
opportunity to implement quantum algorithms using higher-level commands. This
is achieved by creating generic blocks for frequently used operations such as:
the adder, multiplier, digital comparator (comparison operator), etc. Thus, the
user could implement a quantum algorithm by using these generic blocks, and the
quantum synthesizer would create a suitable circuit for this algorithm, in a
format that is supported by the chosen quantum computation environment. This
approach greatly simplifies the processes of development and debugging a
quantum algorithm.
- Abstract(参考訳): 本稿では、パーセプトロンニューラルネットワークを訓練するための量子回路のパラメトリック合成法を示す。
シナプス重みは、修正されたoracle関数を持つgroverのアルゴリズムを用いて見出される。
3つの異なる位相のパーセプトロンを訓練するためのパラメトリック合成回路の実行結果について述べる。
回路は100量子ビットのIBM量子シミュレータ上で動作した。
量子回路の合成は、この研究の範囲内で開発された量子シンセサイザ「ナギナタ」を用いて行われ、ソースコードが公開され、さらにgithubにドキュメント化されている。
この記事では、単一層パーセプトロンをトレーニングするための量子回路合成アルゴリズムについて述べる。
量子回路は、主に量子ビットを象徴する線上に論理要素を手動で配置することによって作られる。
量子回路合成器"Naginata"を作成する目的は、量子アルゴリズムにおける演算数がわずかに増加しても、対応する量子回路のサイズが大幅に増加するという事実による。
これにより、これらの量子回路の作成とデバッグが困難になる。
量子シンセサイザの目的は、ユーザが高レベルコマンドを使って量子アルゴリズムを実装する機会を提供することです。
これは、加算器、乗算器、デジタルコンパレータ(比較演算子)など、頻繁に使用される操作のためのジェネリックブロックを作成することで実現される。
したがって、ユーザーはこれらの汎用ブロックを用いて量子アルゴリズムを実装でき、量子シンセサイザーは選択された量子計算環境によってサポートされているフォーマットで、このアルゴリズムに適した回路を作成することになる。
このアプローチは量子アルゴリズムの開発とデバッグのプロセスを大幅に単純化する。
関連論文リスト
- Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。
短絡の新規・ハードウェア対応回路の発見能力を示す。
本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文 参考訳(メタデータ) (2024-06-18T01:49:48Z) - 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) - Realization of quantum algorithms with qudits [0.7892577704654171]
我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。
我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。
これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
論文 参考訳(メタデータ) (2023-11-20T18:34:19Z) - Quantivine: A Visualization Approach for Large-scale Quantum Circuit
Representation and Analysis [31.203764035373677]
我々は量子回路の探索と理解のための対話型システムQuantivineを開発した。
一連の新しい回路視覚化は、キュービットの証明、並列性、絡み合いなどのコンテキストの詳細を明らかにするように設計されている。
Quantivineの有効性は、最大100キュービットの量子回路の2つの利用シナリオを通して示される。
論文 参考訳(メタデータ) (2023-07-18T04:51:28Z) - Parametric Synthesis of Computational Circuits for Complex Quantum
Algorithms [0.0]
我々の量子シンセサイザーの目的は、ユーザーが高レベルなコマンドを使って量子アルゴリズムを実装できるようにすることである。
量子アルゴリズムを実装するための提案手法は、機械学習の分野で潜在的に有効である。
論文 参考訳(メタデータ) (2022-09-20T06:25:47Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳(メタデータ) (2022-04-12T19:39:31Z) - An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian
Simulation [55.41644538483948]
現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。
我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。
提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
論文 参考訳(メタデータ) (2021-08-06T19:38:03Z) - Quantum circuit synthesis of Bell and GHZ states using projective
simulation in the NISQ era [0.0]
量子ビット数に制限のある雑音量子コンピュータの量子回路合成問題に取り組むために,強化学習手法である投影シミュレーションの有効性について検討した。
シミュレーションの結果, エージェントの性能は良好であったが, 量子ビット数の増加に伴い新しい回路の学習能力は低下した。
論文 参考訳(メタデータ) (2021-04-27T16:11:27Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳(メタデータ) (2020-12-28T18:04:16Z) - Efficient CNOT Synthesis for NISQ Devices [1.0152838128195467]
ノイズの多い中間スケール量子(NISQ)の時代、実際の量子デバイス上で量子アルゴリズムを実行することは、ユニークな課題に直面している。
この問題を解決するために,トークン還元法と呼ばれるCNOT合成法を提案する。
我々のアルゴリズムは、テストされた全ての量子アーキテクチャにおいて、最も広くアクセス可能なアルゴリズムよりも一貫して優れています。
論文 参考訳(メタデータ) (2020-11-12T15:13:32Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳(メタデータ) (2020-07-21T15:36:25Z)
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。