論文の概要: Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement
and measurement reduction
- arxiv url: http://arxiv.org/abs/2209.12454v1
- Date: Mon, 26 Sep 2022 06:51:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 18:28:38.318099
- Title: Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement
and measurement reduction
- Title(参考訳): Shuffle-QUDIO: トレーニング性向上と測定低減による分散VQEの高速化
- Authors: Yang Qian, Yuxuan Du, Dacheng Tao
- Abstract要約: 本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。
QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
- 参考スコア(独自算出の注目度): 77.97248520278123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The variational quantum eigensolver (VQE) is a leading strategy that exploits
noisy intermediate-scale quantum (NISQ) machines to tackle chemical problems
outperforming classical approaches. To gain such computational advantages on
large-scale problems, a feasible solution is the QUantum DIstributed
Optimization (QUDIO) scheme, which partitions the original problem into $K$
subproblems and allocates them to $K$ quantum machines followed by the parallel
optimization. Despite the provable acceleration ratio, the efficiency of QUDIO
may heavily degrade by the synchronization operation. To conquer this issue,
here we propose Shuffle-QUDIO to involve shuffle operations into local
Hamiltonians during the quantum distributed optimization. Compared with QUDIO,
Shuffle-QUDIO significantly reduces the communication frequency among quantum
processors and simultaneously achieves better trainability. Particularly, we
prove that Shuffle-QUDIO enables a faster convergence rate over QUDIO.
Extensive numerical experiments are conducted to verify that Shuffle-QUDIO
allows both a wall-clock time speedup and low approximation error in the tasks
of estimating the ground state energy of molecule. We empirically demonstrate
that our proposal can be seamlessly integrated with other acceleration
techniques, such as operator grouping, to further improve the efficacy of VQE.
- Abstract(参考訳): 変分量子固有解法(VQE)は、ノイズの多い中間スケール量子(NISQ)マシンを利用して古典的アプローチよりも優れた化学問題に取り組むための主要な戦略である。
大規模な問題に対するそのような計算上の利点を得るために、実現可能な解決策は量子分散最適化(qudio)スキームであり、元の問題を$k$サブプロブレムに分割し、それらを$k$量子マシンに割り当てる。
保証可能な加速比にもかかわらず、同期操作によりQUDIOの効率は著しく低下する。
この問題を克服するために,量子分散最適化において局所ハミルトニアンのシャッフル演算を行うshuffle-qudioを提案する。
QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
特に、Shuffle-QUDIOはQUDIOよりも高速な収束率を実現する。
分子の基底状態エネルギーを推定するタスクにおいて、Shuffle-QUDIOがウォールクロックのタイムスピードアップと低近似誤差の両方を可能にすることを検証するために、大規模な数値実験を行った。
我々は,VQEの有効性を高めるために,演算子グループ化などの他の加速手法とシームレスに統合できることを実証的に実証した。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳(メタデータ) (2024-04-17T11:00:12Z) - Quantum subspace expansion in the presence of hardware noise [0.0]
現在の量子処理ユニット(QPU)の基底状態エネルギーの発見は課題を呈し続けている。
ハードウェアノイズは、パラメタライズド量子回路の表現性とトレーニング性の両方に深刻な影響を及ぼす。
量子サブスペース拡張とVQEを統合する方法を示し、量子コンピューティング能力と古典コンピューティング能力とコストの最適なバランスを可能にする。
論文 参考訳(メタデータ) (2024-04-14T02:48:42Z) - Variational quantum algorithm-preserving feasible space for solving the
uncapacitated facility location problem [3.3682090109106446]
本稿では,変分量子アルゴリズムで実現可能な空間(VQA-PFS)アンサッツを提案する。
このアンザッツは制約変数に混合演算子を適用し、非制約変数にハードウェア効率アンザッツ(HEA)を用いる。
その結果, VQA-PFSは成功確率を著しく向上し, より高速な収束を示すことがわかった。
論文 参考訳(メタデータ) (2023-12-12T01:36:49Z) - Real-time error mitigation for variational optimization on quantum
hardware [45.935798913942904]
VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。
我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
論文 参考訳(メタデータ) (2023-11-09T19:00:01Z) - Post-processing variationally scheduled quantum algorithm for constrained combinatorial optimization problems [6.407238428292173]
本稿では,制約付き最適化問題(COP)の解法として,変分計画量子アルゴリズム(pVSQA)を提案する。
pVSQAは変分法と後処理技術を組み合わせたものである。
我々は,量子アニールとゲート型量子デバイスにpVSQAを実装した。
論文 参考訳(メタデータ) (2023-09-15T03:09:16Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - 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) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳(メタデータ) (2020-04-06T21:31:22Z)
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。