論文の概要: Size optimization of CNOT circuits on NISQ

• arxiv url: http://arxiv.org/abs/2210.05184v1
• Date: Tue, 11 Oct 2022 06:44:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-22 22:37:57.352297
• Title: Size optimization of CNOT circuits on NISQ
• Title（参考訳）: NISQを用いたCNOT回路のサイズ最適化
• Authors: Anpeng Zhang, Xiutao Feng and Shengyuan Xu
• Abstract要約: ノイズの多い中間規模量子(NISQ)デバイス上でのCNOT回路の最適化について検討する。 我々はこのアルゴリズムをIBM20や他のNISQデバイス上で実装し、その結果は他の実験方法よりも優れている。
• 参考スコア（独自算出の注目度）: 13.391818915679796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computers in practice today require strict memory constraints, where 2-qubit operations can only be performed between the qubits closest to each other in a graph structure. So a quantum circuit must undergo a transformation to the graph before it can be implemented. In this paper, we study the optimization of the CNOT circuits on some noisy intermediate-scale quantum(NISQ) devices. Compared with previous works, we decompose it into two sub-problems: optimization with a given initial qubit distribution and optimization without limitations of initial qubit distribution. We find that most of the previous researches focused on the first sub-problem, and ignored the influence of different distribution of qubits in the same topology structure on the optimization results. In this paper, We take both sub-problems into account and give some new optimization algorithms. In short, our method is divided into two steps: matrix optimization and routing optimization. We implement matrix optimization with the algorithm in [XZL+20] and put forward a new heuristic algorithm with MILP method which can solve the second step. We implement our algorithm on IBM20 and some other NISQ devices, the results are better than most other methods in our experiment.
• Abstract（参考訳）: 量子コンピュータは現在、厳密なメモリ制約を必要としており、2量子演算はグラフ構造において互いに最も近い量子ビット間でのみ実行可能である。 したがって、量子回路は実装する前にグラフへの変換を行なわなければならない。 本稿では,雑音の多い中間量子(NISQ)デバイス上でのCNOT回路の最適化について検討する。 従来の研究と比較して、与えられた初期キュービット分布の最適化と初期キュービット分布の制限のない最適化の2つのサブプロブレムに分解する。 従来の研究のほとんどは最初のサブプロブレムに焦点を当てており、同じトポロジ構造における量子ビットの異なる分布が最適化結果に与える影響を無視していた。 本稿では,2つのサブプロブレムを考慮し,新しい最適化アルゴリズムを提案する。 簡単に言えば,本手法は行列最適化とルーティング最適化の2つのステップに分けられる。 我々は[XZL+20]のアルゴリズムを用いて行列最適化を実装し,第2ステップを解くMILP法による新しいヒューリスティックアルゴリズムを提案する。 我々はこのアルゴリズムをIBM20や他のNISQデバイス上で実装し、その結果は他の実験方法よりも優れている。

関連論文リスト

• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• A Pure Quantum Approximate Optimization Algorithm Based on CNR Operation [0.0]
  汎用的な純粋量子近似最適化アルゴリズムを提案する。 このアルゴリズムは$p$レベルの分割・対数構造に構成されている。 2つの最適化問題の必要なキュービット数が10である場合、アルゴリズムの性能を詳細に示す。
  論文  参考訳（メタデータ） (2023-10-27T06:54:39Z)
• Optimizing Variational Circuits for Higher-Order Binary Optimization [2.578242050187029]
  本稿では,ハミルトニアンを2量子ゲートのみを含む実装可能な回路に符号化する新しい手法を提案する。 本手法は,回路深度の観点から明らかな利得を示すとともに,技術状況と比較することで評価する。
  論文  参考訳（メタデータ） (2023-07-31T15:27:06Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Improving Quantum Computation by Optimized Qubit Routing [0.0]
  スワップ挿入による量子ビットルーティングのための高品質な分解手法を提案する。 この最適化問題は、特定の量子ハードウェアに量子アルゴリズムをコンパイルする文脈で発生する。 本稿では,統合割当問題とトークンスワップ問題に対する数値計算結果について述べる。
  論文  参考訳（メタデータ） (2022-06-02T20:32:18Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Improving the Quantum Approximate Optimization Algorithm with postselection [0.0]
  組合せ最適化は、短期的およびフォールトトレラントな量子コンピュータに想定される主な応用の1つである。 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は3つの正則グラフ上のMaxCut問題に適用される。 理論上界と下界を導いており、満たされた辺の分数の一定(小さい)増加が実際に達成可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-10T22:17:50Z)

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。