論文の概要: Noise-Resilient Quantum Power Flow
- arxiv url: http://arxiv.org/abs/2211.10555v1
- Date: Sat, 19 Nov 2022 01:19:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 02:04:31.419824
- Title: Noise-Resilient Quantum Power Flow
- Title（参考訳）: 耐雑音性量子パワーフロー
- Authors: Fei Feng, Yifan Zhou, Peng Zhang
- Abstract要約: 本稿では,ノイズの多い量子コンピュータ上での電力フロー計算を可能にするNISQ-QPFアルゴリズムを提案する。
ケーススタディは、IBMの真のノイズの多い量子デバイスにおけるNISQ-QPFの有効性と精度を検証する。
- 参考スコア（独自算出の注目度）: 11.828274912580074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum power flow (QPF) provides inspiring directions for tackling power
flow's computational burdens leveraging quantum computing. However, existing
QPF methods are mainly based on noise-sensitive quantum algorithms, whose
practical utilization is significantly hindered by the limited capability of
today's noisy-intermediate-scale quantum (NISQ) devices. This paper devises a
NISQ-QPF algorithm, which enables power flow calculation on noisy quantum
computers. The main contributions include: (1) a variational quantum circuit
(VQC)-based AC power flow formulation, which enables QPF using short-depth
quantum circuits; (2) noise-resilient QPF solvers based on the variational
quantum linear solver (VQLS) and modified fast decoupled power flow; (3) a
practical NISQ-QPF framework for implementable and reliable power flow analysis
on noisy quantum machines. Promising case studies validate the effectiveness
and accuracy of NISQ-QPF on IBM's real, noisy quantum devices.
- Abstract（参考訳）: 量子パワーフロー(qpf)は、量子コンピューティングを活用するパワーフローの計算負荷に取り組むための刺激的な指示を提供する。
しかし、既存のQPF法は主にノイズ感受性量子アルゴリズムに基づいており、その実用的利用は現在のノイズの中規模量子(NISQ)デバイスの限られた能力によって著しく妨げられている。
本稿では,ノイズ量子コンピュータ上でのパワーフロー計算を可能にするnisq-qpfアルゴリズムを考案する。
主なコントリビューションは,(1)短深さ量子回路を用いたQPFを実現する変分量子回路(VQC)に基づく交流電力フロー定式化,(2)変分量子線形解法(VQLS)に基づく雑音耐性QPFソルバ,(3)雑音量子マシン上で実装可能な信頼性の高い電力フロー解析のための実用的NISQ-QPFフレームワークである。
実証ケーススタディは、IBMの真のノイズの多い量子デバイスにおけるNISQ-QPFの有効性と精度を検証する。
関連論文リスト
- Demystifying Quantum Power Flow: Unveiling the Limits of Practical
Quantum Advantage [2.8498944632323755]
量子コンピュータは、古典的コンピュータにとって難解な問題を解くことを約束する。
量子パワーフローアルゴリズムによるスピードアップは、最先端のアルゴリズムによって解決された古典的なPFと比較して指数関数であると主張される。
ゲートベース量子コンピュータの古典的手法と比較して,QPFの解法における実用的量子優位性(PQA)の可能性を検討する。
論文 参考訳（メタデータ） (2024-02-13T17:36:18Z) - 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) - Quafu-RL: The Cloud Quantum Computers based Quantum Reinforcement
Learning [0.0]
本研究は,BAQIS Quafu量子コンピューティングクラウド上で,少なくとも136量子ビットを備えた実デバイス上で,ベンチマーク量子強化問題を実行するための第一歩である。
実験の結果,Reinforcement Learning (RL) エージェントはトレーニング段階と推論段階の両方でわずかに緩和された目標を達成することができることがわかった。
論文 参考訳（メタデータ） (2023-05-29T09:13:50Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
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) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z) - Variational Quantum Pulse Learning [28.040754288931897]
本稿では,学習タスクに量子パルスを直接学習するための新しいパラダイムである変分量子パルス(VQP)を提案する。
VQPは、最適化フレームワークにおいて、パルスの振幅を引いて押すことで変動量子パルスを操作する。
我々は,NISQ(ノイズ中間量子)コンピュータにおけるノイズに対する頑健性を維持している。
論文 参考訳（メタデータ） (2022-03-31T17:58:13Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - 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) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳（メタデータ） (2020-07-24T06:34:34Z) - Minimizing estimation runtime on noisy quantum computers [0.0]
ベイズ推論の実行には、ELF(Engineered chance function)が用いられる。
物理ハードウェアがノイズの多い量子コンピュータの仕組みから遷移するにつれて,ELF形式がサンプリングにおける情報ゲイン率をいかに向上させるかを示す。
この技術は、化学、材料、ファイナンスなどを含む多くの量子アルゴリズムの中心的なコンポーネントを高速化する。
論文 参考訳（メタデータ） (2020-06-16T17:46:18Z)
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。