論文の概要: Evolutionary-based quantum architecture search
- arxiv url: http://arxiv.org/abs/2212.00421v1
- Date: Thu, 1 Dec 2022 10:51:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 19:18:16.647731
- Title: Evolutionary-based quantum architecture search
- Title(参考訳): 進化に基づく量子アーキテクチャ探索
- Authors: Anqi Zhang, Shengmei Zhao
- Abstract要約: 本稿では,高い表現力と訓練能力のバランスをとるために,進化型量子アーキテクチャ探索(EQAS)手法を提案する。
その結果,提案したEQASはパラメータ化の少ない最適なQCAを探索でき,より高い精度は3つのデータセットの分類タスクにEQASを適用して得られることがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum architecture search (QAS) is desired to construct a powerful and
general QAS platform which can significantly accelerate quantum advantages in
error-prone and depth limited quantum circuits in today Noisy
Intermediate-Scale Quantum (NISQ) era. In this paper, we propose an
evolutionary-based quantum architecture search (EQAS) scheme for the optimal
layout to balance the higher expressive power and the trainable ability. In
EQAS, each layout of quantum circuits, i.e quantum circuit architecture(QCA),
is first encoded into a binary string, which is called quantum genes later.
Then, an algorithm to remove the redundant parameters in QCA is performed
according to the eigenvalues of the corresponding quantum Fisher information
matrix (QFIM). Later, each QCA is evaluated by the normalized fitness, so that
the sampling rate could be obtained to sample the parent generation by the
Roulette Wheel selection strategy. Thereafter, the mutation and crossover are
applied to get the next generation. EQAS is verified by the classification task
in quantum machine learning for three datasets. The results show that the
proposed EQAS can search for the optimal QCA with less parameterized gates, and
the higher accuracies are obtained by adopting EQAS for the classification
tasks over three dataset.
- Abstract(参考訳): 量子アーキテクチャサーチ (QAS) は、今日のノイズ中間量子(NISQ)時代の誤り発生や深さ制限量子回路における量子優位性を著しく加速できる、強力で一般的なQASプラットフォームを構築することが望まれている。
本稿では,高い表現力と学習能力のバランスをとるための最適レイアウトのための進化型量子アーキテクチャ探索(eqas)スキームを提案する。
EQASでは、量子回路の各レイアウト、すなわち量子回路アーキテクチャ(QCA)は、後に量子遺伝子と呼ばれるバイナリ文字列に符号化される。
そして、対応する量子フィッシャー情報行列(QFIM)の固有値に応じて、QCA内の冗長パラメータを除去するアルゴリズムを実行する。
その後、各QCAを正規化適合度で評価し、Roulette Wheel選択戦略により親生成をサンプリングするサンプリングレートを得ることができた。
その後、変異と交叉を施して次の世代を得る。
eqasは3つのデータセットの量子機械学習の分類タスクによって検証される。
その結果,提案したEQASはパラメータ化の少ない最適なQCAを探索でき,より高い精度は3つのデータセットの分類タスクにEQASを適用して得られることがわかった。
関連論文リスト
- YAQQ: Yet Another Quantum Quantizer -- Design Space Exploration of Quantum Gate Sets using Novelty Search [0.9932551365711049]
本稿では,量子処理ユニットと制御プロトコルのネイティブゲートに基づく比較解析を行うソフトウェアツールを提案する。
開発されたソフトウェアYAQQ(Yet Another Quantum Quantizer)は、最適化された量子ゲートセットの発見を可能にする。
論文 参考訳(メタデータ) (2024-06-25T14:55:35Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳(メタデータ) (2024-02-26T09:32:07Z) - 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) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-14T08:03:20Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - GSQAS: Graph Self-supervised Quantum Architecture Search [0.18899300124593643]
既存の量子アーキテクチャ探索(QAS)アルゴリズムは、探索プロセス中に多数の量子回路を評価する必要がある。
本稿では,自己教師型学習に基づく予測器を訓練するグラフ自己教師型QASであるGSQASを提案する。
GSQASは最先端の予測器ベースのQASより優れており、ラベル付き回路が少なくて性能が良い。
論文 参考訳(メタデータ) (2023-03-22T08:35:28Z) - Quantum Architecture Search with Meta-learning [0.18899300124593643]
変分量子アルゴリズム(VQA)は、量子近似最適化アルゴリズム、変分量子コンパイル、および量子機械学習モデルに成功している。
量子アーキテクチャサーチ(QAS)は、古典的な最適化アルゴリズムによる量子回路の設計を自動化することを目的としている。
論文 参考訳(メタデータ) (2021-06-11T08:59:16Z) - 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) - Variational quantum compiling with double Q-learning [0.37798600249187286]
強化学習(RL)に基づく変分量子コンパイル(VQC)アルゴリズムを提案する。
エージェントは、ネイティブゲートアルファベットとそれらが行う量子ビットから、二重Q学習によって順次量子ゲートを選択するように訓練される。
NISQデバイスのデコヒーレンスプロセスとゲートノイズによる量子アルゴリズムのエラーを減らすことができます。
論文 参考訳(メタデータ) (2021-03-22T06:46:35Z) - 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) - Differentiable Quantum Architecture Search [15.045985536395479]
微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。
DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
論文 参考訳(メタデータ) (2020-10-16T18:00:03Z)
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。