論文の概要: An exponentially-growing family of universal quantum circuits
- arxiv url: http://arxiv.org/abs/2212.00736v2
- Date: Wed, 19 Jul 2023 15:43:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-20 18:04:47.912180
- Title: An exponentially-growing family of universal quantum circuits
- Title（参考訳）: 指数関数的に成長する普遍量子回路の族
- Authors: Mo Kordzanganeh, Pavel Sekatski, Markus Pflitsch, Alexey Melnikov
- Abstract要約: この研究は、2つの新しいアーキテクチャを導入し、そのFourier次数は指数関数的に増加する。
実際、並列指数型アーキテクチャは1次元のテスト問題において、最終的な平均2乗誤差値を44.7%まで削減することで、既存の線形アーキテクチャよりも優れていることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum machine learning has become an area of growing interest but has
certain theoretical and hardware-specific limitations. Notably, the problem of
vanishing gradients, or barren plateaus, renders the training impossible for
circuits with high qubit counts, imposing a limit on the number of qubits that
data scientists can use for solving problems. Independently, angle-embedded
supervised quantum neural networks were shown to produce truncated Fourier
series with a degree directly dependent on two factors: the depth of the
encoding and the number of parallel qubits the encoding applied to. The degree
of the Fourier series limits the model expressivity. This work introduces two
new architectures whose Fourier degrees grow exponentially: the sequential and
parallel exponential quantum machine learning architectures. This is done by
efficiently using the available Hilbert space when encoding, increasing the
expressivity of the quantum encoding. Therefore, the exponential growth allows
staying at the low-qubit limit to create highly expressive circuits avoiding
barren plateaus. Practically, parallel exponential architecture was shown to
outperform the existing linear architectures by reducing their final mean
square error value by up to 44.7% in a one-dimensional test problem.
Furthermore, the feasibility of this technique was also shown on a trapped ion
quantum processing unit.
- Abstract（参考訳）: 量子機械学習は関心が高まりつつあるが、理論上はハードウェア固有の制限がある。
特に、勾配の消失(不毛高原)の問題により、量子ビット数の高い回路ではトレーニングが不可能となり、データサイエンティストが問題解決に使用できる量子ビットの数に制限が課される。
独立に、アングル埋め込みされた教師付き量子ニューラルネットワークは、エンコーディングの深さとエンコーディングが適用される並列量子ビットの数という2つの要因に直接依存する次数を持つ切断されたフーリエ級数を生成することを示した。
フーリエ級数の次数はモデル表現性を制限する。
この研究は、シーケンシャルおよび並列な指数量子機械学習アーキテクチャであるフーリエ次数が指数関数的に増加する2つの新しいアーキテクチャを導入している。
これは、エンコーディング時に利用可能なヒルベルト空間を効率的に使用し、量子エンコーディングの表現性を高めることによって行われる。
したがって、指数的成長は低ビットの極限に留まり、バレンプラトーを避けるために非常に表現性の高い回路を作ることができる。
実際、並列指数型アーキテクチャは1次元のテスト問題において、最終的な平均2乗誤差値を44.7%まで削減することで、既存の線形アーキテクチャよりも優れていることを示した。
さらに, 閉じ込められたイオン量子処理装置において, この手法の実現可能性を示した。
関連論文リスト
- Simulating Quantum Many-Body States with Neural-Network Exponential Ansatz [0.0]
我々はハミルトンパラメータを入力として指数的アンサッツパラメータを生成する代用ニューラルネットワークソルバを開発した。
本稿では、複数の量子多体系のニューラルネットワークをトレーニングすることで、このアプローチの有効性を説明する。
論文 参考訳（メタデータ） (2024-11-12T15:48:23Z) - Estimating quantum amplitudes can be exponentially improved [11.282486674587236]
量子振幅の推定は、量子コンピューティングの基本的な課題である。
純状態を行列形式に変換することによって量子振幅を推定するための新しい枠組みを提案する。
我々のフレームワークは、それぞれ標準量子極限$epsilon-2$とハイゼンベルク極限$epsilon-1$を達成する。
論文 参考訳（メタデータ） (2024-08-25T04:35:53Z) - Fourier Series Guided Design of Quantum Convolutional Neural Networks for Enhanced Time Series Forecasting [0.9060149007362646]
時系列予測の課題に対処するために1次元量子畳み込みを適用した。
複数の点を量子回路に符号化して後続のデータを予測することで、各点が特徴となり、問題を多次元に変換する。
論文 参考訳（メタデータ） (2024-04-23T01:35:07Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Towards early fault tolerance on a 2$\times$N array of qubits equipped with shuttling [0.0]
局所的に相互作用する量子ビットの2次元グリッドは、フォールトトレラント量子コンピューティングのための有望なプラットフォームである。
本稿では,そのような制約のあるアーキテクチャも耐障害性をサポートすることを示す。
エラー訂正が可能であることを実証し、このプラットフォームに自然に適合するコードのクラスを特定する。
論文 参考訳（メタデータ） (2024-02-19T23:31:55Z) - Efficient MPS representations and quantum circuits from the Fourier modes of classical image data [0.0]
高速に減衰するフーリエスペクトルを持つ古典的データは、シュミットランクの小さい状態によってよく近似できることを示す。
これらの近似状態は、隣り合う2量子ビットゲートの線形数を持つ量子コンピュータ上で準備することができる。
また、異なる変分回路のアンゼを考慮し、1次元のシーケンシャル回路がより強力なアンゼと同じ圧縮品質を達成できることを数値的に示す。
論文 参考訳（メタデータ） (2023-11-13T19:00:33Z) - Gaussian initializations help deep variational quantum circuits escape
from the barren plateau [87.04438831673063]
近年、変分量子回路は量子シミュレーションや量子機械学習に広く用いられている。
しかし、ランダムな構造を持つ量子回路は、回路深さと量子ビット数に関して指数関数的に消える勾配のため、トレーニング容易性が低い。
この結果、ディープ量子回路は実用的なタスクでは実現できないという一般的な信念が導かれる。
論文 参考訳（メタデータ） (2022-03-17T15:06:40Z) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳（メタデータ） (2021-08-03T17:49:09Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Efficient simulatability of continuous-variable circuits with large
Wigner negativity [62.997667081978825]
ウィグナー負性性は、いくつかの量子計算アーキテクチャにおいて計算上の優位性に必要な資源であることが知られている。
我々は、大きく、おそらくは有界で、ウィグナー負性を示し、しかし古典的に効率的にシミュレートできる回路の広大な族を同定する。
我々は,高次元離散可変量子回路のシミュラビリティとボソニック符号とのリンクを確立することにより,本結果の導出を行う。
論文 参考訳（メタデータ） (2020-05-25T11:03:42Z) - Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。
観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
論文 参考訳（メタデータ） (2020-05-05T20:11:53Z)
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。