論文の概要: Quantum Circuit Cutting for Classical Shadows

• arxiv url: http://arxiv.org/abs/2212.00761v3
• Date: Sat, 18 May 2024 16:58:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-22 01:20:28.707600
• Title: Quantum Circuit Cutting for Classical Shadows
• Title（参考訳）: 古典的シャドウのための量子回路切断
• Authors: Daniel T. Chen, Zain H. Saleem, Michael A. Perlin,
• Abstract要約: 本稿では,古典的な影を用いた観測者の期待値を推定するための分割・対流回路切断手法を提案する。 本手法は, 従来の非切断型シャドウトモグラフィーにおいて, 重み付き可観測物の推定において優れることを示す。
• 参考スコア（独自算出の注目度）: 0.20482269513546458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classical shadow tomography is a sample-efficient technique for characterizing quantum systems and predicting many of their properties. Circuit cutting is a technique for dividing large quantum circuits into smaller fragments that can be executed more robustly using fewer quantum resources. We introduce a divide-and-conquer circuit cutting method for estimating the expectation values of observables using classical shadows. We derive a general formula for making predictions using the classical shadows of circuit fragments from arbitrarily cut circuits, and provide the sample complexity analysis for the case when observables factorize across fragments. Then, we numerically show that our divide-and-conquer method outperforms traditional uncut shadow tomography when estimating high-weight observables that act non-trivially on many qubits, and discuss the mechanisms for this advantage.
• Abstract（参考訳）: 古典的なシャドウトモグラフィーは、量子システムを特徴づけ、多くの特性を予測するためのサンプリング効率の良い手法である。 回路切断は、大きな量子回路をより小さな断片に分割し、少ない量子資源でより堅牢に実行できる技術である。 本稿では,古典的な影を用いた観測者の期待値を推定するための分割・対流回路切断手法を提案する。 回路フラグメントの古典的影を任意に切断した回路から予測する一般的な公式を導出し,フラグメント間で可観測値が分解される場合のサンプル複雑性解析を行う。 そこで,本手法は,多くの量子ビット上で非自明に作用する高強度観測器を推定する際に,従来の非切断陰影トモグラフィよりも優れていることを示すとともに,この利点のメカニズムについて考察する。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• FragQC: An Efficient Quantum Error Reduction Technique using Quantum Circuit Fragmentation [4.2754140179767415]
  誤差確率が一定の閾値を超えると、量子回路をサブ回路に切断するソフトウェアツールであるFragQCを提示する。 回路を切断せずに直接実行した場合の忠実度は14.83%増加し、8.45%が最先端のICP法である。
  論文  参考訳（メタデータ） (2023-09-30T17:38:31Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Efficient Classical Shadow Tomography through Many-body Localization Dynamics [4.923287660970805]
  我々は,多体ローカライゼーションのダイナミクスを基盤とした代替手法を提案する。 提案手法は浅部回路に匹敵する高い効率を達成できることを実証する。
  論文  参考訳（メタデータ） (2023-09-03T19:50:28Z)
• Circuit Cutting with Non-Maximally Entangled States [59.11160990637615]
  分散量子コンピューティングは、複数のデバイスの計算能力を組み合わせて、個々のデバイスの限界を克服する。 回路切断技術は、古典的な通信を通じて量子計算の分配を可能にする。 量子テレポーテーション(quantum teleportation)は、指数的なショットの増加を伴わない量子計算の分布を可能にする。 非最大エンタングル量子ビット対を利用する新しい回路切断法を提案する。
  論文  参考訳（メタデータ） (2023-06-21T08:03:34Z)
• Approximate Quantum Circuit Cutting [4.3186101474291325]
  現在の量子ハードウェアと差し迫った量子ハードウェアは、ノイズと限定量子ビット数による信頼性と適用性に欠ける。 量子回路切断(Quantum circuit cutting)は、大きな量子回路を手前の限られた量子資源に適した大きさの小さなサブ回路に分割する技法で、これらの問題を緩和するために用いられる。 本稿では、近似回路再構成の概念を紹介する。
  論文  参考訳（メタデータ） (2022-12-02T16:04:52Z)
• Rotation-inspired circuit cut optimization [7.562843347215286]
  近年の研究では、大きな量子回路を切断し、より小さな量子回路のクラスターに分解できることが示されている。 本稿では,回路切断の処理後オーバーヘッドを低減する方法として,回転インスパイアされた回路切断最適化(RICCO)を提案する。 本稿では、VQEの小さなインスタンスを古典的にシミュレートし、既存の回路切断手法と比較することにより、RCICCOのVQEへの適用を実証する。
  論文  参考訳（メタデータ） (2022-11-14T13:57:22Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Scalable and Flexible Classical Shadow Tomography with Tensor Networks [0.0]
  有限深部局所クリフォードランダムユニタリ回路で実装した汎用ランダム化計測に対して,スケーラブルな古典的シャドウトモグラフィー手法を提案する。 この方法では、サンプリング効率が良くゲートオーバーヘッドが最小限である浅い量子回路上で、古典的なシャドウトモグラフィーを行うことができる。
  論文  参考訳（メタデータ） (2022-09-05T18:42:53Z)
• Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
  離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。 我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。 GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
  論文  参考訳（メタデータ） (2022-08-01T12:48:48Z)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)

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。