論文の概要: Restricting to the chip architecture maintains the quantum neural network accuracy

• arxiv url: http://arxiv.org/abs/2212.14426v2
• Date: Fri, 29 Mar 2024 14:45:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 21:06:09.820457
• Title: Restricting to the chip architecture maintains the quantum neural network accuracy
• Title（参考訳）: チップアーキテクチャの制限は量子ニューラルネットワークの精度を維持する
• Authors: Lucas Friedrich, Jonas Maziero,
• Abstract要約: 変分量子アルゴリズム(VQA)は、量子機械学習モデルを構築するための重要な戦略である。 本稿では、最適ゲート列の決定、効率的なパラメータ最適化戦略、量子チップアーキテクチャが最終的な結果に与える影響の理解など、いくつかの重要な問題に対処することを目的とする。
• 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: In the era of noisy intermediate-scale quantum devices, variational quantum algorithms (VQAs) stand as a prominent strategy for constructing quantum machine learning models. These models comprise both a quantum and a classical component. The quantum facet is characterized by a parametrization $U$, typically derived from the composition of various quantum gates. On the other hand, the classical component involves an optimizer that adjusts the parameters of $U$ to minimize a cost function $C$. Despite the extensive applications of VQAs, several critical questions persist, such as determining the optimal gate sequence, devising efficient parameter optimization strategies, selecting appropriate cost functions, and understanding the influence of quantum chip architectures on the final results. This article aims to address the last question, emphasizing that, in general, the cost function tends to converge towards an average value as the utilized parameterization approaches a $2$-design. Consequently, when the parameterization closely aligns with a $2$-design, the quantum neural network model's outcome becomes less dependent on the specific parametrization. This insight leads to the possibility of leveraging the inherent architecture of quantum chips to define the parametrization for VQAs. By doing so, the need for additional swap gates is mitigated, consequently reducing the depth of VQAs and minimizing associated errors.
• Abstract（参考訳）: ノイズの多い中間規模量子デバイスの時代において、変分量子アルゴリズム(VQA)は量子機械学習モデルを構築するための重要な戦略である。 これらのモデルは、量子成分と古典成分の両方から構成される。 量子面は、典型的には様々な量子ゲートの構成から派生したパラメトリゼーション$U$によって特徴づけられる。 一方、古典的なコンポーネントは、コスト関数の$C$を最小化するために$U$のパラメータを調整するオプティマイザを含んでいる。 VQAの広範な応用にもかかわらず、最適ゲート列の決定、効率的なパラメータ最適化戦略の考案、適切なコスト関数の選択、最終的な結果に対する量子チップアーキテクチャの影響の理解など、いくつかの重要な疑問が続いている。 本稿は、コスト関数が平均値に収束する傾向にあり、利用したパラメータ化が2ドルの設計に近づくことを強調して、最後の問題に対処することを目的としている。 したがって、パラメータ化が2ドルの設計と密接に一致すると、量子ニューラルネットワークモデルの結果は特定のパラメータ化に依存しなくなる。 この洞察は、量子チップの固有のアーキテクチャを活用してVQAのパラメトリゼーションを定義する可能性をもたらす。 これにより、追加のスワップゲートの必要性が軽減され、VQAの深さが減少し、関連するエラーが最小化される。

関連論文リスト

• Symmetry-preserved cost functions for variational quantum eigensolver [0.0]
  ハイブリッド量子-古典的変分アルゴリズムは、ノイズの多い量子コンピュータに最適であると考えられている。 コスト関数に直接対称性の保存を符号化し、ハードウェア効率の良いAns"atzeをより効率的に利用できるようにする。
  論文  参考訳（メタデータ） (2024-11-25T20:33:47Z)
• A Quantum Circuit-Based Compression Perspective for Parameter-Efficient Learning [19.178352290785153]
  量子パラメータ生成の枠組みに量子s適応(QPA)を導入する。 QPAはQNNと古典的な多層パーセプトロンマッピングモデルを統合し、微調整のためのパラメータを生成する。 Gemma-2とGPT-2をケーススタディとして、QPAはパラメータ効率のよい微調整法に対して重要なパラメータ還元を示す。
  論文  参考訳（メタデータ） (2024-10-13T14:09:29Z)
• Pulse-based variational quantum optimization and metalearning in superconducting circuits [3.770494165043573]
  ハードウェアレベルフレームワークとしてパルスベースの変動量子最適化(PBVQO)を導入する。 量子干渉デバイス上での外部超伝導の最適化について説明する。 PBVQOとメタラーニングの相乗効果は、従来のゲートベースの変分アルゴリズムよりも有利である。
  論文  参考訳（メタデータ） (2024-07-17T15:05:36Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Pre-optimizing variational quantum eigensolvers with tensor networks [1.4512477254432858]
  VQEをシミュレートすることで、パラメータ化量子回路のよい開始パラメータを求める手法を提示し、ベンチマークする。 最大32キュービットのシステムサイズを持つ1Dと2DのFermi-Hubbardモデルに適用する。 2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
  論文  参考訳（メタデータ） (2023-10-19T17:57:58Z)
• 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)
• Quantum-classical tradeoffs and multi-controlled quantum gate decompositions in variational algorithms [0.4677099525783277]
  短期量子コンピュータの計算能力は、ゲート演算のノイズの多い実行と物理量子ビットの限られた数によって制限される。 ハイブリッド変分アルゴリズムは、問題の解決に使用される量子資源と古典的リソースの間の幅広いトレードオフを可能にするため、短期量子デバイスに適している。 本稿では,特定のケースについて検討し,アルゴリズムレベルとハードウェアレベルの両方で利用可能なトレードオフについて検討する。
  論文  参考訳（メタデータ） (2022-10-10T00:25:18Z)
• Analytical and experimental study of center line miscalibrations in M\o lmer-S\o rensen gates [51.93099889384597]
  モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。 我々はゲート進化演算子を計算し、関連する鍵特性を得る。 我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
  論文  参考訳（メタデータ） (2021-12-10T10:56:16Z)
• 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)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。