論文の概要: GA4QCO: Genetic Algorithm for Quantum Circuit Optimization
- arxiv url: http://arxiv.org/abs/2302.01303v2
- Date: Wed, 10 May 2023 16:33:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 16:59:49.329813
- Title: GA4QCO: Genetic Algorithm for Quantum Circuit Optimization
- Title（参考訳）: GA4QCO:量子回路最適化のための遺伝的アルゴリズム
- Authors: Leo S\"unkel, Darya Martyniuk, Denny Mattern, Johannes Jung, Adrian
Paschke
- Abstract要約: 本稿では,ユーザ定義特性を示す量子回路の自動探索に遺伝的アルゴリズムを適用したGA4QCOフレームワークを提案する。
私たちのフレームワークは、ユーザがカスタマイズされたフィットネス機能を簡単に統合できるように設計されています。
- 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: The design of quantum circuits is often still done manually, for instance by
following certain patterns or rule of thumb. While this approach may work well
for some problems, it can be a tedious task and present quite the challenge in
other situations. Designing the architecture of a circuit for a simple
classification problem may be relatively straightforward task, however,
creating circuits for more complex problems or that are resilient to certain
known problems (e.g. barren plateaus, trainability, etc.) is a different issue.
Moreover, efficient state preparation or circuits with low depth are important
for virtually most algorithms. In attempts to automate the process of designing
circuits, different approaches have been suggested over the years, including
genetic algorithms and reinforcement learning. We propose our GA4QCO framework
that applies a genetic algorithm to automatically search for quantum circuits
that exhibit user-defined properties. With our framework, the user specifies
through a fitness function what type of circuit should be created, for instance
circuits that prepare a specific target state while keeping depth at a minimum
and maximizing fidelity. Our framework is designed in such a way that the user
can easily integrate a custom designed fitness function. In this paper, we
introduce our framework and run experiments to show the validity of the
approach.
- Abstract（参考訳）: 量子回路の設計は、例えば特定のパターンや規則に従うことによって、しばしば手作業で行われる。
このアプローチは、いくつかの問題に対してうまく機能するかもしれないが、退屈な作業であり、他の状況では、かなり困難である。
単純な分類問題のために回路のアーキテクチャを設計することは比較的簡単な作業であるが、より複雑な問題に対する回路の作成や、特定の既知の問題(例えば、バレンプラトー、トレーニング容易性など)に対する耐性は異なる問題である。
さらに、ほとんどのアルゴリズムでは、低深さの効率的な状態準備や回路が重要である。
回路設計のプロセスを自動化する試みでは、遺伝的アルゴリズムや強化学習など、長年にわたり異なるアプローチが提案されてきた。
本稿では,ユーザ定義特性を示す量子回路の自動探索に遺伝的アルゴリズムを適用したGA4QCOフレームワークを提案する。
このフレームワークでは、例えば、深さを最小に保ち、忠実度を最大化しながら、特定のターゲット状態を生成する回路など、どの種類の回路を作成すべきかを適合関数を通じて指定します。
私たちのフレームワークは、ユーザがカスタムデザインのフィットネス機能を簡単に統合できるように設計されています。
本稿では,提案手法の有効性を示すためのフレームワークと実行実験について述べる。
関連論文リスト
- Curriculum reinforcement learning for quantum architecture search under
hardware errors [1.583327010995414]
本研究は、VQAデプロイメントにおける課題に対処するために設計されたカリキュラムベースの強化学習QAS(CRLQAS)を導入する。
このアルゴリズムは、(i)環境力学の3Dアーキテクチャを符号化し、回路の探索空間を効率的に探索する。
研究を容易にするため,雑音量子回路の計算効率を大幅に向上させる最適化シミュレータを開発した。
論文 参考訳（メタデータ） (2024-02-05T20:33:00Z) - Adaptive Circuit Learning of Born Machine: Towards Realization of
Amplitude Embedding and Data Loading [7.88657961743755]
本稿では,ACLBM(Adaptive Circuit Learning of Born Machine)という新しいアルゴリズムを提案する。
我々のアルゴリズムは、ターゲット状態に存在する複雑な絡み合いを最もよく捉える2ビットの絡み合いゲートを選択的に統合するように調整されている。
実験結果は、振幅埋め込みによる実世界のデータの符号化における我々のアプローチの習熟度を裏付けるものである。
論文 参考訳（メタデータ） (2023-11-29T16:47:31Z) - Constraint programming models for depth-optimal qubit assignment and
SWAP-based routing [0.0]
量子ビット割り当てとルーティング問題に対する制約プログラミング(CP)モデルを提案する。
回路深さ最小化のための整数線形プログラミング(ILP)モデルと比較する。
実験分析の結果,提案手法はソリューションの品質と実行時間の両方において,ILPモデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-06-14T16:42:36Z) - 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) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳（メタデータ） (2022-07-07T08:04:15Z) - Automated Quantum Circuit Design with Nested Monte Carlo Tree Search [3.2828784290497848]
変分法に基づく量子アルゴリズムは、量子解を構成する最も有望な方法の1つである。
適応性と単純さにもかかわらず、スケーラビリティと適切なAnsの選択は依然として重要な課題である。
論文 参考訳（メタデータ） (2022-07-01T00:30:01Z) - Exploring ab initio machine synthesis of quantum circuits [0.0]
ゲートレベルの量子回路は、しばしば高レベルアルゴリズムから手動で導かれる。
本稿では,機械内における回路の初期生成手法について検討する。
論文 参考訳（メタデータ） (2022-06-22T17:48:29Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner
with Evolution-Based Optimization [49.207538634692916]
そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。
提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。
我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
論文 参考訳（メタデータ） (2021-10-08T07:22:45Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳（メタデータ） (2020-07-21T15:36:25Z)
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。