論文の概要: DC: Depth Control on Quantum Classical Circuit
- arxiv url: http://arxiv.org/abs/2305.11919v1
- Date: Fri, 19 May 2023 04:48:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 02:03:30.044319
- Title: DC: Depth Control on Quantum Classical Circuit
- Title（参考訳）: DC:量子古典回路の深さ制御
- Authors: Movahhed Sadeghi, Soheil Khadirsharbiyani, Mostafa Eghbali Zarch,
Mahmut Taylan Kandemir
- Abstract要約: 本論文では,古典的量子回路深さ制御(DC)を提案し,評価した。
DCは、与えられた古典回路をセグメントに分割し、深さを制限し、信頼性の高い出力とマッピングコストを低減させる。
DCによる試行は、量子古典回路の信頼性のある出力を一貫してレンダリングしていることを示している。
- 参考スコア（独自算出の注目度）: 8.846971622998188
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the application range of Near-term Intermediate-scale Quantum (NISQ)
systems expands, the primary hurdle that emerges is the assurance of circuit
reliability. Various facets of quantum computing, from circuit design to
multi-qubit mapping strategies, have aimed at bolstering reliability through
assorted optimizations. Quantum classical circuits, a key type of quantum
circuits, have been previously studied with the aim of enhancing reliability by
reusing ancilla-qubits and employing a variety of strategies to optimize the
size and depth of the circuit. However, even the most sophisticated
optimization strategies may not yield reliable results for large-scale
circuits.
Classical Quantum Circuit Depth Control (DC), proposed and evaluated in this
paper, seeks to confront this critical issue. The DC approach breaks a given
classical circuit into segments, and limits its depth, thereby ensuring
reliable output and reduced mapping costs for real quantum hardware. In
addition, DC can deliver reliable output for quantum classical circuits of any
depth on any NISQ system. Our trials with DC indicate that it consistently
renders reliable output for quantum classical circuits that previously showed
minimal or no reliability in output. Importantly, DC ensures the attainment of
the expected output with a Probability of Successful Trial (PST) greater than
50\% for baseline circuits that otherwise yield no reliable output. DC
achieves, on average, an 11x PST improvement compared to the non-segmented
baseline, while guaranteeing the correct output with a significant lead over
the second most common result. Furthermore, by reducing the number of gates per
segment under DC, all mapping/routing optimizations can be completed in
polynomial time, as confirmed by our theoretical analysis. This accomplishment
was previously out of reach with mapping/routing techniques, which required
exponential time.
- Abstract（参考訳）: NISQ(Near-term Intermediate-scale Quantum)システムの適用範囲が拡大するにつれ、回路信頼性の保証が大きなハードルとなる。
回路設計からマルチキュービットマッピング戦略に至るまで、量子コンピューティングの様々な側面は、最適化によって信頼性を高めることを目的としている。
量子古典回路は、従来、アンシラ量子ビットを再利用し、回路のサイズと深さを最適化する様々な戦略を用いて信頼性を高める目的で研究されてきた。
しかし、最も洗練された最適化戦略でさえ、大規模回路の信頼性は得られない。
本論文で提案され評価されている古典量子回路深度制御(DC)は,この問題に対処することを目指している。
DCアプローチでは、与えられた古典回路をセグメントに分割し、深さを制限し、信頼性の高い出力と実際の量子ハードウェアのマッピングコストを低減させる。
さらに、DC は NISQ システム上であらゆる深さの量子古典回路に対して信頼性の高い出力を提供することができる。
dcによる実験では、従来は出力の信頼性が最小限か全くなかった量子古典回路の信頼性の高い出力を一貫して描画することが示されている。
重要なことは、DCは、信頼できる出力が得られないベースライン回路に対して、PST(Probability of successfully Trial)の確率が50%以上に達することを保証している。
DCは、非セグメントベースラインに比べて平均して11倍のPST改善を実現し、第2の最も一般的な結果よりも大きなリードで正しい出力を保証する。
さらに,直流下のセグメントごとのゲート数を減少させることで,全てのマッピング/ルート最適化を多項式時間で完了させることができる。
この成果は以前、指数時間を必要とするマッピング/ルーティング技術では届かなかった。
関連論文リスト
- Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。
本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-17T12:09:11Z) - A Fast and Adaptable Algorithm for Optimal Multi-Qubit Pathfinding in Quantum Circuit Compilation [0.0]
この研究は、量子回路のコンパイルマッピング問題における臨界サブルーチンとして、マルチキュービットパスフィンディングに焦点を当てている。
本稿では,回路SWAPゲート深さに対して量子ハードウェア上で量子ビットを最適にナビゲートする二進整数線形計画法を用いてモデル化したアルゴリズムを提案する。
我々は、様々な量子ハードウェアレイアウトのアルゴリズムをベンチマークし、計算ランタイム、解SWAP深さ、累積SWAPゲート誤差率などの特性を評価した。
論文 参考訳（メタデータ） (2024-05-29T05:59:15Z) - A Study on Optimization Techniques for Variational Quantum Circuits in Reinforcement Learning [2.7504809152812695]
研究者は変分量子回路(VQC)に注目している
VQCは、パラメータによって調整可能な量子回路をマージするハイブリッドアルゴリズムである。
近年の研究では、強化学習にVQCを適用する新しい方法が提示されている。
論文 参考訳（メタデータ） (2024-05-20T20:06:42Z) - 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) - Mitigating crosstalk and residual coupling errors in superconducting
quantum processors using many-body localization [21.175964469657803]
本研究では,Multi-Body Localization(MBL)の原理を取り入れた新しい校正手法を提案する。
MBLに基づく手法は,ノイズ,特にクロストークと残差結合誤差に対する頑健な対策として現れる。
このアプローチは、特に特定の残余結合が存在する場合に、パフォーマンスを著しく改善するだけでなく、よりリソース効率が高く、コスト効率のよいキャリブレーションプロセスも提供します。
論文 参考訳（メタデータ） (2023-10-10T13:36:09Z) - Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
シミュレーションの少ない機械学習(ML)アプローチを提案する。
提案手法により,OCCを全回路の仕様に近づけることができることを示す。
論文 参考訳（メタデータ） (2023-06-23T12:57:46Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - 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) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳（メタデータ） (2022-04-12T19:39:31Z) - Robust resource-efficient quantum variational ansatz through
evolutionary algorithm [0.46180371154032895]
Vari Quantum Algorithm (VQAsational) は、短期デバイスにおける量子優位性を実証するための有望な手法である。
我々は、広く使われているハードウェア効率の良いアンサッツのような固定VQA回路設計は、必ずしも不完全性に対して堅牢ではないことを示す。
本稿では,ゲノム長調整可能な進化アルゴリズムを提案し,回路アンサッツおよびゲートパラメータの変動に最適化されたロバストなVQA回路を設計する。
論文 参考訳（メタデータ） (2022-02-28T12:14:11Z) - 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)
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。