論文の概要: Improving Quantum Circuit Synthesis with Machine Learning

• arxiv url: http://arxiv.org/abs/2306.05622v1
• Date: Fri, 9 Jun 2023 01:53:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-12 15:06:58.115782
• Title: Improving Quantum Circuit Synthesis with Machine Learning
• Title（参考訳）: 機械学習による量子回路合成の改善
• Authors: Mathias Weiden, Ed Younis, Justin Kalloor, John Kubiatowicz, and Costin Iancu
• Abstract要約: 機械学習をユニタリデータセットに適用することで、合成アルゴリズムの大幅な高速化が可能になることを示す。 本稿では,学習モデルを用いたシード合成アルゴリズムQSeedについて述べる。
• 参考スコア（独自算出の注目度）: 0.7894596908025954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the Noisy Intermediate Scale Quantum (NISQ) era, finding implementations of quantum algorithms that minimize the number of expensive and error prone multi-qubit gates is vital to ensure computations produce meaningful outputs. Unitary synthesis, the process of finding a quantum circuit that implements some target unitary matrix, is able to solve this problem optimally in many cases. However, current bottom-up unitary synthesis algorithms are limited by their exponentially growing run times. We show how applying machine learning to unitary datasets permits drastic speedups for synthesis algorithms. This paper presents QSeed, a seeded synthesis algorithm that employs a learned model to quickly propose resource efficient circuit implementations of unitaries. QSeed maintains low gate counts and offers a speedup of $3.7\times$ in synthesis time over the state of the art for a 64 qubit modular exponentiation circuit, a core component in Shor's factoring algorithm. QSeed's performance improvements also generalize to families of circuits not seen during the training process.
• Abstract（参考訳）: ノイズの多い中間スケール量子(nisq)時代には、計算が有意義な出力を生み出すためには、コストとエラーの少ないゲート数を最小限に抑える量子アルゴリズムの実装を見つけることが不可欠である。 ユニタリ合成は、ある対象ユニタリ行列を実装する量子回路を見つける過程であり、多くの場合、この問題を最適に解くことができる。 しかし、現在のボトムアップユニタリ合成アルゴリズムは、指数関数的に増加する実行時間によって制限される。 機械学習をユニタリデータセットに適用することで、合成アルゴリズムの大幅な高速化が可能になることを示す。 本稿では,学習モデルを用いて,資源効率の良いユニタリ回路実装を迅速に提案するシード合成アルゴリズムであるqseedを提案する。 qseedは低ゲート数を維持し、シャアのファクタリングアルゴリズムのコアコンポーネントである64量子ビットのモジュラー指数回路の合成時間に対して3.7\times$の高速化を提供する。 QSeedのパフォーマンス改善は、トレーニングプロセス中に見えない回路のファミリにも一般化されている。

関連論文リスト

• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• Unitary Synthesis of Clifford+T Circuits with Reinforcement Learning [2.4646794072984477]
  ユニタリ合成は、与えられたユニタリを表す量子回路を特定することを目的としている。 木探索法 Gumbel AlphaZero を用いて、正確に合成可能な Clifford+T ユニタリの部分集合の問題を解く。 提案手法は,最大60ゲートのランダム化回路から生成した最大5キュービットの回路を効果的に合成する。
  論文  参考訳（メタデータ） (2024-04-23T09:37:52Z)
• Quantum Circuit Optimization with AlphaTensor [47.9303833600197]
  我々は,所定の回路を実装するために必要なTゲート数を最小化する手法であるAlphaTensor-Quantumを開発した。 Tカウント最適化の既存の方法とは異なり、AlphaTensor-Quantumは量子計算に関するドメイン固有の知識を取り入れ、ガジェットを活用することができる。 注目すべきは、有限体における乗法であるカラツバの手法に似た効率的なアルゴリズムを発見することである。
  論文  参考訳（メタデータ） (2024-02-22T09:20:54Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Wide Quantum Circuit Optimization with Topology Aware Synthesis [0.8469686352132708]
  ユニタリ合成は、量子回路を制限的量子ビット位相にマッピングしながら最適なマルチキュービットゲート数を達成する最適化手法である。 我々は,emphBQSKitフレームワークで構築されたトポロジ対応合成ツールであるTopASを紹介した。
  論文  参考訳（メタデータ） (2022-06-27T21:59:30Z)
• 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)
• Approximate quantum gates compiling with self-navigation algorithm [0.0]
  任意の精度で1量子ゲートを近似的にコンパイルするアルゴリズムを提案する。 評価の結果,我々のアルゴリズムが生成する全回転距離は,一般的なU3$ゲートよりもかなり短いことがわかった。
  論文  参考訳（メタデータ） (2022-04-06T03:07:17Z)
• Reducing the Depth of Linear Reversible Quantum Circuits [0.0]
  量子コンピューティングでは、量子ビットのデコヒーレンス時間が計算時間を決定する。 本稿では,既存のアルゴリズムの2倍の浅さの量子回路を生成する分割・征服アルゴリズムの実用的な定式化を提案する。 全体としては、可逆関数のクラス全体の深さを一貫して減らし、アンシラフリーケースでは最大92%、アシラリーキュービットが利用可能であれば最大99%に抑えることができる。
  論文  参考訳（メタデータ） (2022-01-17T12:36:32Z)
• Deterministic Algorithms for Compiling Quantum Circuits with Recurrent Patterns [0.0]
  現在の量子プロセッサはノイズが多く、コヒーレンスと不完全なゲートの実装が限られている。 本稿では、繰り返し量子回路パターンを時間内にコンパイルするための新しい決定論的アルゴリズムを提案する。 我々の解は、RyRz回路上で未整合結果を生成する。
  論文  参考訳（メタデータ） (2021-02-17T13:59:12Z)
• 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。