論文の概要: Can Variational Quantum Algorithms Demonstrate Quantum Advantages? Time
Really Matters
- arxiv url: http://arxiv.org/abs/2307.04089v1
- Date: Sun, 9 Jul 2023 03:51:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 15:41:22.670766
- Title: Can Variational Quantum Algorithms Demonstrate Quantum Advantages? Time
Really Matters
- Title（参考訳）: 変分量子アルゴリズムは量子アドバンテージを実証できるか?
本当に重要な時間
- Authors: Huan-Yu Liu, Zhao-Yun Chen, Tai-Ping Sun, Cheng Xue, Yu-Chun Wu, and
Guo-Ping Guo
- Abstract要約: QNNのトレーニングにはパラメータ数と勾配評価コストの間に依存性があることが示されている。
理想的な時間コストが1年の壁時間の順序に容易に到達できることが示される。
時間スケーリングの観点から、VQAが古典的なケースを上回ることは困難である、と我々は主張する。
- 参考スコア（独自算出の注目度）: 3.041014091581284
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Applying low-depth quantum neural networks (QNNs), variational quantum
algorithms (VQAs) are both promising and challenging in the noisy
intermediate-scale quantum (NISQ) era: Despite its remarkable progress,
criticisms on the efficiency and feasibility issues never stopped. However,
whether VQAs can demonstrate quantum advantages is still undetermined till now,
which will be investigated in this paper. First, we will prove that there
exists a dependency between the parameter number and the gradient-evaluation
cost when training QNNs. Noticing there is no such direct dependency when
training classical neural networks with the backpropagation algorithm, we argue
that such a dependency limits the scalability of VQAs. Second, we estimate the
time for running VQAs in ideal cases, i.e., without considering realistic
limitations like noise and reachability. We will show that the ideal time cost
easily reaches the order of a 1-year wall time. Third, by comparing with the
time cost using classical simulation of quantum circuits, we will show that
VQAs can only outperform the classical simulation case when the time cost
reaches the scaling of $10^0$-$10^2$ years. Finally, based on the above
results, we argue that it would be difficult for VQAs to outperform classical
cases in view of time scaling, and therefore, demonstrate quantum advantages,
with the current workflow. Since VQAs as well as quantum computing are
developing rapidly, this work does not aim to deny the potential of VQAs. The
analysis in this paper provides directions for optimizing VQAs, and in the long
run, seeking more natural hybrid quantum-classical algorithms would be
meaningful.
- Abstract（参考訳）: 低深度量子ニューラルネットワーク(QNN)を採用することで、変動量子アルゴリズム(VQA)は、ノイズの多い中間スケール量子(NISQ)時代にも有望かつ挑戦的である。
しかしながら、VQAが量子的優位性を証明できるかどうかはまだ未定であり、本論文で検討する。
まず、QNNのトレーニングにパラメータ数と勾配評価コストの間に依存性があることを証明する。
バックプロパゲーションアルゴリズムを用いて古典的ニューラルネットワークをトレーニングする際、そのような直接的な依存は存在しないことに気づき、そのような依存はVQAのスケーラビリティを制限すると論じる。
第2に、ノイズや到達可能性といった現実的な制限を考慮せずに、理想的な場合、すなわち、VQAの実行時間を見積もる。
理想的な時間コストが1年の壁時間の順序に容易に達することを示します。
第3に、量子回路の古典的シミュレーションを用いて時間コストを比較することにより、VQAsは10^0$-$10^2$のスケーリングに達すると、古典的なシミュレーションケースよりも優れていることを示す。
最後に、上記の結果に基づいて、VQAが時間スケーリングの観点から古典的なケースよりも優れており、従って現在のワークフローで量子的優位性を示すことは困難である、と論じる。
VQAと量子コンピューティングは急速に発展しているため、この研究はVQAの可能性を否定しようとはしていない。
本論文の分析はvqaの最適化に向けた指針を提供し、長期的にはより自然なハイブリッド量子古典アルゴリズムを求めることは有意義である。
関連論文リスト
- Bayesian Optimization Priors for Efficient Variational Quantum Algorithms [0.0]
量子コンピュータは現在、量子量子アルゴリズム(VQA)と呼ばれる量子古典的なアプローチで問題を解決している。
本稿では,時間当たりのショット数を削減できる基本計算最適化のためのハイブリッドフレームワークを提案する。
この2つの特徴を用いて,提案手法がVQA内でのシミュレーション実装を統計的に上回っていることを示す。
論文 参考訳（メタデータ） (2024-06-20T18:00:12Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Ans\"atze for Noisy Variational Quantum Eigensolvers [0.0]
変分量子固有解法 (VQE) は、短期量子コンピュータにおける量子優位の機会の候補として人気を博している。
遠すぎるアンサンジーは、短期的な生存を妨げたり、アルゴリズムを非効率にするトレーニング可能性の問題を引き起こす可能性がある。
この論文では、量子化学のために提案された異なるアンゼを検証し、最先端の量子コンピュータにおけるそのノイズ耐性と生存性を調べている。
論文 参考訳（メタデータ） (2022-12-06T17:57:41Z) - On quantum factoring using noisy intermediate scale quantum computers [0.0]
最適化のためのQAOAではなく,VQEを用いた場合の基底状態の発見の可能性を示す。
勾配に基づく最適化では、量子回路勾配推定に要する時間が重要な問題であることがわかった。
論文 参考訳（メタデータ） (2022-08-15T09:32:07Z) - Reducing the cost of energy estimation in the variational quantum
eigensolver algorithm with robust amplitude estimation [50.591267188664666]
量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。
これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
論文 参考訳（メタデータ） (2022-03-14T16:51:36Z) - Improved variational quantum eigensolver via quasi-dynamical evolution [0.0]
変分量子固有解法 (VQE) は、現在および短期の量子デバイス向けに設計されたハイブリッド量子古典アルゴリズムである。
VQEには、量子優位性に対する好ましいスケーリングを禁じる問題がある。
本稿では,VQEを補う量子アニール法を提案する。
改良されたVQEは不毛の台地を回避し、局所的なミニマを放出し、低深度回路で動作する。
論文 参考訳（メタデータ） (2022-02-21T11:21:44Z) - Efficient measure for the expressivity of variational quantum algorithms [72.59790225766777]
我々は、変分量子アルゴリズムの表現率を研究するために、統計学習理論、すなわち被覆数に関する高度なツールを利用する。
まず、任意のアンサーゼを持つVQAの表現性は、量子ゲートの数と観測可能な測定値によって上限づけられていることを示す。
次に,システムノイズを考慮した量子チップ上でのVQAの表現性について検討する。
論文 参考訳（メタデータ） (2021-04-20T13:51:08Z) - An optimal quantum sampling regression algorithm for variational
eigensolving in the low qubit number regime [0.0]
量子サンプリング回帰(QSR)は、代替の量子古典的アルゴリズムである。
低量子ビット数構造における時間的複雑さに基づいて,その利用事例を分析した。
ベンチマーク問題に対するアルゴリズムの有効性を示す。
論文 参考訳（メタデータ） (2020-12-04T00:01:15Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳（メタデータ） (2020-07-24T06:34:34Z)
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。