論文の概要: A Model for Circuit Execution Runtime And Its Implications for Quantum
Kernels At Practical Data Set Sizes
- arxiv url: http://arxiv.org/abs/2307.04980v1
- Date: Tue, 11 Jul 2023 02:38:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-12 16:31:18.087473
- Title: A Model for Circuit Execution Runtime And Its Implications for Quantum
Kernels At Practical Data Set Sizes
- Title（参考訳）: 回路実行ランタイムモデルとその実用的なデータセットサイズにおける量子カーネルへの応用
- Authors: Travis L. Scholten, Derrick Perry II, Joseph Washington, Jennifer R.
Glick, Thomas Ward
- Abstract要約: 本稿では,量子回路に要する総回路実行時間に関するモデルを提案する。
また、「回路の量子体積層の有効数」の概念も導入する。
現在の量子コンピュータの速度で、我々のモデルはデータセットを数時間で処理できると予測している。
- 参考スコア（独自算出の注目度）: 0.5906031288935515
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum machine learning (QML) is a fast-growing discipline within quantum
computing. One popular QML algorithm, quantum kernel estimation, uses quantum
circuits to estimate a similarity measure (kernel) between two classical
feature vectors. Given a set of such circuits, we give a heuristic, predictive
model for the total circuit execution time required, based on a
recently-introduced measure of the speed of quantum computers. In doing so, we
also introduce the notion of an "effective number of quantum volume layers of a
circuit", which may be of independent interest. We validate the performance of
this model using synthetic and real data by comparing the model's predictions
to empirical runtime data collected from IBM Quantum computers through the use
of the Qiskit Runtime service. At current speeds of today's quantum computers,
our model predicts data sets consisting of on the order of hundreds of feature
vectors can be processed in order a few hours. For a large-data workflow, our
model's predictions for runtime imply further improvements in the speed of
circuit execution -- as well as the algorithm itself -- are necessary.
- Abstract（参考訳）: 量子機械学習(QML)は、量子コンピューティングにおいて急速に成長する分野である。
一般的なqmlアルゴリズムである量子カーネル推定は、量子回路を用いて2つの古典的特徴ベクトル間の類似度測度(カーネル)を推定する。
このような回路の集合が与えられた場合、最近導入された量子コンピュータの速度の測度に基づいて、必要な回路実行時間全体のヒューリスティックな予測モデルを与える。
また、「回路の量子体積層の有効数」という概念も導入するが、これは独立した関心事かもしれない。
我々は,Qiskit Runtimeサービスを用いて,IBM Quantumコンピュータから収集した経験的実行データと比較し,合成データと実データを用いて本モデルの性能を検証する。
今日の量子コンピュータの現在の速度で、我々のモデルは何百もの特徴ベクトルからなるデータセットを数時間で処理できると予測している。
大規模ワークフローの場合、ランタイムに対するモデルの予測は、アルゴリズム自体と同様に、回路実行速度がさらに改善されることを意味します。
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) - On Reducing the Execution Latency of Superconducting Quantum Processors via Quantum Program Scheduling [48.142860424323395]
本稿では,量子資源の利用効率を向上させるためにQPSP(Quantum Program Scheduling Problem)を導入する。
具体的には, 回路幅, 計測ショット数, 提出時間に関する量子プログラムスケジューリング手法を提案し, 実行遅延を低減する。
論文 参考訳（メタデータ） (2024-04-11T16:12:01Z) - Efficient implementation of discrete-time quantum walks on quantum computers [0.0]
本稿では、離散時間量子ウォーク(DTQW)モデルを実装した効率的でスケーラブルな量子回路を提案する。
DTQWの時間ステップ$t$の場合、提案回路はO(n2 + nt)$2キュービットゲートしか必要とせず、現在の最も効率的な実装は$O(n2 t)$である。
論文 参考訳（メタデータ） (2024-02-02T19:11:41Z) - 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-Assisted Simulation: A Framework for Designing Machine Learning
Models in the Quantum Computing Domain [0.0]
量子コンピューティングの歴史を探求し、既存のQMLアルゴリズムを検証し、QMLアルゴリズムのシミュレーションを作成するための簡易な手順を提案する。
機械学習と量子機械学習の両方を用いて,データセット上でシミュレーションを行った。
論文 参考訳（メタデータ） (2023-11-17T07:33:42Z) - A Quantum Optical Recurrent Neural Network for Online Processing of
Quantum Times Series [0.7087237546722617]
量子光リカレントニューラルネットワーク(QORNN)は,量子チャネルの伝送速度を高めることができることを示す。
また、同モデルが不要であれば、同様のメモリ効果に対処できることも示している。
我々は、この最後のタスクの小さなバージョンをフォトニックプロセッサのBorealis上で実行します。
論文 参考訳（メタデータ） (2023-05-31T19:19:25Z) - 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) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - Quantum Machine Learning for Software Supply Chain Attacks: How Far Can
We Go? [5.655023007686363]
本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。
実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。
興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
論文 参考訳（メタデータ） (2022-04-04T21:16:06Z) - Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
量子回路をキューネットワークとしてモデル化することを提案する。
提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
論文 参考訳（メタデータ） (2021-06-26T10:55:52Z)
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。