論文の概要: Fundamental causal bounds of quantum random access memories
- arxiv url: http://arxiv.org/abs/2307.13460v1
- Date: Tue, 25 Jul 2023 12:40:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 17:05:04.251984
- Title: Fundamental causal bounds of quantum random access memories
- Title（参考訳）: 量子ランダムアクセスメモリの基本因果境界
- Authors: Yunfei Wang, Yuri Alexeev, Liang Jiang, Frederic T. Chong, Junyu Liu
- Abstract要約: 因果性に基づく高速量子メモリの本質的境界について検討する。
QRAMは1次元で$mathcalO(107)$論理量子ビット、様々な2次元アーキテクチャで$mathcalO(1015)$から$mathcalO(1020)$、そして3次元で$mathcalO(1024)$に対応可能であることを示す。
- 参考スコア（独自算出の注目度）: 13.19534468575575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum devices should operate in adherence to quantum physics principles.
Quantum random access memory (QRAM), a fundamental component of many essential
quantum algorithms for tasks such as linear algebra, data search, and machine
learning, is often proposed to offer $\mathcal{O}(\log N)$ circuit depth for
$\mathcal{O}(N)$ data size, given $N$ qubits. However, this claim appears to
breach the principle of relativity when dealing with a large number of qubits
in quantum materials interacting locally. In our study we critically explore
the intrinsic bounds of rapid quantum memories based on causality, employing
the relativistic quantum field theory and Lieb-Robinson bounds in quantum
many-body systems. In this paper, we consider a hardware-efficient QRAM design
in hybrid quantum acoustic systems. Assuming clock cycle times of approximately
$10^{-3}$ seconds and a lattice spacing of about 1 micrometer, we show that
QRAM can accommodate up to $\mathcal{O}(10^7)$ logical qubits in 1 dimension,
$\mathcal{O}(10^{15})$ to $\mathcal{O}(10^{20})$ in various 2D architectures,
and $\mathcal{O}(10^{24})$ in 3 dimensions. We contend that this causality
bound broadly applies to other quantum hardware systems. Our findings highlight
the impact of fundamental quantum physics constraints on the long-term
performance of quantum computing applications in data science and suggest
potential quantum memory designs for performance enhancement.
- Abstract（参考訳）: 量子デバイスは量子物理学の原則に従って動作すべきである。
量子ランダムアクセスメモリ(QRAM)は、線形代数、データ探索、機械学習などのタスクのための多くの必須量子アルゴリズムの基本コンポーネントであり、$\mathcal{O}(\log N)$ circuit depth for $\mathcal{O}(N)$ data size, given $N$ qubits を提供するためにしばしば提案される。
しかし、この主張は局所的に相互作用する量子物質の多くの量子ビットを扱うときに相対性理論を破っているように見える。
本研究では,量子多体系における相対論的量子場理論とリーブ・ロビンソン境界を用いて,因果性に基づく高速量子記憶の固有境界を批判的に検討する。
本稿では,ハイブリッド量子音響システムにおけるハードウェア効率の良いQRAM設計について考察する。
約10^{-3}$秒のクロックサイクル時間と約1マイクロメートルの格子間隔を仮定すると、qramは1次元で最大$\mathcal{o}(10^7)$論理量子ビット、1次元で$\mathcal{o}(10^{15})$ to $\mathcal{o}(10^{20})$、3次元で$\mathcal{o}(10^{24})$を満たすことができる。
我々は、この因果関係が他の量子ハードウェアシステムにも広く適用されると主張する。
データサイエンスにおける量子コンピューティングアプリケーションの長期パフォーマンスに対する基本的な量子物理学制約の影響を浮き彫りにし、性能向上のための潜在的な量子メモリ設計を提案する。
関連論文リスト
- 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) - Limitations of Noisy Quantum Devices in Computational and Entangling
Power [5.178527492542246]
回路深さが$O(log n)$以上のノイズ量子デバイスは、いかなる量子アルゴリズムにも利点がないことを示す。
また、ノイズ量子デバイスが1次元および2次元の量子ビット接続の下で生成できる最大エンタングルメントについても検討する。
論文 参考訳（メタデータ） (2023-06-05T12:29:55Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - $T$-depth-optimized Quantum Search with Quantum Data-access Machine [0.0]
量子データアクセスマシン(QDAM)と呼ばれる効率的な量子データアクセスプロセスを導入する。
我々は,実効量子誤り訂正符号内の論理量子ビットからなるフォールトトレラント量子計算(FTQC)の観点から,我々のアルゴリズムのランタイムを解析する。
論文 参考訳（メタデータ） (2022-11-08T01:36:02Z) - Field-deployable Quantum Memory for Quantum Networking [62.72060057360206]
実世界の展開とスケーリングの課題に対応するために設計された量子メモリを提示する。
メモリ技術は、温かいルビジウム蒸気を記憶媒体として利用し、室温で動作する。
我々は,高忠実度検索(95%)と低演算誤差(10-2)$を,単一光子レベルの量子メモリ操作に対して160$mu s$の記憶時間で示す。
論文 参考訳（メタデータ） (2022-05-26T00:33:13Z) - Quantum State Preparation with Optimal Circuit Depth: Implementations
and Applications [10.436969366019015]
我々は、$Theta(n)$-depth回路は、$O(ndlog d)$ acillary qubitsを持つ$Theta(log(nd))で作成可能であることを示す。
我々は、ハミルトンシミュレーション、方程式の線形系解法、量子ランダムアクセスメモリの実現など、異なる量子コンピューティングタスクにおける結果の適用について論じる。
論文 参考訳（メタデータ） (2022-01-27T13:16:30Z) - Exponential separations between learning with and without quantum memory [17.763817187554096]
量子システムと力学の学習特性を学習するための量子メモリのパワーについて検討する。
多くの最先端の学習アルゴリズムは、追加の外部量子メモリへのアクセスを必要とする。
このトレードオフは、幅広い学習問題に固有のものであることを示す。
論文 参考訳（メタデータ） (2021-11-10T19:03:49Z) - Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。
我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文 参考訳（メタデータ） (2021-03-31T02:41:36Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z) - Application of Quantum Machine Learning using the Quantum Variational
Classifier Method to High Energy Physics Analysis at the LHC on IBM Quantum
Computer Simulator and Hardware with 10 qubits [6.56216604465389]
量子機械学習は、高エネルギー物理学におけるデータ分析の強力なツールになり得る。
我々は近年のLHCフラッグシップ物理解析において量子変分法を用いる。
将来の高輝度LHC物理解析における量子機械学習の利用を予見する。
論文 参考訳（メタデータ） (2020-12-21T18:39:36Z) - Quantum Gram-Schmidt Processes and Their Application to Efficient State
Read-out for Quantum Algorithms [87.04438831673063]
本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。
我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。
我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
論文 参考訳（メタデータ） (2020-04-14T11:05:26Z)
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。