論文の概要: Large-scale quantum approximate optimization on non-planar graphs with machine learning noise mitigation

• arxiv url: http://arxiv.org/abs/2307.14427v2
• Date: Fri, 22 Mar 2024 08:38:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 23:29:06.832815
• Title: Large-scale quantum approximate optimization on non-planar graphs with machine learning noise mitigation
• Title（参考訳）: 機械学習雑音緩和を用いた非平面グラフの大規模量子近似最適化
• Authors: Stefan H. Sack, Daniel J. Egger,
• Abstract要約: 誤差軽減は、ノイズの多いデバイスが有意義に実行できる量子回路のサイズを拡大する。 機械学習に基づく誤差軽減により最大40ノードの非平面ランダム正規グラフ上で量子近似最適化アルゴリズム(QAOA)を示す。
• 参考スコア（独自算出の注目度）: 0.46040036610482665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computers are increasing in size and quality, but are still very noisy. Error mitigation extends the size of the quantum circuits that noisy devices can meaningfully execute. However, state-of-the-art error mitigation methods are hard to implement and the limited qubit connectivity in superconducting qubit devices restricts most applications to the hardware's native topology. Here we show a quantum approximate optimization algorithm (QAOA) on non-planar random regular graphs with up to 40 nodes enabled by a machine learning-based error mitigation. We use a swap network with careful decision-variable-to-qubit mapping and a feed-forward neural network to demonstrate optimization of a depth-two QAOA on up to 40 qubits. We observe a meaningful parameter optimization for the largest graph which requires running quantum circuits with 958 two-qubit gates. Our work emphasizes the need to mitigate samples, and not only expectation values, in quantum approximate optimization. These results are a step towards executing quantum approximate optimization at a scale that is not classically simulable. Reaching such system sizes is key to properly understanding the true potential of heuristic algorithms like QAOA.
• Abstract（参考訳）: 量子コンピュータのサイズと品質は増加しているが、それでも非常に騒々しい。 誤差軽減は、ノイズの多いデバイスが有意義に実行できる量子回路のサイズを拡大する。 しかし、最先端の誤差軽減手法は実装が困難であり、超伝導量子ビットデバイスにおける限定的な量子ビット接続は、ハードウェアのネイティブトポロジーにほとんどのアプリケーションを制限する。 ここでは,最大40ノードの非平面乱数正規グラフに対して,機械学習に基づく誤差軽減により量子近似最適化アルゴリズム(QAOA)を提案する。 我々は、最大40キュービットの深さ2QAOAの最適化を実証するために、慎重に決定可能な量子ビットマッピングとフィードフォワードニューラルネットワークを備えたスワップネットワークを使用する。 我々は,958個の2量子ビットゲートを持つ量子回路の動作を必要とする最大グラフに対する有意義なパラメータ最適化を観察する。 我々の研究は、量子近似最適化において、期待値だけでなく、サンプルの緩和の必要性を強調している。 これらの結果は、古典的にシミュレートできないスケールで量子近似最適化を実行するためのステップである。 このようなシステムサイズを取得することは、QAOAのようなヒューリスティックアルゴリズムの真のポテンシャルを適切に理解するための鍵となる。

関連論文リスト

• Symmetry-preserved cost functions for variational quantum eigensolver [0.0]
  ハイブリッド量子-古典的変分アルゴリズムは、ノイズの多い量子コンピュータに最適であると考えられている。 コスト関数に直接対称性の保存を符号化し、ハードウェア効率の良いAns"atzeをより効率的に利用できるようにする。
  論文  参考訳（メタデータ） (2024-11-25T20:33:47Z)
• 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)
• A Variational Qubit-Efficient MaxCut Heuristic Algorithm [0.0]
  グラフサイズに対して対数的な量子ビット数を必要とする新しい変分Qubit-Efficient MaxCut (QEMC)アルゴリズムを提案する。 実超伝導ハードウェア上では最大32ノード(5キュービット)のグラフインスタンスに対して,ノイズレスシミュレーションを用いて最大2048ノード(11キュービット)のグラフに対して,最先端の性能を示す。
  論文  参考訳（メタデータ） (2023-08-20T23:06:18Z)
• Optimizing quantum gates towards the scale of logical qubits [78.55133994211627]
  量子ゲート理論の基本的な前提は、量子ゲートはフォールトトレランスの誤差閾値を超えることなく、大きなプロセッサにスケールできるということである。 ここでは、このような問題を克服できる戦略について報告する。 我々は、68個の周波数可変ビットの周波数軌跡をコレオグラフィーして、超伝導エラー中に単一量子ビットを実行することを示した。
  論文  参考訳（メタデータ） (2023-08-04T13:39:46Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• 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)
• Optimization of Quantum Read-Only Memory Circuits [5.486046841722322]
  量子機械学習アプリケーションでは、量子メモリはデータのロードプロセスを単純化し、学習タスクを加速することができる。 量子読み取り専用メモリ(Quantum Read Only Memory, QROM)は、4ビットアドレスを超える最新技術であるNISQ(Noisy Intermediate-Scale Quantum)コンピュータにおいて、アドレス行数とともに指数関数的にスケールする。 そこで本研究では,QROM回路の深さとゲート数を削減するために,プリデコードロジックやqubitリセットなどの手法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T21:23:31Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Noisy intermediate-scale quantum computing algorithm for solving an $n$-vertex MaxCut problem with log($n$) qubits [0.0]
  本稿ではQAOAと比較して指数的に少ない量子ビットを用いる新しい量子最適化アルゴリズムを提案する。 これらの結果は、ゲートベースの量子コンピュータにおける最先端の実験と比較して、グラフサイズが40%増加することを示している。
  論文  参考訳（メタデータ） (2021-10-20T21:33:41Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• 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。