論文の概要: Fast Simulation of High-Depth QAOA Circuits
- arxiv url: http://arxiv.org/abs/2309.04841v1
- Date: Sat, 9 Sep 2023 17:01:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-12 15:57:54.394107
- Title: Fast Simulation of High-Depth QAOA Circuits
- Title(参考訳): 高密度QAOA回路の高速シミュレーション
- Authors: Danylo Lykov, Ruslan Shaydulin, Yue Sun, Yuri Alexeev, Marco Pistoia
- Abstract要約: 量子近似最適化アルゴリズム(QAOA)のシミュレータを提案する。
本シミュレータはQAOAパラメータ最適化の計算コストを削減することを目的として設計されている。
cuQuantumをベースとした最先端のGPU量子回路シミュレータと比較して,典型的なQAOAパラメータ最適化の時間を,$n = 26$ qubitsで11倍に短縮する。
- 参考スコア(独自算出の注目度): 10.778538580079365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Until high-fidelity quantum computers with a large number of qubits become
widely available, classical simulation remains a vital tool for algorithm
design, tuning, and validation. We present a simulator for the Quantum
Approximate Optimization Algorithm (QAOA). Our simulator is designed with the
goal of reducing the computational cost of QAOA parameter optimization and
supports both CPU and GPU execution. Our central observation is that the
computational cost of both simulating the QAOA state and computing the QAOA
objective to be optimized can be reduced by precomputing the diagonal
Hamiltonian encoding the problem. We reduce the time for a typical QAOA
parameter optimization by eleven times for $n = 26$ qubits compared to a
state-of-the-art GPU quantum circuit simulator based on cuQuantum. Our
simulator is available on GitHub: https://github.com/jpmorganchase/QOKit
- Abstract(参考訳): 多くの量子ビットを持つ高忠実度量子コンピュータが広く利用可能になるまで、古典的なシミュレーションはアルゴリズムの設計、チューニング、検証に不可欠である。
本稿では,量子近似最適化アルゴリズム(QAOA)のシミュレータを提案する。
このシミュレータはQAOAパラメータ最適化の計算コストを削減し,CPUとGPUの両方の実行をサポートすることを目標に設計されている。
我々の中心的な観察は、QAOA状態のシミュレーションと最適化すべきQAOA目標の計算の両方の計算コストを、この問題を符号化する対角ハミルトニアンをプリ計算することで削減できるということである。
cuQuantumをベースとした最先端のGPU量子回路シミュレータと比較して,典型的なQAOAパラメータ最適化の時間を,$n = 26$ qubitsで11倍削減する。
私たちのシミュレータはgithubで入手できる。 https://github.com/jpmorganchase/qokit
関連論文リスト
- Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent [37.59299233291882]
本稿では,ニュートンのGDを用いたニューラルネットワークトレーニングの高速化を目的とした,ハイブリッド量子古典スケジューラQ-Newtonを提案する。
Q-Newtonは量子と古典的な線形解法を協調する合理化スケジューリングモジュールを使用している。
評価の結果,Q-Newtonは一般的な量子機械と比較してトレーニング時間を大幅に短縮できる可能性が示された。
論文 参考訳(メタデータ) (2024-04-30T23:55:03Z) - TANQ-Sim: Tensorcore Accelerated Noisy Quantum System Simulation via QIR on Perlmutter HPC [16.27167995786167]
TANQ-Simは、コヒーレントノイズと非コヒーレントノイズの両方で実用的なディープ回路をシミュレートするために設計された、フルスケールの密度行列ベースのシミュレータである。
このようなシミュレーションにかかわる計算コストに対処するため,新しい密度行列シミュレーション手法を提案する。
また,その性能を最適化するために,密度行列シミュレーションのための特定のゲート融合手法を提案する。
論文 参考訳(メタデータ) (2024-04-19T21:16:29Z) - Nonlinear dynamics as a ground-state solution on quantum computers [39.58317527488534]
量子ビットレジスタにおける空間と時間の両方を符号化する変分量子アルゴリズム(VQA)を提案する。
時空符号化により、1つの基底状態計算から全時間進化を得ることができる。
論文 参考訳(メタデータ) (2024-03-25T14:06:18Z) - Evidence of Scaling Advantage for the Quantum Approximate Optimization
Algorithm on a Classically Intractable Problem [16.821121709738957]
量子近似最適化アルゴリズム(QAOA)は、量子コンピュータにおける最適化問題を解くための主要な候補アルゴリズムである。
本稿では,Low Autocorrelation Binary Sequences (LABS) 問題に対するQAOAの広範な数値解析を行う。
このシステムサイズ、固定パラメータと一定の数のレイヤを持つQAOAのランタイムは、ブランチ・アンド・バウンド・ソルバよりも優れたスケールである。
論文 参考訳(メタデータ) (2023-08-04T14:17:21Z) - The QAOA with Few Measurements [4.713817702376467]
近似量子最適化アルゴリズム (QAOA) はもともと最適化問題の解法として開発された。
完全な記述型ベンチマーク技術は、多くの量子ビットに対してしばしば高価である。
中性原子量子コンピュータのような実験的な量子コンピューティングプラットフォームは、繰り返し速度が遅い。
論文 参考訳(メタデータ) (2022-05-13T18:42:20Z) - Performance Evaluation and Acceleration of the QTensor Quantum Circuit
Simulator on GPUs [6.141912076989479]
我々は、NumPy、PyTorch、CuPyのバックエンドを実装し、ベンチマークを行い、CPUまたはGPUにテンソルシミュレーションの最適な割り当てを見つける。
ベンチマークしたQAOA回路のCPU上のNumPyベースライン上でのGPUの高速化により,MaxCut問題を解く。
論文 参考訳(メタデータ) (2022-04-12T19:03:44Z) - 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) - Fast quantum circuit simulation using hardware accelerated general
purpose libraries [69.43216268165402]
CuPyは、GPUベースの量子回路向けに開発された汎用ライブラリ(線形代数)である。
上位回路の場合、スピードアップは約2倍、量子乗算器の場合、最先端のC++ベースのシミュレータと比べて約22倍である。
論文 参考訳(メタデータ) (2021-06-26T10:41:43Z) - GPU-accelerated simulations of quantum annealing and the quantum
approximate optimization algorithm [0.0]
超並列J'ulichユニバーサル量子コンピュータシミュレータ(JUQCS--G)のGPU加速版を用いた大規模アプリケーションについて検討する。
論文 参考訳(メタデータ) (2021-04-07T17:52:50Z) - Quantum Approximate Optimization of Non-Planar Graph Problems on a
Planar Superconducting Processor [29.928684308464796]
量子近似最適化アルゴリズム(QAOA)による最適化問題へのGoogle Sycamore超伝導量子ビットプロセッサの適用を実証する。
初めて回路深度で性能が向上するのを観察した。
この挙動は、ハードウェア接続とは異なるグラフ上の問題を最適化するために、短期量子コンピュータを使用するという課題を強調している。
論文 参考訳(メタデータ) (2020-04-08T18:44:34Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳(メタデータ) (2020-02-25T19:18:36Z)
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。