論文の概要: Data is often loadable in short depth: Quantum circuits from tensor
networks for finance, images, fluids, and proteins
- arxiv url: http://arxiv.org/abs/2309.13108v1
- Date: Fri, 22 Sep 2023 18:00:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 22:14:57.731502
- Title: Data is often loadable in short depth: Quantum circuits from tensor
networks for finance, images, fluids, and proteins
- Title（参考訳）: データはしばしば短い深さでロード可能である:財務、画像、流体、タンパク質のためのテンソルネットワークからの量子回路
- Authors: Raghav Jumade, Nicolas PD Sawaya
- Abstract要約: 本稿ではテンソルネットワーク(TN)理論に基づく回路コンパイル手法を提案する。
我々は,4つの異なる領域から得られた実世界の古典的データについて数値実験を行った。
これは、古典的なデータを量子コンピュータにロードする現在の最も広い数値解析である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Though there has been substantial progress in developing quantum algorithms
to study classical datasets, the cost of simply loading classical data is an
obstacle to quantum advantage. When the amplitude encoding is used, loading an
arbitrary classical vector requires up to exponential circuit depths with
respect to the number of qubits. Here, we address this ``input problem'' with
two contributions. First, we introduce a circuit compilation method based on
tensor network (TN) theory. Our method -- AMLET (Automatic Multi-layer Loader
Exploiting TNs) -- proceeds via careful construction of a specific TN topology
and can be tailored to arbitrary circuit depths. Second, we perform numerical
experiments on real-world classical data from four distinct areas: finance,
images, fluid mechanics, and proteins. To the best of our knowledge, this is
the broadest numerical analysis to date of loading classical data into a
quantum computer. Consistent with other recent work in this area, the required
circuit depths are often several orders of magnitude lower than the
exponentially-scaling general loading algorithm would require. Besides
introducing a more efficient loading algorithm, this work demonstrates that
many classical datasets are loadable in depths that are much shorter than
previously expected, which has positive implications for speeding up classical
workloads on quantum computers.
- Abstract（参考訳）: 古典的データセットを研究する量子アルゴリズムの開発にはかなりの進歩があったが、古典的データを単にロードするコストは量子的優位性の障害となっている。
振幅符号化を使用する場合、任意の古典ベクトルをロードするには、量子ビット数に対して指数回路の深さを最大にする必要がある。
ここでは、この ``input problem'' に2つの貢献で対処する。
まず,テンソルネットワーク(TN)理論に基づく回路コンパイル手法を提案する。
AMLET(Automatic Multi-layer Loader Exploiting TNs)は、特定のTNトポロジーを慎重に構築することで、任意の回路深さに合わせて調整することができる。
第2に,金融,画像,流体力学,タンパク質の4つの異なる領域から,実世界の古典データについて数値実験を行う。
我々の知る限りでは、これは古典的なデータを量子コンピュータにロードするまでの最も広い数値解析である。
この領域における他の研究と同様に、必要な回路深さは指数的にスケーリングされる一般的な負荷アルゴリズムよりも数桁低い場合が多い。
より効率的なローディングアルゴリズムを導入することに加えて、この研究は、多くの古典的データセットが従来よりもはるかに短い深さでロード可能であることを示す。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Q-gen: A Parameterized Quantum Circuit Generator [0.6062751776009752]
本稿では、15個の現実的量子アルゴリズムを取り入れた高レベルパラメータ化量子回路生成器Q-genを紹介する。
Q-genは、古典的なコンピュータサイエンスの背景を持つユーザが量子コンピューティングの世界に飛び込むための入り口として機能するオープンソースプロジェクトである。
論文 参考訳（メタデータ） (2024-07-26T12:22:40Z) - Tensor Quantum Programming [0.0]
本研究では,行列積演算子を量子回路に符号化するアルゴリズムを開発した。
これは、微分方程式、最適化問題、量子化学において頻繁に遭遇する数に対して、最大50量子ビットでの有効性を示す。
論文 参考訳（メタデータ） (2024-03-20T10:44:00Z) - 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) - Efficient MPS representations and quantum circuits from the Fourier modes of classical image data [0.0]
高速に減衰するフーリエスペクトルを持つ古典的データは、シュミットランクの小さい状態によってよく近似できることを示す。
これらの近似状態は、隣り合う2量子ビットゲートの線形数を持つ量子コンピュータ上で準備することができる。
また、異なる変分回路のアンゼを考慮し、1次元のシーケンシャル回路がより強力なアンゼと同じ圧縮品質を達成できることを数値的に示す。
論文 参考訳（メタデータ） (2023-11-13T19:00:33Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - Hunting for quantum-classical crossover in condensed matter problems [0.3799859284309834]
テンソルネットワークに基づく最先端の古典的アルゴリズムの体系的誤り/実行解析を提案する。
我々は、凝縮物質問題は、実用的な量子優位性の実証のための最初期のプラットフォームを提供すると論じる。
論文 参考訳（メタデータ） (2022-10-25T15:50:54Z) - Accelerating the training of single-layer binary neural networks using
the HHL quantum algorithm [58.720142291102135]
Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。
しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
論文 参考訳（メタデータ） (2022-10-23T11:58:05Z) - Quantum neural networks [0.0]
この論文は、過去数十年で最もエキサイティングな研究分野である量子コンピューティングと機械学習を組み合わせたものだ。
本稿では、汎用量子計算が可能で、トレーニング中にメモリ要求の少ない散逸型量子ニューラルネットワーク(DQNN)を紹介する。
論文 参考訳（メタデータ） (2022-05-17T07:47:00Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Quantum Computing without Quantum Computers: Database Search and Data
Processing Using Classical Wave Superposition [101.18253437732933]
スピン波重畳を用いた磁気データベース探索の実験データを示す。
古典的な波動に基づくアプローチは、量子コンピュータと同じ速度でデータベース検索を行う場合もあると我々は論じる。
論文 参考訳（メタデータ） (2020-12-15T16:21:53Z)
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。