論文の概要: QArchSearch: A Scalable Quantum Architecture Search Package
- arxiv url: http://arxiv.org/abs/2310.07858v1
- Date: Wed, 11 Oct 2023 20:00:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-14 13:52:59.088581
- Title: QArchSearch: A Scalable Quantum Architecture Search Package
- Title（参考訳）: QArchSearch: スケーラブルな量子アーキテクチャ検索パッケージ
- Authors: Ankit Kulshrestha, Danylo Lykov, Ilya Safro, Yuri Alexeev
- Abstract要約: バックエンドとして textttQTensor ライブラリを備えた,AI ベースの量子アーキテクチャ検索パッケージである textttQArchSearch を提示する。
探索パッケージは、探索を大規模量子回路に効率よくスケールでき、異なる量子アプリケーションのためのより複雑なモデルを探索できることを示す。
- 参考スコア（独自算出の注目度）: 1.725192300740999
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The current era of quantum computing has yielded several algorithms that
promise high computational efficiency. While the algorithms are sound in theory
and can provide potentially exponential speedup, there is little guidance on
how to design proper quantum circuits to realize the appropriate unitary
transformation to be applied to the input quantum state. In this paper, we
present \texttt{QArchSearch}, an AI based quantum architecture search package
with the \texttt{QTensor} library as a backend that provides a principled and
automated approach to finding the best model given a task and input quantum
state. We show that the search package is able to efficiently scale the search
to large quantum circuits and enables the exploration of more complex models
for different quantum applications. \texttt{QArchSearch} runs at scale and high
efficiency on high-performance computing systems using a two-level
parallelization scheme on both CPUs and GPUs, which has been demonstrated on
the Polaris supercomputer.
- Abstract（参考訳）: 現在の量子コンピューティングの時代は、高い計算効率を約束するいくつかのアルゴリズムを生み出した。
アルゴリズムは理論上は健全であり、指数関数的なスピードアップを提供することができるが、入力量子状態に適用される適切なユニタリ変換を実現するために適切な量子回路を設計する方法についてのガイダンスはほとんどない。
本稿では,タスクと入力量子状態の最適なモデルを見つけるための,原則的かつ自動化されたアプローチを提供するバックエンドとして,‘texttt{QArchSearch}’という,AIベースの量子アーキテクチャ検索パッケージを提案する。
探索パッケージは,大規模量子回路への探索を効率的に拡張でき,異なる量子アプリケーションに対してより複雑なモデルを探索できることを示す。
\texttt{QArchSearch} は、Polarisスーパーコンピュータ上で実証されたCPUとGPUの2レベル並列化スキームを用いて、高性能コンピューティングシステム上で大規模かつ高効率で動作する。
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) - An RNN-policy gradient approach for quantum architecture search [7.616832563471534]
変分量子回路は、量子コンピューティングの利点を利用するための有望な方法の1つである。
量子回路アーキテクチャの設計は、量子アルゴリズムの性能に大きく影響する可能性がある。
量子アーキテクチャ探索は、量子回路アーキテクチャを自動設計するプロセスである。
論文 参考訳（メタデータ） (2024-05-09T16:44:35Z) - Scalable Quantum Algorithms for Noisy Quantum Computers [0.0]
この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。
目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。
アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
論文 参考訳（メタデータ） (2024-03-01T19:36:35Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - 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 Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - 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) - $T$-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) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳（メタデータ） (2021-12-22T06:19:36Z) - Quantum Architecture Search via Deep Reinforcement Learning [0.0]
できるだけ少ないゲートを持つ特定の量子状態を生成するための量子ゲートシーケンスを設計するのは簡単ではない。
そこで本研究では,深層強化学習(DRL)を応用した量子アーキテクチャ探索フレームワークを提案する。
エージェント内の量子物理学の知識を符号化することなく、マルチキュービットGHZ状態に対する量子ゲート列の生成に成功したことを実証する。
論文 参考訳（メタデータ） (2021-04-15T18:53:26Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z)
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。