論文の概要: Exploring Non-Linear Programming Formulations in QuantumCircuitOpt for Optimal Circuit Design

• arxiv url: http://arxiv.org/abs/2310.18281v1
• Date: Fri, 27 Oct 2023 17:16:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-30 12:58:09.779765
• Title: Exploring Non-Linear Programming Formulations in QuantumCircuitOpt for Optimal Circuit Design
• Title（参考訳）: 最適回路設計のためのquantumcircuitoptの非線形計画式の検討
• Authors: Elena R. Henderson, Harsha Nagarajan, Carleton Coffrin
• Abstract要約: 本稿では,量子アルゴリズムモデリングのためのオープンソースソフトウェアであるQuantumOptの新バージョンを提案する。 QCOptは平均11.3xアップまで、平均11.3xアップまで実行可能であることを示す。 また、勾配に基づくNLPソルバの挙動を探索する機会も提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given the limitations of current hardware, the theoretical gains promised by quantum computing remain unrealized across practical applications. But the gap between theory and hardware is closing, assisted by developments in quantum algorithmic modeling. One such recent development is QuantumCircuitOpt (QCOpt), an open-source software framework that leverages state-of-the-art optimization-based solvers to find provably optimal compact circuit decompositions, which are exact up to global phase and machine precision. The quantum circuit design problem can be modeled using non-linear, non-convex constraints. However, QCOpt reformulates these non-linear constraints using well-known linearization techniques such that the resulting design problem is solved as a Mixed-Integer Linear Programming (MILP) model. In this work, we instead explore whether the QCOpt could also be effective with a continuous Non-Linear Programming (NLP) model obtained via relaxation of the integer variables in the non-linear constraints. We are able to present not only multiple significant enhancements to QCOpt, with up to 11.3x speed-up in run times on average, but also opportunities for more generally exploring the behavior of gradient-based NLP solvers.
• Abstract（参考訳）: 現在のハードウェアの限界を考えると、量子コンピューティングによって約束される理論的なゲインは、実用アプリケーション全体でも実現されていない。 しかし、理論とハードウェアのギャップは閉じており、量子アルゴリズムモデリングの発展に助けられている。 このような最近の開発のひとつがQuantumCircuitOpt (QCOpt) である。これは最先端の最適化に基づく解法を利用して、大域的な位相と機械の精度の精度で、証明可能な最適なコンパクト回路分解を求めるオープンソースソフトウェアフレームワークである。 量子回路設計問題は非線形、非凸制約を用いてモデル化することができる。 しかし、QCOptはこれらの非線形制約をよく知られた線形化手法を用いて再構成し、結果として生じる設計問題を混合整数線形プログラミング(MILP)モデルとして解決する。 そこで本研究では,非線形制約における整数変数の緩和によって得られる連続非線形プログラミング(NLP)モデルにおいても,QCOptが有効であるかどうかを検討する。 QCOptには、平均的な実行時間で最大11.3倍のスピードアップを達成できるだけでなく、勾配ベースのNLPソルバの挙動をより一般的に探求する機会も提供できます。

関連論文リスト

• Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
  近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。 我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。 我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T06:59:23Z)
• Constraint programming models for depth-optimal qubit assignment and SWAP-based routing [0.0]
  量子ビット割り当てとルーティング問題に対する制約プログラミング(CP)モデルを提案する。 回路深さ最小化のための整数線形プログラミング(ILP)モデルと比較する。 実験分析の結果,提案手法はソリューションの品質と実行時間の両方において,ILPモデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-14T16:42:36Z)
• Exploiting In-Constraint Energy in Constrained Variational Quantum Optimization [7.541345730271882]
  一般に、そのような制約は回路内で容易に符号化することができず、量子回路の測定結果が制約を尊重することが保証されない。 本稿では,制約付き最適化問題に対する非実装型量子アンサテイズによる新しい解法を提案する。 シミュレータや量子ハードウェア上での高速なプロトタイピングのために,QiskitとインターフェースするPythonパッケージであるQVoiceで実装した。
  論文  参考訳（メタデータ） (2022-11-13T20:58:00Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• 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)
• Polynomial unconstrained binary optimisation inspired by optical simulation [52.11703556419582]
  制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。 提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。 タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
  論文  参考訳（メタデータ） (2021-06-24T16:39:31Z)
• Quantum constraint learning for quantum approximate optimization algorithm [0.0]
  本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。 学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。 また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
  論文  参考訳（メタデータ） (2021-05-14T11:31:14Z)
• Adiabatic Quantum Computing for Solving the Weapon-Target Assignment Problem [0.0]
  近年の技術進歩は、断熱型量子コンピューティング・アンサッツがまもなく実用化される可能性があることを示唆している。 本研究では、この計算パラダイムを用いて、よく知られた兵器目標割り当て問題の量子計算に基づく解法を開発する。
  論文  参考訳（メタデータ） (2021-05-05T12:16:03Z)
• 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。