論文の概要: Quantum circuit synthesis with diffusion models
- arxiv url: http://arxiv.org/abs/2311.02041v1
- Date: Fri, 3 Nov 2023 17:17:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-06 13:17:11.588154
- Title: Quantum circuit synthesis with diffusion models
- Title(参考訳): 拡散モデルを用いた量子回路合成
- Authors: Florian F\"urrutter, Gorka Mu\~noz-Gil and Hans J. Briegel
- Abstract要約: 我々は、この変換を促進するために、生成機械学習モデル、特に拡散モデル(DM)をデノナイズする。
我々は、ゲートベースの量子回路内で所望の量子演算を生成するために、このモデルを操縦する。
我々は、DMを量子回路合成の重要な要素として想定し、実用的な応用だけでなく、理論的量子計算に関する洞察も強化する。
- 参考スコア(独自算出の注目度): 0.7366405857677227
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Quantum computing has recently emerged as a transformative technology. Yet,
its promised advantages rely on efficiently translating quantum operations into
viable physical realizations. In this work, we use generative machine learning
models, specifically denoising diffusion models (DMs), to facilitate this
transformation. Leveraging text-conditioning, we steer the model to produce
desired quantum operations within gate-based quantum circuits. Notably, DMs
allow to sidestep during training the exponential overhead inherent in the
classical simulation of quantum dynamics -- a consistent bottleneck in
preceding ML techniques. We demonstrate the model's capabilities across two
tasks: entanglement generation and unitary compilation. The model excels at
generating new circuits and supports typical DM extensions such as masking and
editing to, for instance, align the circuit generation to the constraints of
the targeted quantum device. Given their flexibility and generalization
abilities, we envision DMs as pivotal in quantum circuit synthesis, enhancing
both practical applications but also insights into theoretical quantum
computation.
- Abstract(参考訳): 量子コンピューティングは最近、トランスフォーメーション技術として登場した。
しかし、その約束された利点は、量子演算を実行可能な物理的実現に効率的に変換することに依存する。
本研究では、この変換を促進するために、生成機械学習モデル、特に拡散モデル(DM)をデノナイズする。
テキストコンディショニングを活用して、ゲートベースの量子回路内で所望の量子演算を生成する。
特に、DMは、古典的な量子力学のシミュレーションに固有の指数的オーバーヘッドをトレーニング中にサイドステップすることができる。
エンタングルメント生成とユニタリコンパイルという,2つのタスクにわたるモデルの能力を示す。
このモデルは新しい回路の生成に優れており、例えば、マスキングや編集といった典型的なdm拡張をサポートし、ターゲットの量子デバイスの制約に回路生成を調整する。
その柔軟性と一般化能力を考えると、DMは量子回路合成において重要な要素であり、実用的な応用だけでなく、理論的量子計算に関する洞察も強化する。
関連論文リスト
- Quantum-classical simulation of quantum field theory by quantum circuit
learning [0.0]
量子回路学習を用いて量子場理論(QFT)をシミュレートする。
我々の予測は厳密な古典計算の結果と密接に一致している。
このハイブリッド量子古典的アプローチは、最先端量子デバイス上での大規模QFTを効率的にシミュレートする可能性を示している。
論文 参考訳(メタデータ) (2023-11-27T20:18:39Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Learning hard distributions with quantum-enhanced Variational
Autoencoders [2.545905720487589]
量子相関を用いて古典的VAEの忠実度を向上させる量子強化型VAE(QeVAE)を提案する。
経験的に、QeVAEは量子状態のいくつかのクラスにおいて古典的モデルよりも優れていることを示す。
我々の研究は、量子生成学習アルゴリズムの新しい応用の道を開いた。
論文 参考訳(メタデータ) (2023-05-02T16:50:24Z) - An Amplitude-Based Implementation of the Unit Step Function on a Quantum
Computer [0.0]
量子コンピュータ上での単位ステップ関数の形で非線形性を近似するための振幅に基づく実装を提案する。
より先進的な量子アルゴリズムに埋め込まれた場合、古典的コンピュータから直接入力を受ける2つの異なる回路タイプを量子状態として記述する。
論文 参考訳(メタデータ) (2022-06-07T07:14:12Z) - Low-rank tensor decompositions of quantum circuits [14.531461873576449]
我々はMPOを用いて量子状態、量子ゲート、量子回路全体を低ランクテンソルとして表現する方法を示す。
これにより、古典コンピュータ上の複雑な量子回路の解析とシミュレーションが可能になる。
論文 参考訳(メタデータ) (2022-05-19T22:09:15Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳(メタデータ) (2021-08-09T18:00:05Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳(メタデータ) (2021-04-21T13:26:42Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z) - Real- and imaginary-time evolution with compressed quantum circuits [0.5089078998562184]
量子回路は、現在の古典的数値よりも劇的に効率的な表現を提供できることを示す。
量子回路では、短期量子コンピュータで実現可能な最適化アルゴリズムを用いて、実時間と虚時間の両方の進化を行う。
論文 参考訳(メタデータ) (2020-08-24T11:16:43Z)
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。