論文の概要: Quantum circuit synthesis with diffusion models

• arxiv url: http://arxiv.org/abs/2311.02041v2
• Date: Tue, 21 May 2024 11:37:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-22 19:01:09.303099
• 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 Fürrutter, Gorka Muñoz-Gil, 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）: 0.6554326244334868
• 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、変革的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。 モデルを2つのタスク – 絡み合い生成とユニタリコンパイル – にまたがる能力を示す。 このモデルは新しい回路の生成に優れ、マスクや編集などの典型的なDM拡張をサポートし、例えば、回路生成をターゲットの量子デバイスの制約に合わせる。 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中心的な役割を担い、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

• Application of Large Language Models to Quantum State Simulation [0.11666234644810894]
  現在、様々な量子シミュレーターが研究者に強力なツールを提供しているが、これらのシミュレーターで量子進化をシミュレートすると、しばしば高コストが発生する。 本稿では、1量子ビットと2量子ビットの量子シミュレータモデルを構築し、複数の量子ビットに拡張し、最終的には3量子ビットの例を実装する過程を詳述する。 本研究は,LLMが量子ビット間の進化パターンを理論的出力状態と比較して最小限の誤差で効果的に学習し,予測できることを実証する。
  論文  参考訳（メタデータ） (2024-10-09T07:23:13Z)
• LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [5.295820453939521]
  量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。 本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
  論文  参考訳（メタデータ） (2024-09-22T23:18:06Z)
• 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)
• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• 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)
• 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-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)

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。