論文の概要: Shorter Pulses, Smaller Errors: Quantum Circuit Optimization via Parameterized Pulses

• arxiv url: http://arxiv.org/abs/2311.02769v1
• Date: Sun, 5 Nov 2023 20:59:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-11-07 15:47:28.734375
• Title: Shorter Pulses, Smaller Errors: Quantum Circuit Optimization via Parameterized Pulses
• Title（参考訳）: 短パルス・小誤差:パラメータ化パルスによる量子回路最適化
• Authors: Finn Voichick, Leonidas Lampropoulos, Robert Rand
• Abstract要約: 本稿では,事前校正パルスを時間的に拡張することで,量子プログラムを最適化する手法を提案する。 予備的な量子プロセストモグラフィーの結果は、我々の戦略がトフォリゲートの誤りを実際に負うことがあることを示唆している。
• 参考スコア（独自算出の注目度）: 0.3277163122167433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a technique for optimizing quantum programs by temporally stretching pre-calibrated pulses. As an example, we modify a three-qubit Toffoli gate implementation by using an off-the-shelf numerical optimization algorithm to shorten the cross-resonance pulses in the sequence. Preliminary quantum process tomography results suggest that our strategy sometimes halves a Toffoli gate's error in practice, increasing process fidelity from around 60% to around 80%. Unlike existing quantum control techniques, ours takes seconds to converge, demonstrating its potential utility when incorporated into a general-purpose compiler pass that improves both the time and the accuracy of quantum programs.
• Abstract（参考訳）: 本稿では,事前調整パルスを時間的伸長することで量子プログラムを最適化する手法を提案する。 例えば、オフザシェルフ数値最適化アルゴリズムを用いて3量子トフォリゲートの実装を修正し、シーケンス内の共振パルスを短縮する。 予備的な量子プロセストモグラフィーの結果は、我々の戦略がトフォリゲートの誤差を実際に抱え、プロセスの忠実度を約60%から約80%に増加させることを示唆している。 既存の量子制御技術とは異なり、我々の計算は数秒で収束し、汎用コンパイラパスに組み込むと量子プログラムの時間と精度が向上する可能性を示す。

関連論文リスト

• Coqa: Blazing Fast Compiler Optimizations for QAOA [3.165516590671437]
  我々は,異なる種類の量子ハードウェアに適したQAOA回路のコンパイルを最適化するために,Coqaを提案する。 平均的なゲート数の30%削減と,ベンチマーク全体のコンパイル時間の39倍の高速化を実現しています。
  論文  参考訳（メタデータ） (2024-08-15T18:12:04Z)
• Quantum Circuit Optimization with AlphaTensor [47.9303833600197]
  我々は,所定の回路を実装するために必要なTゲート数を最小化する手法であるAlphaTensor-Quantumを開発した。 Tカウント最適化の既存の方法とは異なり、AlphaTensor-Quantumは量子計算に関するドメイン固有の知識を取り入れ、ガジェットを活用することができる。 注目すべきは、有限体における乗法であるカラツバの手法に似た効率的なアルゴリズムを発見することである。
  論文  参考訳（メタデータ） (2024-02-22T09:20:54Z)
• The T-Complexity Costs of Error Correction for Control Flow in Quantum Computation [10.655710695515044]
  多くの量子アルゴリズムは、物理量子ビットの不確実性を克服するために量子エラー補正を使用する必要がある。 エラー訂正は、T-複雑性(T-complexity)と呼ばれるパフォーマンスボトルネックを課し、アルゴリズムの実装を理想化されたハードウェアよりも遅く実行することができる。 本稿では,プログラムのT-複雑度を分析し,遅延の原因を特定するために,開発者が利用できるコストモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-21T18:32:05Z)
• Quantum Circuit Optimization through Iteratively Pre-Conditioned Gradient Descent [0.4915744683251151]
  量子回路を最適化し、状態準備と量子アルゴリズムの実装のための性能高速化を示すために、繰り返し事前条件勾配降下(IPG)を行う。 4量子W状態と最大絡み合った5量子GHZ状態を作成するための104ドルの係数による忠実度の向上を示す。 また、IPGを用いて量子フーリエ変換のユニタリを最適化するゲインを示し、IonQの量子処理ユニット(QPU)上でそのような最適化された回路の実行結果を報告する。
  論文  参考訳（メタデータ） (2023-09-18T17:30:03Z)
• QFactor: A Domain-Specific Optimizer for Quantum Circuit Instantiation [0.8258451067861933]
  本稿では、量子回路のインスタンス化、合成、およびコンパイル法で使用される数値最適化演算のためのドメイン固有アルゴリズムを提案する。 QFactorは解析手法とともにテンソルネットワークの定式化と反復的な局所最適化アルゴリズムを用いて問題パラメータの数を削減する。
  論文  参考訳（メタデータ） (2023-06-13T21:51:20Z)
• Graph Neural Network Autoencoders for Efficient Quantum Circuit Optimisation [69.43216268165402]
  我々は、量子回路の最適化にグラフニューラルネットワーク(GNN)オートエンコーダの使い方を初めて提示する。 我々は、量子回路から有向非巡回グラフを構築し、そのグラフを符号化し、その符号化を用いてRL状態を表現する。 我々の手法は、非常に大規模なRL量子回路最適化に向けた最初の現実的な第一歩である。
  論文  参考訳（メタデータ） (2023-03-06T16:51:30Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• Approximate encoding of quantum states using shallow circuits [0.0]
  量子シミュレーションとアルゴリズムの一般的な要件は、2量子ゲートのシーケンスを通して複雑な状態を作成することである。 ここでは、限られた数のゲートを用いて、ターゲット状態の近似符号化を作成することを目的とする。 我々の研究は、局所ゲートを用いて目標状態を作成する普遍的な方法を提供し、既知の戦略よりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2022-06-30T18:00:04Z)
• Quantum Circuit Optimization and Transpilation via Parameterized Circuit Instantiation [0.0]
  本稿では,回路最適化とゲートセットトランスパイレーションという2つの一般的なコンパイルステップにおいて,インスタンス化を適用するアルゴリズムについて述べる。 回路最適化アルゴリズムは、他の最適化コンパイラよりも平均13%少ないゲートを持つ回路を生成する。 我々のゲートセットトランスパイレーションアルゴリズムは、任意のゲートセットをターゲットとし、複数の2キュービットゲートをセットし、他のコンパイラよりも平均12%少ない2キュービットゲートの回路を生成する。
  論文  参考訳（メタデータ） (2022-06-16T02:22:08Z)
• Approximate quantum gates compiling with self-navigation algorithm [0.0]
  任意の精度で1量子ゲートを近似的にコンパイルするアルゴリズムを提案する。 評価の結果,我々のアルゴリズムが生成する全回転距離は,一般的なU3$ゲートよりもかなり短いことがわかった。
  論文  参考訳（メタデータ） (2022-04-06T03:07:17Z)
• Enabling Retargetable Optimizing Compilers for Quantum Accelerators via a Multi-Level Intermediate Representation [78.8942067357231]
  我々は、最適化され、再ターゲット可能で、事前コンパイルが可能なマルチレベル量子古典中間表現(IR)を提案する。 ゲートベースのOpenQASM 3言語全体をサポートし、共通量子プログラミングパターンのカスタム拡張と構文の改善を提供します。 私たちの研究は、通常のPythonのアプローチよりも1000倍高速で、スタンドアロンの量子言語コンパイラよりも5～10倍高速なコンパイル時間を実現しています。
  論文  参考訳（メタデータ） (2021-09-01T17:29:47Z)
• 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)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• Parameter-free Locally Accelerated Conditional Gradients [91.19349793915615]
  私たちは小説を紹介します。 自由局所加速cg(pf-lacg)アルゴリズムは,厳密な収束保証を提供する。 我々の理論結果は,局所加速度を実証し,非加速アルゴリズムに対するPF-LaCGの実用的改善を示す数値実験によって補完される。
  論文  参考訳（メタデータ） (2021-02-12T22:50:01Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Learning to Optimize Non-Rigid Tracking [54.94145312763044]
  我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。 まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。 次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
  論文  参考訳（メタデータ） (2020-03-27T04:40:57Z)

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。