論文の概要: Compilation of product-formula Hamiltonian simulation via reinforcement
learning
- arxiv url: http://arxiv.org/abs/2311.04285v1
- Date: Tue, 7 Nov 2023 19:00:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-09 17:53:32.909772
- Title: Compilation of product-formula Hamiltonian simulation via reinforcement
learning
- Title（参考訳）: 強化学習による製品形式ハミルトンシミュレーションのコンパイル
- Authors: Lea M. Trenkwalder, Eleanor Scerri, Thomas E. O'Brien, Vedran Dunjko
- Abstract要約: ハミルトンシミュレーションは、量子コンピュータが量子優位性をもたらす最初のタスクの1つであると考えられている。
ハミルトンシミュレーションの最も一般的な方法の1つは、近似 $eisum_jA_jsim prod_jeiA_j$ を利用するトロッター化である。
これは、順序に依存しない量子回路のコンパイルという新しいコンパイル問題を示す。
- 参考スコア（独自算出の注目度）: 2.6217304977339473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hamiltonian simulation is believed to be one of the first tasks where quantum
computers can yield a quantum advantage. One of the most popular methods of
Hamiltonian simulation is Trotterization, which makes use of the approximation
$e^{i\sum_jA_j}\sim \prod_je^{iA_j}$ and higher-order corrections thereto.
However, this leaves open the question of the order of operations (i.e. the
order of the product over $j$, which is known to affect the quality of
approximation). In some cases this order is fixed by the desire to minimise the
error of approximation; when it is not the case, we propose that the order can
be chosen to optimize compilation to a native quantum architecture. This
presents a new compilation problem -- order-agnostic quantum circuit
compilation -- which we prove is NP-hard in the worst case. In lieu of an
easily-computable exact solution, we turn to methods of heuristic optimization
of compilation. We focus on reinforcement learning due to the sequential nature
of the compilation task, comparing it to simulated annealing and Monte Carlo
tree search. While two of the methods outperform a naive heuristic,
reinforcement learning clearly outperforms all others, with a gain of around
12% with respect to the second-best method and of around 50% compared to the
naive heuristic in terms of the gate count. We further test the ability of RL
to generalize across instances of the compilation problem, and find that a
single learner is able to solve entire problem families. This demonstrates the
ability of machine learning techniques to provide assistance in an
order-agnostic quantum compilation task.
- Abstract（参考訳）: ハミルトンシミュレーションは、量子コンピュータが量子優位をもたらす最初のタスクの1つであると考えられている。
ハミルトンシミュレーションの最も一般的な方法の1つはトロッター化であり、これは近似 $e^{i\sum_jA_j}\sim \prod_je^{iA_j}$ と高階補正を用いる。
しかし、これは操作の順序(すなわち、近似の質に影響を与えることが知られている$j$以上の製品の順序)に関する疑問を解き放つ。
いくつかのケースでは、この順序は近似の誤差を最小限に抑えたいという願望によって固定されるが、そうでない場合には、ネイティブな量子アーキテクチャへのコンパイルを最適化するために順序を選択することができる。
これは新しいコンパイル問題 -- 順序非依存の量子回路コンパイル -- を示し、最悪の場合にはnpハードであることを証明します。
計算が容易な完全解の代わりに、コンパイルのヒューリスティック最適化の方法に目を向ける。
コンピレーションタスクの逐次性による強化学習に着目し,モンテカルロ木探索と模擬アニーリングとの比較を行った。
2つの方法がナイーブのヒューリスティックよりも優れているのに対して、強化学習は他のすべての方法よりも明らかに優れており、第2の方法に関して約12%、ゲート数でナイーブのヒューリスティックと比較すると約50%の利得がある。
さらに、コンパイル問題のインスタンスをまたいで一般化するrlの能力をテストし、単一の学習者が問題ファミリー全体を解決できることを見出す。
これは、順序に依存しない量子コンパイルタスクで補助を提供する機械学習技術の能力を示す。
関連論文リスト
- Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている
SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。
この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文 参考訳（メタデータ） (2024-08-14T19:04:13Z) - Promise of Graph Sparsification and Decomposition for Noise Reduction in QAOA: Analysis for Trapped-Ion Compilations [5.451583832235867]
我々は Max-Cut 問題を解くための近似コンパイル手法を開発した。
結果はグラフスカラー化と分解の原則に基づいている。
新たなコンパイル手法では,ノイズの顕著な低減が示される。
論文 参考訳（メタデータ） (2024-06-20T14:00:09Z) - Unbiased random circuit compiler for time-dependent Hamiltonian
simulation [8.694056486825318]
時間依存ハミルトニアンシミュレーションは量子コンピューティングにおいて重要な課題である。
我々はTDHSのための非バイアスランダムコンパイラを開発した。
相互作用図に基づくスピンモデルと分子系の断熱基底状態の数値シミュレーションを行う。
論文 参考訳（メタデータ） (2022-12-19T13:40:05Z) - Multi-block-Single-probe Variance Reduced Estimator for Coupled
Compositional Optimization [49.58290066287418]
構成問題の複雑さを軽減するために,MSVR (Multi-block-probe Variance Reduced) という新しい手法を提案する。
本研究の結果は, 試料の複雑さの順序や強靭性への依存など, 様々な面で先行して改善された。
論文 参考訳（メタデータ） (2022-07-18T12:03:26Z) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳（メタデータ） (2022-07-07T08:04:15Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳（メタデータ） (2022-06-30T03:15:23Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Best-practice aspects of quantum-computer calculations: A case study of
hydrogen molecule [0.0]
我々は、これらの計算の最も実践的な側面を調べることを目的とした、量子コンピュータランニングの広範囲なシミュレーションを行った。
ブラヴィイ・キタエフ変換により得られた量子固有解法(VQE)を量子ハミルトニアンに応用し、様々な計算技術の影響を分析した。
論文 参考訳（メタデータ） (2021-12-02T13:21:10Z) - Quantum algorithms for approximate function loading [0.0]
我々は,Grover-RudolphアルゴリズムにインスパイアされたNISQ時代の量子状態生成法を2つ導入した。
上述の滑らかさ条件を超えて関数をロードできる変分アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-15T17:36:13Z) - Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。
我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。
我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文 参考訳（メタデータ） (2021-11-09T18:49:48Z) - Combinatorial optimization through variational quantum power method [0.0]
本稿では,電力繰り返しに対する変分量子回路法を提案する。
ユニタリ行列の固有ペアや関連するハミルトン多様体を見つけるのに使うことができる。
回路は、短期量子コンピュータ上で簡単にシミュレートできる。
論文 参考訳（メタデータ） (2020-07-02T10:34:16Z)
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。