Fugu-MT 論文翻訳(概要): Powerful Quantum Circuit Resizing with Resource Efficient Synthesis

論文の概要: Powerful Quantum Circuit Resizing with Resource Efficient Synthesis

arxiv url: http://arxiv.org/abs/2311.13107v1
Date: Wed, 22 Nov 2023 02:18:34 GMT
ステータス: 処理完了
システム内更新日: 2023-11-23 16:34:15.169390
Title: Powerful Quantum Circuit Resizing with Resource Efficient Synthesis
Title（参考訳）: 資源効率の良い合成による量子回路の小型化
Authors: Siyuan Niu, Akel Hashim, Costin Iancu, Wibe Albert de Jong, and Ed Younis
Abstract要約: 本稿では,2つのアルゴリズムを紹介する。 1つ目は、ゲート依存性のルールを利用して、深さを最適化するときにキュービット数を61.6%または45.3%削減する。第2のアルゴリズムは、依存ルールやその他の最先端ツールを介して、従来は変更不可能だった回路のリサイズ機会を見つける。
参考スコア（独自算出の注目度）: 0.4980726355048842
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the noisy intermediate-scale quantum era, mid-circuit measurement and reset operations facilitate novel circuit optimization strategies by reducing a circuit's qubit count in a method called resizing. This paper introduces two such algorithms. The first one leverages gate-dependency rules to reduce qubit count by 61.6% or 45.3% when optimizing depth as well. Based on numerical instantiation and synthesis, the second algorithm finds resizing opportunities in previously unresizable circuits via dependency rules and other state-of-the-art tools. This resizing algorithm reduces qubit count by 20.7% on average for these previously impossible-to-resize circuits.
Abstract（参考訳）: ノイズの多い中間スケールの量子時代において、中間回路の測定とリセット操作は、リサイズと呼ばれる方法で回路の量子ビット数を減らし、新しい回路最適化戦略を促進する。本稿では2つのアルゴリズムを紹介する。 1つはゲート依存ルールを利用して、深さを最適化するときにキュービット数を61.6%または45.3%削減する。数値的なインスタンス化と合成に基づいて、第2のアルゴリズムは、依存ルールやその他の最先端ツールを介して、従来は変更できなかった回路の縮小機会を求める。この再サイズアルゴリズムは、従来不可能だった回路の量子ビット数を平均で20.7%削減する。

関連論文リスト

Quantum State Preparation Circuit Optimization Exploiting Don't Cares [6.158168913938158]
量子状態の準備は量子レジスタを初期化し、量子アルゴリズムの実行に必須である。既存の方法は初期回路を合成し、コンパイラを利用して回路のゲート数を削減する。そこで,本研究では,従来の回路の代替として,このようなユニタリを識別するピープホール最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-02T18:40:42Z)
On the Constant Depth Implementation of Pauli Exponentials [49.48516314472825]
任意の指数を$mathcalO(n)$ ancillae と 2体 XX と ZZ の相互作用を用いて一定深さの回路に分解する。クビットリサイクルの恩恵を受ける回路の書き直し規則を導入し,本手法の正しさを実証する。
論文参考訳（メタデータ） (2024-08-15T17:09:08Z)
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)
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)
Wide Quantum Circuit Optimization with Topology Aware Synthesis [0.8469686352132708]
ユニタリ合成は、量子回路を制限的量子ビット位相にマッピングしながら最適なマルチキュービットゲート数を達成する最適化手法である。我々は,emphBQSKitフレームワークで構築されたトポロジ対応合成ツールであるTopASを紹介した。
論文参考訳（メタデータ） (2022-06-27T21:59:30Z)
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)
Gaussian Elimination versus Greedy Methods for the Synthesis of Linear Reversible Circuits [0.0]
可逆回路は、量子コンピューティングに多くの応用がある可逆回路のサブクラスを表す。ガウス除去アルゴリズムの最適化版と調整LU分解を用いて,任意の線形可逆作用素に対する新しいアルゴリズムを提案する。全体として、我々のアルゴリズムは特定の問題サイズに対する最先端の手法を改善している。
論文参考訳（メタデータ） (2022-01-17T16:31:42Z)
Reducing the Depth of Linear Reversible Quantum Circuits [0.0]
量子コンピューティングでは、量子ビットのデコヒーレンス時間が計算時間を決定する。本稿では,既存のアルゴリズムの2倍の浅さの量子回路を生成する分割・征服アルゴリズムの実用的な定式化を提案する。全体としては、可逆関数のクラス全体の深さを一貫して減らし、アンシラフリーケースでは最大92%、アシラリーキュービットが利用可能であれば最大99%に抑えることができる。
論文参考訳（メタデータ） (2022-01-17T12:36:32Z)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
Qubit-efficient entanglement spectroscopy using qubit resets [0.0]
NISQデバイス上でのエンタングルメント分光のための量子ビット効率の量子アルゴリズムを開発した。我々のアルゴリズムは、ノイズの存在下で同様の性能を保ちながら、従来のどの効率的なアルゴリズムよりも少ない量子ビットを使用する。また、量子ビットリセット回路に適した標準回路深さの一般化として、有効回路深さの概念を導入する。
論文参考訳（メタデータ） (2020-10-06T23:22:57Z)
Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。ラグランジアン分解に基づく新しい手法を提案する。ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
論文参考訳（メタデータ） (2020-02-24T17:55:10Z)

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。