論文の概要: RobustState: Boosting Fidelity of Quantum State Preparation via
Noise-Aware Variational Training
- arxiv url: http://arxiv.org/abs/2311.16035v1
- Date: Mon, 27 Nov 2023 17:55:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 14:04:09.771931
- Title: RobustState: Boosting Fidelity of Quantum State Preparation via
Noise-Aware Variational Training
- Title（参考訳）: RobustState:ノイズ対応変分訓練による量子状態生成の忠実度向上
- Authors: Hanrui Wang and Yilian Liu and Pengyu Liu and Jiaqi Gu and Zirui Li
and Zhiding Liang and Jinglei Cheng and Yongshan Ding and Xuehai Qian and
Yiyu Shi and David Z. Pan and Frederic T. Chong and Song Han
- Abstract要約: 量子状態の準備には、量子ビットからターゲット量子状態を生成することが含まれる。
本稿では,高ロバスト性と高トレーニング効率を組み合わせた新しいVQSPトレーニング手法であるRobustStateを提案する。
- 参考スコア（独自算出の注目度）: 25.856061402981496
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum state preparation, a crucial subroutine in quantum computing,
involves generating a target quantum state from initialized qubits. Arbitrary
state preparation algorithms can be broadly categorized into arithmetic
decomposition (AD) and variational quantum state preparation (VQSP). AD employs
a predefined procedure to decompose the target state into a series of gates,
whereas VQSP iteratively tunes ansatz parameters to approximate target state.
VQSP is particularly apt for Noisy-Intermediate Scale Quantum (NISQ) machines
due to its shorter circuits. However, achieving noise-robust parameter
optimization still remains challenging.
We present RobustState, a novel VQSP training methodology that combines high
robustness with high training efficiency. The core idea involves utilizing
measurement outcomes from real machines to perform back-propagation through
classical simulators, thus incorporating real quantum noise into gradient
calculations. RobustState serves as a versatile, plug-and-play technique
applicable for training parameters from scratch or fine-tuning existing
parameters to enhance fidelity on target machines. It is adaptable to various
ansatzes at both gate and pulse levels and can even benefit other variational
algorithms, such as variational unitary synthesis.
Comprehensive evaluation of RobustState on state preparation tasks for 4
distinct quantum algorithms using 10 real quantum machines demonstrates a
coherent error reduction of up to 7.1 $\times$ and state fidelity improvement
of up to 96\% and 81\% for 4-Q and 5-Q states, respectively. On average,
RobustState improves fidelity by 50\% and 72\% for 4-Q and 5-Q states compared
to baseline approaches.
- Abstract（参考訳）: 量子状態の準備は量子コンピューティングにおいて重要なサブルーチンであり、初期化量子ビットからターゲット量子状態を生成する。
任意状態準備アルゴリズムは、算術分解(AD)と変分量子状態準備(VQSP)に広く分類することができる。
ADはターゲット状態を一連のゲートに分解するために事前に定義された手順を採用しているが、VQSPはアンサッツパラメータを近似ターゲット状態に反復的にチューニングする。
VQSPは、回路が短いため、ノイズ・中間量子(NISQ)マシンに特に適している。
しかし、ノイズロバストパラメータ最適化の実現は依然として困難である。
本稿では,高ロバスト性と高トレーニング効率を組み合わせた新しいVQSPトレーニング手法であるRobustStateを提案する。
核となるアイデアは、実際の機械からの計測結果を利用して古典的なシミュレータを通してバックプロパゲーションを行い、従って実際の量子ノイズを勾配計算に取り入れることである。
robuststateは、スクラッチからパラメータをトレーニングしたり、既存のパラメータを微調整してターゲットマシンの忠実度を高めるための、汎用的でプラグアンドプレイのテクニックとして機能する。
ゲートレベルとパルスレベルの様々なアンサーゼに適応し、変分ユニタリ合成のような他の変分アルゴリズムの恩恵を受けることができる。
10個の実量子マシンを用いた4つの異なる量子アルゴリズムの状態準備タスクにおけるRobostStateの総合的な評価は、コヒーレントエラーの最大7.1$\times$と4-Qおよび5-Q状態の最大96\%と81\%の改善を示す。
RobustStateは、ベースラインアプローチと比較して、4-Qおよび5-Qのフィデリティを平均50\%、72\%改善する。
関連論文リスト
- Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。
提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
論文 参考訳（メタデータ） (2024-06-17T14:10:10Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - GASP -- A Genetic Algorithm for State Preparation [0.0]
本稿では、量子コンピュータを特定の量子状態に初期化するための、比較的低深さの量子回路を生成する状態準備(GASP)のための遺伝的アルゴリズムを提案する。
GASPは、他の方法よりも低い深さとゲート数で、所定の精度でより効率的な回路を生成することができる。
論文 参考訳（メタデータ） (2023-02-22T04:41:01Z) - Error Mitigation-Aided Optimization of Parameterized Quantum Circuits:
Convergence Analysis [42.275148861039895]
変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。
不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。
QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。
QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
論文 参考訳（メタデータ） (2022-09-23T10:48:04Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - Variational Quantum Pulse Learning [28.040754288931897]
本稿では,学習タスクに量子パルスを直接学習するための新しいパラダイムである変分量子パルス(VQP)を提案する。
VQPは、最適化フレームワークにおいて、パルスの振幅を引いて押すことで変動量子パルスを操作する。
我々は,NISQ(ノイズ中間量子)コンピュータにおけるノイズに対する頑健性を維持している。
論文 参考訳（メタデータ） (2022-03-31T17:58:13Z) - Improved variational quantum eigensolver via quasi-dynamical evolution [0.0]
変分量子固有解法 (VQE) は、現在および短期の量子デバイス向けに設計されたハイブリッド量子古典アルゴリズムである。
VQEには、量子優位性に対する好ましいスケーリングを禁じる問題がある。
本稿では,VQEを補う量子アニール法を提案する。
改良されたVQEは不毛の台地を回避し、局所的なミニマを放出し、低深度回路で動作する。
論文 参考訳（メタデータ） (2022-02-21T11:21:44Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳（メタデータ） (2022-01-04T01:53:42Z) - The Variational Quantum Eigensolver: a review of methods and best
practices [3.628860803653535]
変分量子固有解法(VQE)は変動原理を用いてハミルトンの基底状態エネルギーを計算する。
本総説は,アルゴリズムの様々な部分における進捗状況について概説することを目的としている。
論文 参考訳（メタデータ） (2021-11-09T14:40:18Z) - QuantumNAT: Quantum Noise-Aware Training with Noise Injection,
Quantization and Normalization [22.900530292063348]
量子回路(PQC)は、短期量子ハードウェアにおける量子優位性を約束している。
しかし、大きな量子ノイズ(エラー)のため、PQCモデルの性能は実際の量子デバイスで著しく低下する。
本稿では,PQC固有のフレームワークであるQuantumNATを提案する。
論文 参考訳（メタデータ） (2021-10-21T17:59:19Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。