Fugu-MT 論文翻訳(概要): QSweep: Pulse-Optimal Single-Qudit Synthesis

論文の概要: QSweep: Pulse-Optimal Single-Qudit Synthesis

arxiv url: http://arxiv.org/abs/2312.09990v1
Date: Fri, 15 Dec 2023 18:04:13 GMT
ステータス: 処理完了
システム内更新日: 2023-12-18 14:44:16.889783
Title: QSweep: Pulse-Optimal Single-Qudit Synthesis
Title（参考訳）: QSweep: パルス最適単一量子合成
Authors: Ed Younis, Noah Goss
Abstract要約: 本稿では,任意の部分空間ゲートセットに対してパルス最適単一量子分解を生成する数値合成器QSweepを紹介する。クォートゲートを分解する際、QSweepはQSearchより4100倍(最大23500倍)速く、解析解よりも平均7.9少ないパルスを発生させた。
参考スコア（独自算出の注目度）: 0.21756081703276003
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The synthesis of single-qudit unitaries has mainly been understudied, resulting in inflexible and non-optimal analytical solutions, as well as inefficient and impractical numerical solutions. To address this challenge, we introduce QSweep, a guided numerical synthesizer that produces pulse-optimal single-qudit decompositions for any subspace gateset, outperforming all prior solutions. When decomposing ququart gates, QSweep created circuits 4100x (up to 23500x) faster than QSearch with an average of 7.9 fewer pulses than analytical solutions, resulting in an overall 1.54x and 2.36x improvement in experimental single-qutrit and ququart gate fidelity as measured by randomized benchmarking.
Abstract（参考訳）: 単一量子ユニタリの合成は主に検討され、非フレキシブルかつ非最適解析解、非効率で非現実的な数値解が導かれる。この課題に対処するために,任意の部分空間ゲート集合に対してパルス最適単一量子分解を生成する数値合成器qsweepを導入する。クォートゲートを分解する際、QSweepはQSearchより4100倍(最大23500倍)速く、解析解よりも平均7.9少ないパルスを発生させ、その結果、ランダム化されたベンチマークによって測定された実験的な単一クォートゲートとクォートゲートの密度は1.54倍と2.36倍に改善された。

関連論文リスト

Increasing the Hardness of Posiform Planting Using Random QUBOs for Programmable Quantum Annealer Benchmarking [1.6385815610837167]
我々は,多数の小さな離散係数スピングラスイジングモデルを融合させることにより,ポジフォーム植込みQUBOを計算的に困難にすることを検討する。 3つのD-Wave超伝導量子アニーリングプロセッサの性能をベンチマークする。 D-Wave QPUの地中サンプリング成功率は、我々が採用するランダムQUBOのサイズに対して変化しないことがわかった。
論文参考訳（メタデータ） (2024-11-06T02:46:33Z)
Peephole Optimization for Quantum Approximate Synthesis [0.4604003661048266]
量子回路のピープホール最適化は、スケーラブルな量子回路最適化に標準回路アプローチを活用する方法を提供する。本アーキテクチャの最終段階の改善として,エラー認識の追加や,結果の正しさの近似方法の改善などを提案する。
論文参考訳（メタデータ） (2024-09-09T19:22:42Z)
SCott: Accelerating Diffusion Models with Stochastic Consistency Distillation [54.31974179325654]
本稿では,テキスト・画像の高速生成を実現するために,SCott(Consistency Distillation)を提案する。 SCottは、事前訓練された教師モデルの通常の微分方程式解法に基づくサンプリングプロセスを学生に蒸留する。 MSCOCO-2017 5Kデータセットと安定拡散V1.5の教師は、SCottが22.1のFID(Frechet Inceptio Distance)を達成し、1ステップのInstaFlowの23.4を上回り、4ステップのUFOGenと一致する。
論文参考訳（メタデータ） (2024-03-03T13:08:32Z)
Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文参考訳（メタデータ） (2024-01-17T18:59:38Z)
Boosting Fast and High-Quality Speech Synthesis with Linear Diffusion [85.54515118077825]
本稿では, 常微分方程式に基づく線形拡散モデル(LinDiff)を提案する。計算複雑性を低減するため、LinDiffでは、入力信号を小さなパッチに分割するパッチベースの処理アプローチを採用している。我々のモデルは、より高速な合成速度で自己回帰モデルに匹敵する品質の音声を合成することができる。
論文参考訳（メタデータ） (2023-06-09T07:02:43Z)
Solving Oscillation Problem in Post-Training Quantization Through a Theoretical Perspective [74.48124653728422]
ポストトレーニング量子化(PTQ)は、事実上最も効率的な圧縮手法の1つである。我々は、PTQ法で見過ごされた振動問題について論じる。
論文参考訳（メタデータ） (2023-03-21T14:52:52Z)
Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文参考訳（メタデータ） (2022-12-12T15:06:32Z)
Exploring the neighborhood of 1-layer QAOA with Instantaneous Quantum Polynomial circuits [0.0]
我々は1層QAOA回路をパラメータ化即時量子多項式回路のより大きなクラスに埋め込む。最適パラメータを求めるために解析式を用いることで、我々のプロトコルはバレンプラトーやハードウェアノイズに対して堅牢である。我々のプロトコルは、最近リリースされたQuantinuum H2トラップイオン量子ハードウェアとエミュレータの1層QAOAよりも優れている。
論文参考訳（メタデータ） (2022-10-11T15:16:44Z)
Optimal synthesis into fixed XX interactions [1.6443454853415052]
本稿では,2量子ユニタリ演算の正確かつ近似的な合成のための最適手順と,その効率的なソフトウェア実装について述べる。実験的モチベーション付き誤差モデルにおいて, XX型相互作用のどの小集合が期待される不忠実度を最大に向上させるかを分析する。
論文参考訳（メタデータ） (2021-11-03T21:41:31Z)
Multi-objective Recurrent Neural Networks Optimization for the Edge -- a Quantization-based Approach [2.1987431057890467]
本稿では,Multi-Objective Hardware-Aware Quantization (MOHAQ)法を紹介する。本研究では,検索空間内でのみ選択された解を学習し,ビーコンとして利用し,他の解に対する再学習の効果を知るための「ビーコンベース検索」という検索手法を提案する。
論文参考訳（メタデータ） (2021-08-02T22:09:12Z)
Speeding up Computational Morphogenesis with Online Neural Synthetic Gradients [51.42959998304931]
現代科学および工学の適用の広い範囲は制約として部分的な微分方程式(PDEs)のシステムとの最適化問題として定式化されます。これらのPDE制約最適化問題は通常、標準のDisretize-then-optimizeアプローチで解決される。オンラインニューラル合成勾配(ONSG)を用いたPDE制約最適化の高速化のための新しい2スケール最適化手法を提案する。
論文参考訳（メタデータ） (2021-04-25T22:43:51Z)

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。