論文の概要: Reinforcement Learning Based Quantum Circuit Optimization via
ZX-Calculus
- arxiv url: http://arxiv.org/abs/2312.11597v1
- Date: Mon, 18 Dec 2023 17:59:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 18:08:07.267829
- Title: Reinforcement Learning Based Quantum Circuit Optimization via
ZX-Calculus
- Title(参考訳): zx計算による強化学習に基づく量子回路最適化
- Authors: Jordi Riu, Jan Nogu\'e, Gerard Vilaplana, Artur Garcia-Saez and Marta
P. Estarellas
- Abstract要約: 本稿では,ZX-ダイアグラムのグラフ的表現を用いた量子回路の最適化のための新しい強化学習法を提案する。
そこで本研究では,PyZXライブラリのZX計算に基づくアルゴリズムと比較し,回路サイズを2つに分けて評価した。
本研究では,5量子回路から最大450クリフォードゲートの20量子回路に学習した戦略を一般化し,計算性能の面では競争力を維持しつつ,圧縮性を向上できることを実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a novel Reinforcement Learning (RL) method for optimizing quantum
circuits using the graph-like representation of a ZX-diagram. The agent,
trained using the Proximal Policy Optimization (PPO) algorithm, employs Graph
Neural Networks to approximate the policy and value functions. We test our
approach for two differentiated circuit size regimes of increasing relevance,
and benchmark it against the best-performing ZX-calculus based algorithm of the
PyZX library, a state-of-the-art tool for circuit optimization in the field. We
demonstrate that the agent can generalize the strategies learned from 5-qubit
circuits to 20-qubit circuits of up to 450 Clifford gates, with enhanced
compressions with respect to its counterpart while remaining competitive in
terms of computational performance.
- Abstract(参考訳): 本稿では,ZX-ダイアグラムのグラフ的表現を用いた量子回路の最適化のための新しい強化学習法を提案する。
ppo(proximal policy optimization)アルゴリズムを使用してトレーニングされたエージェントは、ポリシとバリュー関数を近似するためにグラフニューラルネットワークを使用する。
提案手法は,2つの異なる回路サイズ領域において有意性を高める手法をテストし,その分野における回路最適化のための最先端ツールであるpyzxライブラリのzx計算に基づくアルゴリズムと比較する。
本研究では,5量子回路から最大450クリフォードゲートの20量子回路に学習した戦略を一般化し,計算性能の面では競争力を維持しつつ,圧縮性を向上できることを実証する。
関連論文リスト
- Optimizing ZX-Diagrams with Deep Reinforcement Learning [0.0]
ZXダイアグラムは量子過程を記述するための強力なグラフィカル言語である。
本稿では,ZX-ダイアグラムと強化学習を組み合わせた機械学習手法を提案する。
エージェントのポリシを符号化するグラフニューラルネットワークを使用することで、トレーニングフェーズで見られるよりもはるかに大きなダイアグラムへの一般化が可能になる。
論文 参考訳(メタデータ) (2023-11-30T14:29:18Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳(メタデータ) (2023-08-29T17:53:08Z) - GloptiNets: Scalable Non-Convex Optimization with Certificates [61.50835040805378]
本稿では,ハイパーキューブやトーラス上のスムーズな関数を扱う証明書を用いた非キューブ最適化手法を提案する。
スペクトルの減衰に固有の対象関数の正則性を活用することにより、正確な証明を取得し、高度で強力なニューラルネットワークを活用することができる。
論文 参考訳(メタデータ) (2023-06-26T09:42:59Z) - A recursively partitioned approach to architecture-aware ZX Polynomial
synthesis and optimization [0.0]
我々は、PauliOptのアプローチを合成に基づく探索に置き換え、ZXOAライブラリから最適化回路を合成するために分割・征服法を利用する。
アーキテクチャを意識した手法を用いることの利点を強調したランダム化回路の利点を示す。
論文 参考訳(メタデータ) (2023-03-30T13:29:41Z) - 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) - Vanishing 2-Qubit Gates with Non-Simplification ZX-Rules [1.0089382889894247]
量子回路はZX-ダイアグラムに変換することができ、ZX-計算の規則を用いて単純化することができる。
最もよく知られた抽出手順は、2量子ゲートの数を劇的に増やすことができる。
ZX-ダイアグラムの局所的な変化が抽出回路の複雑さに大きく影響するという事実を生かしている。
論文 参考訳(メタデータ) (2022-09-14T18:43:21Z) - Hybrid quantum-classical circuit simplification with the ZX-calculus [0.0]
この研究は、ハイブリッド回路の中間表現として、ZX-groundと呼ばれる形式的なグラフィカルなZX計算を拡張している。
グラフのサイズを小さくするZX-グラウンドダイアグラムに対して,多数のgFlow保存最適化ルールを導出する。
抽出回路の古典ゲートで実装可能な回路状ZX地上図のセグメントを検出するための一般的な手順を提案する。
論文 参考訳(メタデータ) (2021-09-13T15:45:56Z) - 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) - 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) - Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。
後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。
近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
論文 参考訳(メタデータ) (2020-07-29T05:26:19Z) - A Generic Compilation Strategy for the Unitary Coupled Cluster Ansatz [68.8204255655161]
本稿では,変分量子固有解法(VQE)アルゴリズムのコンパイル戦略について述べる。
我々は、回路深さとゲート数を減らすために、ユニタリ結合クラスタ(UCC)アンサッツを使用する。
論文 参考訳(メタデータ) (2020-07-20T22:26:16Z)
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。