論文の概要: Reinforcement Learning Based Quantum Circuit Optimization via ZX-Calculus

• arxiv url: http://arxiv.org/abs/2312.11597v2
• Date: Thu, 9 May 2024 11:38:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-10 17:59:24.225643
• Title: Reinforcement Learning Based Quantum Circuit Optimization via ZX-Calculus
• Title（参考訳）: ZX-Calculusによる強化学習に基づく量子回路最適化
• Authors: Jordi Riu, Jan Nogué, Gerard Vilaplana, Artur Garcia-Saez, Marta P. Estarellas,
• Abstract要約: 本稿では,ZX-ダイアグラムのグラフ理論的単純化規則を用いて,量子回路を最適化するための新しい強化学習法を提案する。 そこで本研究では,ZX計算に基づく最適アルゴリズムと比較し,提案手法の能力を示す。 我々のアプローチは、短期中間スケール範囲(NISQ)における量子アルゴリズムの実装のための貴重なツールとして使われる準備ができている。
• 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 graph-theoretic simplification rules of ZX-diagrams. The agent, trained using the Proximal Policy Optimization (PPO) algorithm, employs Graph Neural Networks to approximate the policy and value functions. We demonstrate the capacity of our approach by comparing it against the best performing ZX-calculus-based algorithm for the problem in hand. After training on small Clifford+T circuits of 5-qubits and few tenths of gates, the agent consistently improves the state-of-the-art for this type of circuits, with up to 40-qubit and 1200 gates, whilst remaining competitive in terms of computational performance. Additionally, we illustrate its versatility by targeting both total and two-qubit gate count reduction, conveying the potential of tailoring its reward function to the specific characteristics of each hardware backend. Our approach is ready to be used as a valuable tool for the implementation of quantum algorithms in the near-term intermediate-scale range (NISQ).
• Abstract（参考訳）: 本稿では,ZX-ダイアグラムのグラフ理論的単純化規則を用いて,量子回路を最適化するための新しい強化学習法を提案する。 このエージェントはPPOアルゴリズムを用いて訓練され、グラフニューラルネットワークを用いてポリシーと値関数を近似する。 そこで本研究では,ZX計算に基づく最適アルゴリズムと比較し,提案手法の能力を示す。 5量子ビットの小さなクリフォード+T回路と10分の1のゲートの訓練の後、エージェントは、計算性能の点で競争力を維持しながら、40量子ビットと1200個のゲートを持つこの種の回路の最先端を一貫して改善した。 さらに、全ゲート数と2ビットゲート数の削減を目標とし、各ハードウェアバックエンドの特定の特性に合わせて報酬関数を調整する可能性を示す。 我々のアプローチは、短期中間スケール範囲(NISQ)における量子アルゴリズムの実装のための貴重なツールとして使われる準備ができている。

関連論文リスト

• Quantum Circuit Optimization using Differentiable Programming of Tensor Network States [0.0]
  このアルゴリズムは古典的なハードウェア上で動作し、浅い正確な量子回路を見つける。 すべての回路は、適切なCPU時間と控えめなメモリ要求下で高い状態忠実性を達成する。
  論文  参考訳（メタデータ） (2024-08-22T17:48:53Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
  近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。 我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。 我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T06:59:23Z)
• 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)
• Optimization at the Interface of Unitary and Non-unitary Quantum Operations in PCOAST [0.3496513815948205]
  Pauliベースの回路最適化・分析・合成ツールチェーン(PCOAST)は、量子回路を最適化するためのフレームワークとして導入された。 本稿では,単元演算と非単元演算の場合にPCOASTグラフを最適化するサブルーチンの集合に着目した。 本稿では,変分量子固有解法(VQE)アルゴリズムの例として,Intel Quantum SDKを用いたPCOAST最適化サブルーチンの評価を行った。
  論文  参考訳（メタデータ） (2023-05-16T22:58:14Z)
• 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)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• 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)

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。