論文の概要: Cutting circuits with multiple two-qubit unitaries
- arxiv url: http://arxiv.org/abs/2312.11638v3
- Date: Fri, 26 Apr 2024 09:00:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 17:48:19.311249
- Title: Cutting circuits with multiple two-qubit unitaries
- Title（参考訳）: 複数の2量子ユニタリを持つカット回路
- Authors: Lukas Schmitt, Christophe Piveteau, David Sutter,
- Abstract要約: 準確率的切断技術により、大きな量子回路を小さなサブ回路に分割することができる。
ゲート切断の最小コストを決定するとともに,回路間の古典的な通信がサンプリングオーバーヘッドを改善できるかどうかを理解することが重要である。
- 参考スコア（独自算出の注目度）: 1.3791394805787949
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quasiprobabilistic cutting techniques allow us to partition large quantum circuits into smaller subcircuits by replacing non-local gates with probabilistic mixtures of local gates. The cost of this method is a sampling overhead that scales exponentially in the number of cuts. It is crucial to determine the minimal cost for gate cutting and to understand whether allowing for classical communication between subcircuits can improve the sampling overhead. In this work, we derive a closed formula for the optimal sampling overhead for cutting an arbitrary number of two-qubit unitaries and provide the corresponding decomposition. Interestingly, cutting several arbitrary two-qubit unitaries together is cheaper than cutting them individually and classical communication does not give any advantage. This is even the case when one cuts multiple non-local gates that are placed far apart in the circuit.
- Abstract（参考訳）: 準確率的切断法により、非局所ゲートを局所ゲートの確率混合に置き換えることで、大きな量子回路を小さなサブ回路に分割することができる。
この手法のコストは、カット数で指数関数的にスケールするサンプリングオーバーヘッドである。
ゲート切断の最小コストを決定するとともに,回路間の古典的な通信がサンプリングオーバーヘッドを改善できるかどうかを理解することが重要である。
本研究では,任意の数の2量子ユニタリを切断する最適なサンプリングオーバーヘッドの計算式を導出し,それに対応する分解を行う。
興味深いことに、任意の2ビットのユニタリをひとつに切ることは、それらを個別に切るよりも安価であり、古典的なコミュニケーションはいかなる利点も与えない。
これは、回路内で遠くに配置された複数の非局所ゲートを切断することさえある。
関連論文リスト
- Cutting a Wire with Non-Maximally Entangled States [39.79428554301806]
回路切断技術は、古典的な通信による量子計算の分配を可能にする。
量子テレポーテーションは、回路の実行を指数的に増加させることなく、量子計算の分配を可能にする。
本稿では、この最適なサンプリングオーバヘッドを実現するために、純非最大絡み状態を用いたワイヤ切断手法を提案する。
論文 参考訳（メタデータ） (2024-02-13T14:12:06Z) - Optimal joint cutting of two-qubit rotation gates [2.4646794072984477]
仮想ゲート・テレポーテーションプロトコルに基づく2ビット回転ゲートの連成切断方式を提案する。
回路分割間の古典的な通信は不要であることを示す。
論文 参考訳（メタデータ） (2023-12-15T10:52:04Z) - Circuit Cutting with Non-Maximally Entangled States [59.11160990637615]
分散量子コンピューティングは、複数のデバイスの計算能力を組み合わせて、個々のデバイスの限界を克服する。
回路切断技術は、古典的な通信を通じて量子計算の分配を可能にする。
量子テレポーテーション(quantum teleportation)は、指数的なショットの増加を伴わない量子計算の分布を可能にする。
非最大エンタングル量子ビット対を利用する新しい回路切断法を提案する。
論文 参考訳（メタデータ） (2023-06-21T08:03:34Z) - All this for one qubit? Bounds on local circuit cutting schemes [0.0]
局所的に作用する回路切断方式は,回路の残りの部分から1量子ビットでも効率的に分割可能であることを示す。
また、各回路切断方式は、単位チャネルのみを適用するだけでは機能しないことを示す。
論文 参考訳（メタデータ） (2023-03-23T16:44:38Z) - An alternative approach to optimal wire cutting without ancilla qubits [0.0]
本稿では,アシラ量子ビットを用いたワイヤ切断と同様の最適乗算係数を実現するサブ回路のペアに対して,ワイヤ切断を改良したアプローチを提案する。
また, ユニタリな2-設計は分解を満足させるのに十分な基礎を提供するが, 2-設計は数学的に必要ではないことを示す。
論文 参考訳（メタデータ） (2023-03-15T00:22:29Z) - Doubly optimal parallel wire cutting without ancilla qubits [0.4394730767364254]
利用可能な量子ビットの品質と量の制限は、短期および早期のフォールトトレラント量子コンピュータの適用に重大な障害をもたらす。
本稿では,並列な$n$-qubitアイデンティティチャネルをローカル操作と古典通信の集合に分解する問題について検討する。
本稿では, サンプリングオーバーヘッドとチャネル数の両方において最小限のオーバーヘッドを達成できる, 相互に偏りのないベースに基づくチャネルを最適に切断する手法を提案する。
論文 参考訳（メタデータ） (2023-03-13T17:59:18Z) - Optimal wire cutting with classical communication [3.577310844634503]
回路間の古典的通信が不要な切断ワイヤの最適コストは,それぞれ$O(16n)$と$O(4n)$であることを示す。
論文 参考訳（メタデータ） (2023-02-07T10:19:58Z) - Software mitigation of coherent two-qubit gate errors [55.878249096379804]
2量子ゲートは量子コンピューティングの重要な構成要素である。
しかし、量子ビット間の不要な相互作用(いわゆる寄生ゲート)は、量子アプリケーションの性能を低下させる。
寄生性2ビットゲート誤差を軽減するための2つのソフトウェア手法を提案する。
論文 参考訳（メタデータ） (2021-11-08T17:37:27Z) - Random quantum circuits anti-concentrate in log depth [118.18170052022323]
本研究では,典型的な回路インスタンスにおける測定結果の分布に要するゲート数について検討する。
我々の反集中の定義は、予測衝突確率が分布が均一である場合よりも大きい定数因子に過ぎないということである。
ゲートが1D環上で最寄りである場合と、ゲートが長距離である場合の両方において、$O(n log(n))ゲートも十分であることを示す。
論文 参考訳（メタデータ） (2020-11-24T18:44:57Z) - A Linearly Convergent Algorithm for Decentralized Optimization: Sending
Less Bits for Free! [72.31332210635524]
分散最適化手法は、中央コーディネータを使わずに、機械学習モデルのデバイス上でのトレーニングを可能にする。
ランダム化圧縮演算子を適用し,通信ボトルネックに対処する新しいランダム化一階法を提案する。
本手法は,ベースラインに比べて通信数の増加を伴わずに問題を解くことができることを示す。
論文 参考訳（メタデータ） (2020-11-03T13:35:53Z) - Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。
提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
論文 参考訳（メタデータ） (2020-05-14T16:00:34Z)
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。