論文の概要: QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits

• arxiv url: http://arxiv.org/abs/2401.05571v1
• Date: Wed, 10 Jan 2024 22:33:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-13 01:58:47.617146
• Title: QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits
• Title（参考訳）: quantumsea: 雑音適応量子回路のリアルタイムスパース探索
• Authors: Tianlong Chen, Zhenyu Zhang, Hanrui Wang, Jiaqi Gu, Zirui Li, David Z. Pan, Frederic T. Chong, Song Han, Zhangyang Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 82.50620782471485
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parameterized Quantum Circuits (PQC) have obtained increasing popularity thanks to their great potential for near-term Noisy Intermediate-Scale Quantum (NISQ) computers. Achieving quantum advantages usually requires a large number of qubits and quantum circuits with enough capacity. However, limited coherence time and massive quantum noises severely constrain the size of quantum circuits that can be executed reliably on real machines. To address these two pain points, we propose QuantumSEA, an in-time sparse exploration for noise-adaptive quantum circuits, aiming to achieve two key objectives: (1) implicit circuits capacity during training - by dynamically exploring the circuit's sparse connectivity and sticking a fixed small number of quantum gates throughout the training which satisfies the coherence time and enjoy light noises, enabling feasible executions on real quantum devices; (2) noise robustness - by jointly optimizing the topology and parameters of quantum circuits under real device noise models. In each update step of sparsity, we leverage the moving average of historical gradients to grow necessary gates and utilize salience-based pruning to eliminate insignificant gates. Extensive experiments are conducted with 7 Quantum Machine Learning (QML) and Variational Quantum Eigensolver (VQE) benchmarks on 6 simulated or real quantum computers, where QuantumSEA consistently surpasses noise-aware search, human-designed, and randomly generated quantum circuit baselines by a clear performance margin. For example, even in the most challenging on-chip training regime, our method establishes state-of-the-art results with only half the number of quantum gates and ~2x time saving of circuit executions. Codes are available at https://github.com/VITA-Group/QuantumSEA.
• Abstract（参考訳）: パラメータ化量子回路 (PQC) は、近未来のノイズ中間規模量子 (NISQ) コンピュータの潜在能力によって人気が高まっている。 量子の利点を達成するには、多くの量子ビットと十分な容量を持つ量子回路が必要となる。 しかし、コヒーレンス時間と大規模な量子ノイズは、実際のマシンで確実に実行できる量子回路のサイズを著しく制限する。 To address these two pain points, we propose QuantumSEA, an in-time sparse exploration for noise-adaptive quantum circuits, aiming to achieve two key objectives: (1) implicit circuits capacity during training - by dynamically exploring the circuit's sparse connectivity and sticking a fixed small number of quantum gates throughout the training which satisfies the coherence time and enjoy light noises, enabling feasible executions on real quantum devices; (2) noise robustness - by jointly optimizing the topology and parameters of quantum circuits under real device noise models. 各更新ステップでは,過去の勾配の移動平均を利用して必要なゲートを成長させ,無意味なゲートを除去するためにサリエンス・プルーニングを利用する。 7つの量子機械学習(QML)と変分量子固有解器(VQE)のベンチマークにより、量子SEAはノイズ認識検索、人間設計、ランダムに生成された量子回路ベースラインを、明確なパフォーマンスマージンで一貫して超えている。 例えば、最も困難なオンチップトレーニングシステムであっても、我々の手法は、量子ゲートの数の半分と回路実行の約2倍の時間節約で最先端の結果を確立する。 コードはhttps://github.com/VITA-Group/QuantumSEA.comで入手できる。

関連論文リスト

• Robust Implementation of Discrete-time Quantum Walks in Any Finite-dimensional Quantum System [2.646968944595457]
  離散時間量子ウォーク(DTQW)は、回路実装に最も適した選択の1つである。 本稿では,ゲート数および回路深さに関する回路コストを半減することに成功した。 提案手法の工学的卓越性には、近似効率を持つ任意の有限次元量子系にDTQWを実装している。
  論文  参考訳（メタデータ） (2024-08-01T13:07:13Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Assisted quantum simulation of open quantum systems [0.0]
  NISQ技術を用いてUQAの回路深さを低減する量子支援量子アルゴリズムを導入する。 オープン量子システムをシミュレーションするための量子支援量子アルゴリズムを2つ提案する。
  論文  参考訳（メタデータ） (2023-02-26T11:41:02Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• QuantumNAS: Noise-Adaptive Search for Robust Quantum Circuits [26.130594925642143]
  ノイズノイズは、NISQ(Noisy Intermediate-Scale Quantum)コンピュータにおける鍵となる課題である。 可変回路と量子ビットマッピングのノイズ適応型共同研究のための,最初の包括的なフレームワークであるQuantumNASを提案し,実験的に実装した。 QMLタスクでは、QuantumNASは95%以上の2クラス、85%の4クラス、実際の量子コンピュータ上での10クラスの分類精度を初めて証明した。
  論文  参考訳（メタデータ） (2021-07-22T17:58:13Z)
• Quantum circuit synthesis of Bell and GHZ states using projective simulation in the NISQ era [0.0]
  量子ビット数に制限のある雑音量子コンピュータの量子回路合成問題に取り組むために,強化学習手法である投影シミュレーションの有効性について検討した。 シミュレーションの結果, エージェントの性能は良好であったが, 量子ビット数の増加に伴い新しい回路の学習能力は低下した。
  論文  参考訳（メタデータ） (2021-04-27T16:11:27Z)
• Exploiting dynamic quantum circuits in a quantum algorithm with superconducting qubits [0.207811670193148]
  超伝導系量子システム上に動的量子回路を構築する。 我々は、量子位相推定という最も基本的な量子アルゴリズムの1つを適応バージョンで活用する。 我々は、動的回路を用いたリアルタイム量子コンピューティングのバージョンが、実質的で有意義な利点をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-02-02T18:51:23Z)
• 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)
• Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
  Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。 観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
  論文  参考訳（メタデータ） (2020-05-05T20:11:53Z)

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。