論文の概要: A Reinforcement Learning Environment for Directed Quantum Circuit Synthesis

• arxiv url: http://arxiv.org/abs/2401.07054v1
• Date: Sat, 13 Jan 2024 11:55:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 19:53:43.920734
• Title: A Reinforcement Learning Environment for Directed Quantum Circuit Synthesis
• Title（参考訳）: 直接量子回路合成のための強化学習環境
• Authors: Michael K\"olle, Tom Schubert, Philipp Altmann, Maximilian Zorn, Jonas Stein, Claudia Linnhoff-Popien
• Abstract要約: 本研究は量子回路合成のための強化学習環境を導入する。 回路は、特定の目標状態を作成するためにクリフォード+Tゲートセットのゲートを利用して構築される。 トレーニングされたエージェントをベンチマークテストに適用することにより、最小限の量子回路を確実に設計できることを実証した。
• 参考スコア（独自算出の注目度）: 4.646930308096446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With recent advancements in quantum computing technology, optimizing quantum circuits and ensuring reliable quantum state preparation have become increasingly vital. Traditional methods often demand extensive expertise and manual calculations, posing challenges as quantum circuits grow in qubit- and gate-count. Therefore, harnessing machine learning techniques to handle the growing variety of gate-to-qubit combinations is a promising approach. In this work, we introduce a comprehensive reinforcement learning environment for quantum circuit synthesis, where circuits are constructed utilizing gates from the the Clifford+T gate set to prepare specific target states. Our experiments focus on exploring the relationship between the depth of synthesized quantum circuits and the circuit depths used for target initialization, as well as qubit count. We organize the environment configurations into multiple evaluation levels and include a range of well-known quantum states for benchmarking purposes. We also lay baselines for evaluating the environment using Proximal Policy Optimization. By applying the trained agents to benchmark tests, we demonstrated their ability to reliably design minimal quantum circuits for a selection of 2-qubit Bell states.
• Abstract（参考訳）: 近年の量子コンピューティング技術の進歩により、量子回路の最適化と信頼性の高い量子状態の確保がますます重要になっている。 従来の手法では、量子回路が量子ビット数とゲート数で成長するにつれて、幅広い専門知識と手作業による計算が要求される。 したがって、さまざまなゲートとキュービットの組み合わせを扱うために機械学習技術を活用することは有望なアプローチである。 そこで本研究では,clifford+tゲートセットからのゲートを利用して回路を構成する量子回路合成のための包括的強化学習環境を提案する。 本実験では,合成量子回路の深さとターゲット初期化に用いる回路深さ,および量子ビット数との関係について検討した。 環境構成を複数の評価レベルに整理し、ベンチマーク目的でよく知られた量子状態を含む。 また, 環境評価の基準として, 最適政策最適化を用いた。 トレーニングされたエージェントをベンチマークテストに適用することにより、2量子状態の選択のために最小限の量子回路を確実に設計できることを実証した。

関連論文リスト

• Distributed quantum architecture search [0.0]
  ニューラルネットワークにインスパイアされた変分量子アルゴリズムは、量子コンピューティングにおいて新しいアプローチとなっている。 量子アーキテクチャ探索は、ゲートパラメータとともに回路構造を調整することでこの問題に対処し、高性能回路構造を自動的に発見する。 本稿では,分散量子回路構造の自動設計を目的とした,エンドツーエンドの分散量子アーキテクチャ探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-10T13:28:56Z)
• 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)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  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。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Quantivine: A Visualization Approach for Large-scale Quantum Circuit Representation and Analysis [31.203764035373677]
  我々は量子回路の探索と理解のための対話型システムQuantivineを開発した。 一連の新しい回路視覚化は、キュービットの証明、並列性、絡み合いなどのコンテキストの詳細を明らかにするように設計されている。 Quantivineの有効性は、最大100キュービットの量子回路の2つの利用シナリオを通して示される。
  論文  参考訳（メタデータ） (2023-07-18T04:51:28Z)
• Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
  各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。 提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
  論文  参考訳（メタデータ） (2022-06-28T16:23:24Z)
• Exploring ab initio machine synthesis of quantum circuits [0.0]
  ゲートレベルの量子回路は、しばしば高レベルアルゴリズムから手動で導かれる。 本稿では,機械内における回路の初期生成手法について検討する。
  論文  参考訳（メタデータ） (2022-06-22T17:48:29Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• Quantum Architecture Search via Deep Reinforcement Learning [0.0]
  できるだけ少ないゲートを持つ特定の量子状態を生成するための量子ゲートシーケンスを設計するのは簡単ではない。 そこで本研究では,深層強化学習(DRL)を応用した量子アーキテクチャ探索フレームワークを提案する。 エージェント内の量子物理学の知識を符号化することなく、マルチキュービットGHZ状態に対する量子ゲート列の生成に成功したことを実証する。
  論文  参考訳（メタデータ） (2021-04-15T18:53:26Z)
• QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
  QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。 ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
  論文  参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。