論文の概要: Stressing Out Modern Quantum Hardware: Performance Evaluation and
Execution Insights
- arxiv url: http://arxiv.org/abs/2401.13793v1
- Date: Wed, 24 Jan 2024 20:22:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 16:20:59.071162
- Title: Stressing Out Modern Quantum Hardware: Performance Evaluation and
Execution Insights
- Title（参考訳）: 現代の量子ハードウェアを強調する - パフォーマンス評価と実行洞察
- Authors: Aliza U. Siddiqui, Kaitlin Gili, and Chris Ballance
- Abstract要約: 我々は,ストレステストに基づくプロトコルを用いて,量子H1イオントラップ装置の評価を行った。
量子機械学習アルゴリズムであるQuantum Neuron Born Machineを計算集約的な負荷として使用しています。
計算集約型QMLアルゴリズムを管理するためのハードウェア能力を評価し、アルゴリズムの機能的複雑さがスケールされるにつれてハードウェア性能を評価する。
- 参考スコア（独自算出の注目度）: 2.2091590689610823
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum hardware is progressing at a rapid pace and, alongside this
progression, it is vital to challenge the capabilities of these machines using
functionally complex algorithms.Doing so provides direct insights into the
current capabilities of modern quantum hardware and where its breaking points
lie.Stress testing is a technique used to evaluate a system by giving it a
computational load beyond its specified thresholds and identifying the capacity
under which it fails.We conduct a qualitative and quantitative evaluation of
the Quantinuum H1 ion trap device using a stress test based
protocol.Specifically, we utilize the quantum machine learning algorithm, the
Quantum Neuron Born Machine, as the computationally intensive load for the
device.Then, we linearly scale the number of repeat until success subroutines
within the algorithm to determine the load under which the hardware fails and
where the failure occurred within the quantum stack.Using this proposed method,
we assess the hardware capacity to manage a computationally intensive QML
algorithm and evaluate the hardware performance as the functional complexity of
the algorithm is scaled.Alongside the quantitative performance results, we
provide a qualitative discussion and resource estimation based on the insights
obtained from conducting the stress test with the QNBM.
- Abstract（参考訳）: Quantum hardware is progressing at a rapid pace and, alongside this progression, it is vital to challenge the capabilities of these machines using functionally complex algorithms.Doing so provides direct insights into the current capabilities of modern quantum hardware and where its breaking points lie.Stress testing is a technique used to evaluate a system by giving it a computational load beyond its specified thresholds and identifying the capacity under which it fails.We conduct a qualitative and quantitative evaluation of the Quantinuum H1 ion trap device using a stress test based protocol.Specifically, we utilize the quantum machine learning algorithm, the Quantum Neuron Born Machine, as the computationally intensive load for the device.Then, we linearly scale the number of repeat until success subroutines within the algorithm to determine the load under which the hardware fails and where the failure occurred within the quantum stack.Using this proposed method, we assess the hardware capacity to manage a computationally intensive QML algorithm and evaluate the hardware performance as the functional complexity of the algorithm is scaled.Alongside the quantitative performance results, we provide a qualitative discussion and resource estimation based on the insights obtained from conducting the stress test with the QNBM.
関連論文リスト
- Assessing and Advancing the Potential of Quantum Computing: A NASA Case Study [11.29246196323319]
我々は、量子コンピューティングの可能性を評価し、前進させるNASAの取り組みについて説明する。
本稿では,近・長期のアルゴリズムの進歩と,現在のハードウェアとシミュレーションによる探索結果について論じる。
この研究には物理にインスパイアされた古典的アルゴリズムも含まれており、今日のアプリケーションスケールで使用することができる。
論文 参考訳（メタデータ） (2024-06-21T19:05:42Z) - Identifying Bottlenecks of NISQ-friendly HHL algorithms [0.0]
NISQ適応反復QPEとそのHHLアルゴリズムの雑音耐性について検討する。
その結果,Qiskit readout や M Three readout package のようなノイズ低減技術は,ここでテストした小さなインスタンスにおいても,結果の回復には不十分であることが示唆された。
論文 参考訳（メタデータ） (2024-06-10T14:11:27Z) - Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。
小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
論文 参考訳（メタデータ） (2024-04-01T20:55:03Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Quantum Machine Learning on Near-Term Quantum Devices: Current State of Supervised and Unsupervised Techniques for Real-World Applications [1.7041248235270652]
この調査は、量子ハードウェア上で実行される教師なしおよび教師なしの学習アプリケーションに焦点を当てる。
エンコーディング、アンサッツ構造、エラー軽減、これらの課題に対処するための勾配法といったテクニックをカバーしている。
論文 参考訳（メタデータ） (2023-07-03T10:12:34Z) - Towards quantum enhanced adversarial robustness in machine learning [18.663564729815615]
機械学習と量子コンピューティングを統合することで、精度と計算効率が向上する。
近年の研究では、敵の攻撃から守るために量子力学的現象が採用されている。
有望な早期成果にもかかわらず、実世界の堅牢なQAMLツールの構築には依然として課題がある。
論文 参考訳（メタデータ） (2023-06-22T06:21:45Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - 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) - Reducing the cost of energy estimation in the variational quantum
eigensolver algorithm with robust amplitude estimation [50.591267188664666]
量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。
これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
論文 参考訳（メタデータ） (2022-03-14T16:51:36Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳（メタデータ） (2022-01-04T01:53:42Z) - 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)
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。