論文の概要: Curriculum reinforcement learning for quantum architecture search under hardware errors

• arxiv url: http://arxiv.org/abs/2402.03500v1
• Date: Mon, 5 Feb 2024 20:33:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 18:02:02.979074
• Title: Curriculum reinforcement learning for quantum architecture search under hardware errors
• Title（参考訳）: ハードウェアエラー下での量子アーキテクチャ探索のためのカリキュラム強化学習
• Authors: Yash J. Patel, Akash Kundu, Mateusz Ostaszewski, Xavier Bonet-Monroig, Vedran Dunjko, and Onur Danaci
• Abstract要約: 本研究は、VQAデプロイメントにおける課題に対処するために設計されたカリキュラムベースの強化学習QAS(CRLQAS)を導入する。 このアルゴリズムは、(i)環境力学の3Dアーキテクチャを符号化し、回路の探索空間を効率的に探索する。 研究を容易にするため,雑音量子回路の計算効率を大幅に向上させる最適化シミュレータを開発した。
• 参考スコア（独自算出の注目度）: 1.583327010995414
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The key challenge in the noisy intermediate-scale quantum era is finding useful circuits compatible with current device limitations. Variational quantum algorithms (VQAs) offer a potential solution by fixing the circuit architecture and optimizing individual gate parameters in an external loop. However, parameter optimization can become intractable, and the overall performance of the algorithm depends heavily on the initially chosen circuit architecture. Several quantum architecture search (QAS) algorithms have been developed to design useful circuit architectures automatically. In the case of parameter optimization alone, noise effects have been observed to dramatically influence the performance of the optimizer and final outcomes, which is a key line of study. However, the effects of noise on the architecture search, which could be just as critical, are poorly understood. This work addresses this gap by introducing a curriculum-based reinforcement learning QAS (CRLQAS) algorithm designed to tackle challenges in realistic VQA deployment. The algorithm incorporates (i) a 3D architecture encoding and restrictions on environment dynamics to explore the search space of possible circuits efficiently, (ii) an episode halting scheme to steer the agent to find shorter circuits, and (iii) a novel variant of simultaneous perturbation stochastic approximation as an optimizer for faster convergence. To facilitate studies, we developed an optimized simulator for our algorithm, significantly improving computational efficiency in simulating noisy quantum circuits by employing the Pauli-transfer matrix formalism in the Pauli-Liouville basis. Numerical experiments focusing on quantum chemistry tasks demonstrate that CRLQAS outperforms existing QAS algorithms across several metrics in both noiseless and noisy environments.
• Abstract（参考訳）: ノイズの多い中間スケール量子時代の重要な課題は、現在のデバイス制限と互換性のある有用な回路を見つけることである。 変分量子アルゴリズム(VQA)は、回路アーキテクチャを固定し、外部ループ内の個々のゲートパラメータを最適化することで潜在的な解を提供する。 しかし、パラメータ最適化は難易度が高くなり、アルゴリズム全体の性能は最初に選択された回路アーキテクチャに大きく依存する。 いくつかの量子アーキテクチャ探索(QAS)アルゴリズムが、有用な回路アーキテクチャを自動で設計するために開発された。 パラメータ最適化のみの場合、ノイズ効果はオプティマイザの性能と最終結果に劇的に影響を与えることが観測されており、これは研究の要点である。 しかし, 構造探索における雑音の影響は, 同様に重要であろうが, ほとんど理解されていない。 本研究は,現実的なVQA展開における課題に対処するために,カリキュラムベースの強化学習QAS(CRLQAS)アルゴリズムを導入することで,このギャップに対処する。 アルゴリズムが組み込む (i)可能な回路の探索空間を効率的に探索するための3次元符号化と環境力学の制約 二 エージェントを操縦して短い回路を見つけるためのエピソード停止策及び (iii)高速収束のための最適化器としての同時摂動確率近似の新しい変種。 本研究では,ポーリ・リオウヴィル法に基づくポーリ移動行列形式を用いることにより,ノイズ量子回路をシミュレーションする計算効率を大幅に向上させるアルゴリズムの最適化シミュレータを開発した。 量子化学タスクに焦点をあてた数値実験により、CRLQASはノイズのない環境とノイズの多い環境の両方において、既存のQASアルゴリズムよりも優れていることを示した。

関連論文リスト

• 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)
• Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
  この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。 本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。 様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
  論文  参考訳（メタデータ） (2024-02-21T12:30:39Z)
• Quantum Architecture Search with Unsupervised Representation Learning [24.698519892763283]
  教師なし表現学習は量子アーキテクチャ探索(QAS)を前進させる新しい機会を提供する QASは変分量子アルゴリズム(VQA)のための量子回路を最適化するように設計されている
  論文  参考訳（メタデータ） (2024-01-21T19:53:17Z)
• Robust resource-efficient quantum variational ansatz through evolutionary algorithm [0.46180371154032895]
  Vari Quantum Algorithm (VQAsational) は、短期デバイスにおける量子優位性を実証するための有望な手法である。 我々は、広く使われているハードウェア効率の良いアンサッツのような固定VQA回路設計は、必ずしも不完全性に対して堅牢ではないことを示す。 本稿では,ゲノム長調整可能な進化アルゴリズムを提案し,回路アンサッツおよびゲートパラメータの変動に最適化されたロバストなVQA回路を設計する。
  論文  参考訳（メタデータ） (2022-02-28T12:14:11Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• 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)
• Reinforcement learning for optimization of variational quantum circuit architectures [2.624902795082451]
  本稿では,アンスの空間を自律的に探索する強化学習アルゴリズムを提案する。 水素化リチウム(LiH)の基底状態エネルギーを推定する問題に対するアルゴリズムの性能について紹介する。
  論文  参考訳（メタデータ） (2021-03-30T05:46:21Z)
• 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)
• 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)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。