論文の概要: HQNET: Harnessing Quantum Noise for Effective Training of Quantum Neural Networks in NISQ Era
- arxiv url: http://arxiv.org/abs/2402.08475v3
- Date: Thu, 15 Aug 2024 11:51:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-16 18:53:22.312094
- Title: HQNET: Harnessing Quantum Noise for Effective Training of Quantum Neural Networks in NISQ Era
- Title（参考訳）: HQNET: NISQ時代の量子ニューラルネットワークの効果的なトレーニングのための量子ノイズのハーネス化
- Authors: Muhammad Kashif, Muhammad Shafique,
- Abstract要約: ノイズのない理想的な条件と比較して,バレンプラトー (BP) はノイズの多い量子環境において早く現れる。
ノイズの多い量子コンピューティング環境におけるQNN性能を改善するために,観測可能な選択のための戦略的アプローチを提案する。
- 参考スコア（独自算出の注目度）: 4.348591076994875
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper delves into the intricate dynamics of quantum noise and its influence on the onset and mitigation of barren plateaus (BPs) - a phenomenon that critically impedes the scalability of QNNs. We find that BPs appear earlier in noisy quantum environments compared to ideal, noise-free conditions.However, strategic selection of qubit measurement observables can effectively tackle this issue. To this end, we examine a variety of observables, such as PauliZ,PauliX, PauliY, and a specially designed arbitrary Hermitian observable, tailored to the requirements of the cost function and the desired outputs of quantum circuits. Our analysis encompasses both global and local cost function definitions, with the former involving measurements across all qubits and the latter focusing on single-qubit measurements within the QNN framework. Our findings indicate that in a global cost function scenario, PauliX and PauliY observables lead to flatter optimization landscapes, signaling BPs with increasing qubits, especially in noisy conditions. Conversely, the PauliZ observable maintains trainability up to 8 qubits but encounters BPs at 10 qubits. Notably, the arbitrary Hermitian observable, when used with a global cost function, shows a unique advantage as it benefits from noise, facilitating effective training up to 10 qubits. Furthermore, with a local cost function, out of the three conventional observables (PauliX, PauliY and PauliZ), PauliZ is more effective, sustaining training efficiency under noisy conditions for up to 10 qubits, while PauliX and PauliY do not show similar benefits and remain susceptible to BPs. Our results highlight the importance of noise consideration in QNN training and propose a strategic approach to observable selection to improve QNN performance in noisy quantum computing environments thus contributing to the advancement of quantum machine learning research.
- Abstract（参考訳）: 本稿では,量子ノイズの複雑なダイナミクスとバレンプラトー(BP)の開始と緩和への影響を考察し,QNNのスケーラビリティを著しく阻害する現象について述べる。
BPは理想的なノイズのない条件に比べてノイズの多い量子環境では早く現れるが、しかしながら、量子ビット測定観測器の戦略的選択はこの問題に効果的に対処できる。
この目的のために,パウリZ,パウリX,パウリYなどの様々な観測可能条件と,コスト関数の要求や量子回路の所望出力に合わせて特別に設計された任意のエルミート観測可能条件を検討する。
分析対象はグローバルおよびローカルなコスト関数の定義であり,前者はQNNフレームワーク内の全量子ビットの計測,後者は単一量子ビットの計測に重点を置いている。
その結果,大域的なコスト関数のシナリオでは,パウリXとパウリYオブザーバブルがより平坦な最適化ランドスケープにつながり,特に雑音条件下でBPが増加することが示唆された。
逆に、パウリZ観測器は最大8キュービットのトレーニング性を維持するが、10キュービットのBPに遭遇する。
特に、任意のHermitianオブザーバブルは、グローバルなコスト関数で使用すると、ノイズの恩恵を受け、最大10キュービットまでの効果的なトレーニングを容易にするというユニークな利点を示す。
さらに、従来の3つの観測装置(PauliX、PauliY、PauliZ)のうち、局所的なコスト関数により、PauliZは最大10キュービットのノイズ条件下でのトレーニング効率を保ちながら、PauliXとPauliYは同様の利点を示しておらず、BPに影響を受けない。
本研究は,QNNトレーニングにおけるノイズ考慮の重要性を強調し,ノイズの多い量子コンピューティング環境におけるQNN性能向上のための観測可能な選択のための戦略的アプローチを提案し,量子機械学習研究の進展に寄与する。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Noise-induced shallow circuits and absence of barren plateaus [2.5295633594332334]
雑音がほとんどの量子回路を効果的に対数深度に切り離すことを示す。
次に,非単位雑音下での量子回路は,局所可観測物からなるコスト関数に対するバレンプラトーの欠如を証明した。
論文 参考訳（メタデータ） (2024-03-20T19:00:49Z) - Demonstration of Robust and Efficient Quantum Property Learning with
Shallow Shadows [1.412425180760368]
本稿では,現在の量子コンピューティングプラットフォーム上での量子状態のキャラクタリゼーションのための,頑健な浅層影プロトコルを提案する。
提案プロトコルは, 期待値, 忠実度, 絡み合いエントロピーなどの状態特性を, サンプルの複雑さを低く保ちながら正確に復元する。
この理論的および実験的分析を組み合わせることで、ロバストな浅い影プロトコルは、スケーラブルで堅牢でサンプル効率のよいプロトコルとして位置づけられる。
論文 参考訳（メタデータ） (2024-02-27T21:53:32Z) - 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) - Efficient learning of the structure and parameters of local Pauli noise
channels [1.5229257192293197]
n量子ビット上のパウリノイズチャネルを学習するための新しい手法を提案する。
我々は,Breslerによる画期的な成果を利用して,ギブズ測度を効率的に学習することで,その結果を達成した。
提案手法は,他の望ましい特徴を諦めることなく,サンプル数と後処理の両面で効率的である。
論文 参考訳（メタデータ） (2023-07-06T12:42:49Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - The effect of quantum noise on algorithmic perfect quantum state
transfer on NISQ processors [0.0]
典型的な量子ウォーク問題の打上げ時間と忠実度に及ぼす量子ノイズの影響について検討する。
パウリのノイズは励起伝達の忠実さのピークをほとんど外し、クォービット間のクロストークは打上げ時間にほとんど影響を与えている。
論文 参考訳（メタデータ） (2021-10-28T14:25:09Z) - QuantumNAT: Quantum Noise-Aware Training with Noise Injection,
Quantization and Normalization [22.900530292063348]
量子回路(PQC)は、短期量子ハードウェアにおける量子優位性を約束している。
しかし、大きな量子ノイズ(エラー)のため、PQCモデルの性能は実際の量子デバイスで著しく低下する。
本稿では,PQC固有のフレームワークであるQuantumNATを提案する。
論文 参考訳（メタデータ） (2021-10-21T17:59:19Z) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳（メタデータ） (2021-05-20T17:06:52Z) - 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。