論文の概要: Scalable Quantum Algorithms for Noisy Quantum Computers

• arxiv url: http://arxiv.org/abs/2403.00940v1
• Date: Fri, 1 Mar 2024 19:36:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 16:00:07.237339
• Title: Scalable Quantum Algorithms for Noisy Quantum Computers
• Title（参考訳）: 雑音量子コンピュータのためのスケーラブル量子アルゴリズム
• Authors: Julien Gacon
• Abstract要約: この論文は、量子計算資源の要求を減らす2つの主要な技術を開発した。 目的は、現在の量子プロセッサでアプリケーションサイズをスケールアップすることだ。 アルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発したサブルーチンは最適化や機械学習の分野でさらに活用することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing not only holds the potential to solve long-standing problems in quantum physics, but also to offer speed-ups across a broad spectrum of other fields. However, due to the noise and the limited scale of current quantum computers, may prominent quantum algorithms are currently infeasible to run for problem sizes of practical interest. This doctoral thesis develops two main techniques to reduce the quantum computational resource requirements, with the goal of scaling up application sizes on current quantum processors. The first approach is based on stochastic approximations of computationally costly quantities, such as quantum circuit gradients or the quantum geometric tensor (QGT). The second method takes a different perspective on the QGT, leading to a potentially more efficient description of time evolution on current quantum computers. While the main focus of application for our algorithms is the simulation of quantum systems, the developed subroutines can further be utilized in the fields of optimization or machine learning. Our algorithms are benchmarked on a range of representative models, such as Ising or Heisenberg spin models, both in numerical simulations and experiments on the hardware. In combination with error mitigation techniques, the latter is scaled up to 27 qubits; into a regime that variational quantum algorithms are challenging to scale to on noisy quantum computers without our algorithms.
• Abstract（参考訳）: 量子コンピューティングは、量子物理学における長年の問題を解決するだけでなく、他の幅広い分野のスピードアップを提供する可能性を持っている。 しかし、現在の量子コンピュータのノイズと限られたスケールのため、目立った量子アルゴリズムは、実際的な関心を持つ問題のサイズに対して実行できない可能性がある。 この博士論文は、現在の量子プロセッサ上のアプリケーションサイズをスケールアップすることを目的として、量子計算リソースの要求を減らす2つの主要な技術を開発した。 最初のアプローチは、量子回路勾配や量子幾何テンソル(qgt)のような計算コストの高い量の確率的近似に基づいている。 第2の方法はQGTの見方が異なるため、現在の量子コンピュータ上での時間進化をより効率的に記述することができる。 我々のアルゴリズムの応用の主な焦点は量子システムのシミュレーションであるが、開発されたサブルーチンは最適化や機械学習の分野においてさらに活用することができる。 我々のアルゴリズムは、数値シミュレーションとハードウェア実験の両方において、イジングやハイゼンベルクスピンモデルのような様々な代表的なモデル上でベンチマークされている。 誤差緩和技術と組み合わせることで、後者は最大27量子ビットまでスケールし、変分量子アルゴリズムはアルゴリズムを使わずにノイズの多い量子コンピュータにスケールすることを難しくしている。

関連論文リスト

• 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)
• A Quantum Algorithm Based Heuristic to Hide Sensitive Itemsets [1.8419202109872088]
  データ共有の文脈において、よく研究された問題を解決するための量子的アプローチを提案する。 本稿では, 量子アルゴリズムを用いて, この問題の解決方法を示すために, 小型データセットを用いた実験を行った。
  論文  参考訳（メタデータ） (2024-02-12T20:44:46Z)
• 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)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Variational Quantum Algorithms for Computational Fluid Dynamics [0.0]
  変分量子アルゴリズムは、ノイズ耐性が比較的高いため、特に有望である。 本稿では,変分量子アルゴリズムの計算流体力学への応用について述べる。 古典的な計算手法に対する量子的優位性は、この10年の終わりまでに達成できると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-11T18:49:22Z)
• Quantum Computing Quantum Monte Carlo [8.69884453265578]
  量子コンピューティングと量子モンテカルロを統合したハイブリッド量子古典アルゴリズムを提案する。 我々の研究は、中間スケールおよび早期フォールト耐性量子コンピュータで現実的な問題を解決するための道を開いた。
  論文  参考訳（メタデータ） (2022-06-21T14:26:24Z)
• Resource-efficient encoding algorithm for variational bosonic quantum simulations [0.0]
  量子コンピューティングのノイズ中間スケール量子(NISQ)時代には、量子資源は限られている。 ボゾン基底と励起状態計算のための資源効率のよい量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-23T19:00:05Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)
• An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
  小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。 量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
  論文  参考訳（メタデータ） (2020-05-06T14:18:44Z)
• Simulating quantum chemistry in the seniority-zero space on qubit-based quantum computers [0.0]
  計算量子化学の近似をゲートベースの量子コンピュータ上で分子化学をシミュレートする手法と組み合わせる。 基本集合を増大させるために解放された量子資源を用いることで、より正確な結果が得られ、必要な数の量子コンピューティングの実行が削減されることが示される。
  論文  参考訳（メタデータ） (2020-01-31T19:44:37Z)

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。