論文の概要: Distributed quantum architecture search
- arxiv url: http://arxiv.org/abs/2403.06214v1
- Date: Sun, 10 Mar 2024 13:28:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 07:06:18.217530
- Title: Distributed quantum architecture search
- Title(参考訳): 分散量子アーキテクチャ探索
- Authors: Haozhen Situ, Zhimin He, Shenggen Zheng, Lvzhou Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational quantum algorithms, inspired by neural networks, have become a
novel approach in quantum computing. However, designing efficient parameterized
quantum circuits remains a challenge. Quantum architecture search tackles this
by adjusting circuit structures along with gate parameters to automatically
discover high-performance circuit structures. In this study, we propose an
end-to-end distributed quantum architecture search framework, where we aim to
automatically design distributed quantum circuit structures for interconnected
quantum processing units with specific qubit connectivity. We devise a circuit
generation algorithm which incorporates TeleGate and TeleData methods to enable
nonlocal gate implementation across quantum processing units. While taking into
account qubit connectivity, we also incorporate qubit assignment from logical
to physical qubits within our QAS framework. A two-stage progressive
training-free strategy is employed to evaluate extensive circuit structures
without circuit training costs. Through numerical experiments on three VQE
tasks, the efficacy and efficiency of our scheme is demonstrated.
- Abstract(参考訳): ニューラルネットワークに触発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ける新しいアプローチとなっている。
しかし、効率的なパラメータ化量子回路の設計は依然として課題である。
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。
本研究では,特定の量子ビット接続を伴う相互接続量子処理ユニットのための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。
我々は,TeleGateとTeleDataを組み込んだ回路生成アルゴリズムを考案し,量子処理ユニット間の非局所ゲート実装を実現する。
QASフレームワークには、qubit接続を考慮しつつ、論理から物理へのqubit割り当ても組み込んでいます。
2段階のプログレッシブトレーニングフリー戦略を用いて、回路トレーニングコストなしで広範囲な回路構造を評価する。
3つのVQEタスクに関する数値実験により,提案手法の有効性と効率を実証した。
関連論文リスト
- 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) - A Reinforcement Learning Environment for Directed Quantum Circuit
Synthesis [4.646930308096446]
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。
論文 参考訳(メタデータ) (2024-01-13T11:55:54Z) - 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 Deep Dreaming: A Novel Approach for Quantum Circuit Design [0.0]
量子ディープドリーミング(Quantum Deep Dreaming, QDD)は、特定の目的のために最適な量子回路アーキテクチャを生成するアルゴリズムである。
我々は、QDDが基底状態エネルギーに近い6量子ビットの回路、すなわち「ドレーム」を正常に生成することを示した。
論文 参考訳(メタデータ) (2022-11-05T22:16:10Z) - Parametric Synthesis of Computational Circuits for Complex Quantum
Algorithms [0.0]
我々の量子シンセサイザーの目的は、ユーザーが高レベルなコマンドを使って量子アルゴリズムを実装できるようにすることである。
量子アルゴリズムを実装するための提案手法は、機械学習の分野で潜在的に有効である。
論文 参考訳(メタデータ) (2022-09-20T06:25:47Z) - 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) - 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) - 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 Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Variational quantum compiling with double Q-learning [0.37798600249187286]
強化学習(RL)に基づく変分量子コンパイル(VQC)アルゴリズムを提案する。
エージェントは、ネイティブゲートアルファベットとそれらが行う量子ビットから、二重Q学習によって順次量子ゲートを選択するように訓練される。
NISQデバイスのデコヒーレンスプロセスとゲートノイズによる量子アルゴリズムのエラーを減らすことができます。
論文 参考訳(メタデータ) (2021-03-22T06:46:35Z) - 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。