論文の概要: Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation
via Neural Networks
- arxiv url: http://arxiv.org/abs/2403.07025v1
- Date: Sun, 10 Mar 2024 15:35:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 00:13:26.460007
- Title: Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation
via Neural Networks
- Title（参考訳）: ニューラルネットワークによるゼロノイズ外挿による量子変分アルゴリズムの強化
- Authors: Subhasree Bhattacharjee, Soumyadip Sarkar, Kunal Das, Bikramjit Sarkar
- Abstract要約: 変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。
量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。
本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.4779196219827508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the emergent realm of quantum computing, the Variational Quantum
Eigensolver (VQE) stands out as a promising algorithm for solving complex
quantum problems, especially in the noisy intermediate-scale quantum (NISQ)
era. However, the ubiquitous presence of noise in quantum devices often limits
the accuracy and reliability of VQE outcomes. This research introduces a novel
approach to ameliorate this challenge by utilizing neural networks for zero
noise extrapolation (ZNE) in VQE computations. By employing the Qiskit
framework, we crafted parameterized quantum circuits using the RY-RZ ansatz and
examined their behavior under varying levels of depolarizing noise. Our
investigations spanned from determining the expectation values of a
Hamiltonian, defined as a tensor product of Z operators, under different noise
intensities to extracting the ground state energy. To bridge the observed
outcomes under noise with the ideal noise-free scenario, we trained a Feed
Forward Neural Network on the error probabilities and their associated
expectation values. Remarkably, our model proficiently predicted the VQE
outcome under hypothetical noise-free conditions. By juxtaposing the simulation
results with real quantum device executions, we unveiled the discrepancies
induced by noise and showcased the efficacy of our neural network-based ZNE
technique in rectifying them. This integrative approach not only paves the way
for enhanced accuracy in VQE computations on NISQ devices but also underlines
the immense potential of hybrid quantum-classical paradigms in circumventing
the challenges posed by quantum noise. Through this research, we envision a
future where quantum algorithms can be reliably executed on noisy devices,
bringing us one step closer to realizing the full potential of quantum
computing.
- Abstract（参考訳）: 量子コンピューティングの創発的領域では、変分量子固有ソルバ(vqe)は、特にノイズの多い中間スケール量子(nisq)時代の複雑な量子問題を解くための有望なアルゴリズムである。
しかし、量子デバイスにおけるノイズの存在は、しばしばVQE結果の正確性と信頼性を制限する。
本研究は、VQE計算におけるゼロノイズ補間(ZNE)にニューラルネットワークを活用することにより、この課題を改善するための新しいアプローチを提案する。
Qiskit フレームワークを用いて RY-RZ アンサッツを用いてパラメータ化量子回路を構築し, 様々な非偏極雑音下での動作について検討した。
本研究は,z 作用素のテンソル積として定義されるハミルトニアンの期待値の決定から基底状態エネルギーの抽出まで,様々な雑音強度の下での考察を行った。
雑音下の観測結果を理想的なノイズフリーシナリオで橋渡しするために,誤り確率と関連する期待値に基づいてフィードフォワードニューラルネットワークを訓練した。
提案モデルでは,仮説的ノイズフリー条件下でのVQE結果の予測を行った。
実際の量子デバイスの実行とシミュレーション結果の重ね合わせを行い,ノイズによる不一致を明らかにし,ニューラルネットワークを用いたzne手法の有効性を示した。
この積分的アプローチは、NISQデバイス上でのVQE計算の精度向上の道を開くだけでなく、量子ノイズによって生じる課題を回避するためのハイブリッド量子古典パラダイムの潜在可能性も強調している。
この研究を通じて、量子アルゴリズムがノイズの多いデバイス上で確実に実行される未来を想定し、量子コンピューティングのポテンシャルの完全な実現に一歩近づいた。
関連論文リスト
- 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) - Assessing the Impact of Noise on Quantum Neural Networks: An
Experimental Analysis [0.0]
量子コンピューティングでは、量子ニューラルネットワーク(QNN)の潜在的な利点がますます明らかになっている。
ノイズの多い中間スケール量子(NISQ)プロセッサはエラーを起こしやすいため、複雑なアルゴリズムや量子機械学習の実行には大きな課題がある。
本稿では,QNNに対するノイズの影響を包括的に分析し,様々なノイズモデルの下でのMottonen状態生成アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2023-11-23T15:22:22Z) - 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) - Variational Quantum-Neural Hybrid Error Mitigation [6.555128824546528]
量子エラー軽減(QEM)は、量子コンピュータ上で信頼性の高い結果を得るために重要である。
量子-ニューラルハイブリッド固有解法 (VQNHE) アルゴリズムは, 本質的にはノイズ耐性であり, ユニークなQEM容量を持つことを示す。
論文 参考訳（メタデータ） (2021-12-20T08:07:58Z) - Error mitigation in variational quantum eigensolvers using tailored
probabilistic machine learning [5.630204194930539]
本稿では,量子計算におけるノイズを軽減するために,ガウス過程回帰(GPR)をアクティブラーニングフレームワーク内に導入する新しい手法を提案する。
我々は,IBMのオープンソース量子コンピューティングフレームワークであるQiskitを用いて,2サイトアンダーソン不純物モデルと8サイトハイゼンベルクモデルに対する提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2021-11-16T22:29:43Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。
EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文 参考訳（メタデータ） (2021-04-30T20:38:41Z) - Simulating noisy variational quantum eigensolver with local noise models [4.581041382009666]
変分量子固有解法 (VQE) は, 近時雑音中規模量子コンピュータにおいて量子優位性を示すことを約束している。
VQEの中心的な問題はノイズ、特に物理ノイズが現実的な量子コンピュータに与える影響である。
本稿では,様々な局所雑音モデルを用いた数値シミュレーションにより,VQEアルゴリズムの雑音効果を系統的に検討する。
論文 参考訳（メタデータ） (2020-10-28T08:51:59Z) - 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) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳（メタデータ） (2020-07-24T06:34:34Z) - Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。
単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
論文 参考訳（メタデータ） (2020-02-04T00:46:51Z)
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。