論文の概要: Bootstrapping shallow circuits

• arxiv url: http://arxiv.org/abs/2403.14746v1
• Date: Thu, 21 Mar 2024 18:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 19:26:17.422570
• Title: Bootstrapping shallow circuits
• Title（参考訳）: ブートストラップ浅部回路
• Authors: Ning Bao, Gun Suer,
• Abstract要約: 局所反転学習(LIL)を起動し、量子回路深度を最適化し、サブユニットの浅い表現を学習する。 二分探索構造のため、最適化アルゴリズムは元の回路の深さに時間対数複雑性を持つ。
• 参考スコア（独自算出の注目度）: 0.1227734309612871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, a polynomial time classical algorithm has been found for learning the shallow representation of a unitary $U$ acting on $n$-qubits, by learning local inversions and then sewing them back together with ancilla qubits and SWAP gates. In this work, we bootstrap local inversion learning (LIL) to optimize quantum circuit depth by learning shallow representations for its sub-unitaries. We recursively cut circuits and apply the LIL algorithm to replace sub-circuits with their shallow representations, if it can be found by the algorithm. If not, we keep cutting until the optimization terminates, either by finding shallow representations or by reaching constant-depth sub-circuits. By replacing sub-circuits with their shallow representations, we hope to obtain some compression of the quantum circuit. Due to the binary search structure, the optimization algorithm has time complexity logarithmic in the depth of the original given circuit.
• Abstract（参考訳）: 近年,局所的な逆転を学習し,アンシラ量子ビットとSWAPゲートで縫い戻すことで,$n$-qubitsに作用するユニタリ$U$の浅い表現を学習するための多項式時間古典アルゴリズムが発見されている。 本研究では、局所反転学習(LIL)をブートストラップして量子回路深度を最適化し、サブユニットの浅い表現を学習する。 再帰的に回路を切断し,LILアルゴリズムを用いてサブ回路を浅い表現に置き換える。 もしそうでなければ、浅い表現を見つけるか、一定の深さのサブ回路に到達することによって、最適化が終了するまでカットを続けます。 サブ回路を浅い表現に置き換えることで、量子回路のいくつかの圧縮を得ることを期待している。 二分探索構造のため、最適化アルゴリズムは元の回路の深さに時間複雑性の対数を持つ。

関連論文リスト

• Learning quantum states prepared by shallow circuits in polynomial time [1.127500169412367]
  有限次元格子上に$vertpsirangle$を作成する定数深さ量子回路を学習する。 このアルゴリズムは、$U$の深さが$mathrmpolylog(n)$であり、準多項式実行時である場合に拡張される。 応用として、格子上の未知の量子状態が量子回路の複雑さが低いか高いかをテストするための効率的なアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2024-10-31T04:12:49Z)
• Learning shallow quantum circuits with many-qubit gates [1.879968161594709]
  本稿では,量子回路の多ビットゲートを用いた平均ケース学習のための,計算効率のよい最初のアルゴリズムを提案する。 学習したユニタリを多対数深度で効率的に合成できることが示される。
  論文  参考訳（メタデータ） (2024-10-22T04:48:36Z)
• On the Constant Depth Implementation of Pauli Exponentials [49.48516314472825]
  任意の指数を$mathcalO(n)$ ancillae と 2体 XX と ZZ の相互作用を用いて一定深さの回路に分解する。 クビットリサイクルの恩恵を受ける回路の書き直し規則を導入し,本手法の正しさを実証する。
  論文  参考訳（メタデータ） (2024-08-15T17:09:08Z)
• Learning shallow quantum circuits [7.411898489476803]
  未知の$n$-qubit浅量子回路$U$を学習するためのアルゴリズムを提案する。 また、未知の$n$-qubit状態$lvert psi rangle$の記述を学習するための古典的なアルゴリズムも提供する。 提案手法では,局所反転に基づく量子回路表現と,これらの逆変換を組み合わせた手法を用いる。
  論文  参考訳（メタデータ） (2024-01-18T16:05:00Z)
• Transformers Learn Shortcuts to Automata [52.015990420075944]
  低深度変換器は任意の有限状態オートマトンを計算できる。 我々は,$O(log T)$レイヤを持つ変換器が,長さ$T$の入力シーケンス上で,オートマトンを正確に再現可能であることを示す。 さらに、これらの解の脆性について検討し、潜在的な緩和を提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:45:48Z)
• Reducing the Depth of Linear Reversible Quantum Circuits [0.0]
  量子コンピューティングでは、量子ビットのデコヒーレンス時間が計算時間を決定する。 本稿では,既存のアルゴリズムの2倍の浅さの量子回路を生成する分割・征服アルゴリズムの実用的な定式化を提案する。 全体としては、可逆関数のクラス全体の深さを一貫して減らし、アンシラフリーケースでは最大92%、アシラリーキュービットが利用可能であれば最大99%に抑えることができる。
  論文  参考訳（メタデータ） (2022-01-17T12:36:32Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Solving Sparse Linear Inverse Problems in Communication Systems: A Deep Learning Approach With Adaptive Depth [51.40441097625201]
  疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。 提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
  論文  参考訳（メタデータ） (2020-10-29T06:32:53Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)
• Lowering the T-depth of Quantum Circuits By Reducing the Multiplicative Depth Of Logic Networks [1.4902915966744057]
  本稿では,論理ネットワークにおける乗算深度を低減するために,プログラミングに基づく論理合成アルゴリズムについて述べる。 我々のアルゴリズムは暗号や量子コンピューティングに応用されており、乗法深さの減少は対応する量子回路のより低いT$-depthへと直接変換される。
  論文  参考訳（メタデータ） (2020-06-06T11:08:06Z)
• Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
  ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。 ラグランジアン分解に基づく新しい手法を提案する。 ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
  論文  参考訳（メタデータ） (2020-02-24T17:55:10Z)

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。