論文の概要: Unitary Synthesis of Clifford+T Circuits with Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2404.14865v2
- Date: Wed, 24 Apr 2024 15:39:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-25 15:54:19.540727
- Title: Unitary Synthesis of Clifford+T Circuits with Reinforcement Learning
- Title(参考訳): 強化学習によるクリフォード+T回路の単元合成
- Authors: Sebastian Rietsch, Abhishek Y. Dubey, Christian Ufrecht, Maniraman Periyasamy, Axel Plinge, Christopher Mutschler, Daniel D. Scherer,
- Abstract要約: ユニタリ合成は、与えられたユニタリを表す量子回路を特定することを目的としている。
木探索法 Gumbel AlphaZero を用いて、正確に合成可能な Clifford+T ユニタリの部分集合の問題を解く。
我々の推定時間は、平均して1つのGPU上で30秒ほどで、より高い量子ビット数に対して最先端のアルゴリズムであるQuantumCircuitOptとMIN-T-SYNTHを上回ります。
- 参考スコア(独自算出の注目度): 2.4646794072984477
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a deep reinforcement learning approach for synthesizing unitaries into quantum circuits. Unitary synthesis aims to identify a quantum circuit that represents a given unitary while minimizing circuit depth, total gate count, a specific gate count, or a combination of these factors. While past research has focused predominantly on continuous gate sets, synthesizing unitaries from the parameter-free Clifford+T gate set remains a challenge. Although the time complexity of this task will inevitably remain exponential in the number of qubits for general unitaries, reducing the runtime for simple problem instances still poses a significant challenge. In this study, we apply the tree-search method Gumbel AlphaZero to solve the problem for a subset of exactly synthesizable Clifford+T unitaries. Our approach can synthesize unitaries for up to five qubits generated from the set of randomized quantum circuits with up to 60 gates. Furthermore, our inference times are around 30 seconds on a single GPU on average, surpassing state-of-the-art algorithms QuantumCircuitOpt and MIN-T-SYNTH for higher qubit numbers. Our work provides a competitive baseline for synthesis algorithms to be developed in the upcoming years.
- Abstract(参考訳): 本稿では,量子回路にユニタリを合成する深層強化学習手法を提案する。
ユニタリ合成は、回路深さ、総ゲート数、特定のゲート数、またはこれらの組み合わせを最小化しながら、与えられたユニタリを表す量子回路を特定することを目的としている。
過去の研究は主に連続ゲート集合に焦点を当ててきたが、パラメータフリーなクリフォード+Tゲート集合からユニタリを合成することは依然として困難である。
このタスクの時間的複雑さは、一般的なユニタリーのキュービット数では必然的に指数関数的であり続けるが、単純な問題インスタンスのランタイムを減らすことは、依然として大きな課題である。
本研究では,木探索法であるGumbel AlphaZeroを用いて,正確に合成可能なClifford+Tユニタリの部分集合の問題を解く。
提案手法では,最大60ゲートのランダム化量子回路の集合から最大5キュービットのユニタリを合成できる。
さらに、我々の推論時間は、平均して1つのGPU上で30秒程度であり、より高い量子ビット数に対して、最先端のアルゴリズムであるQuantumCircuitOptとMIN-T-SYNTHを上回っている。
我々の研究は、今後数年で開発される合成アルゴリズムの競争ベースラインを提供する。
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) - Quantum circuit synthesis via random combinatorial search [0.0]
完全忠実度量子回路の分数は、回路サイズが単位忠実度を達成するために必要な最小回路サイズを超えると、急速に増加することを示す。
ランダム探索法を4ビットトフォリゲートの分解問題に適用し、15個のCNOTゲートの分解を求める。
論文 参考訳(メタデータ) (2023-11-29T00:59:29Z) - Improving Quantum Circuit Synthesis with Machine Learning [0.7894596908025954]
機械学習をユニタリデータセットに適用することで、合成アルゴリズムの大幅な高速化が可能になることを示す。
本稿では,学習モデルを用いたシード合成アルゴリズムQSeedについて述べる。
論文 参考訳(メタデータ) (2023-06-09T01:53:56Z) - Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。
我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。
我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
論文 参考訳(メタデータ) (2023-04-10T23:01:10Z) - Partitioning Quantum Chemistry Simulations with Clifford Circuits [1.0286890995028481]
現在の量子コンピューティングハードウェアは、少数でノイズの多い量子ビットの可用性によって制限されている。
量子回路の枠組みに留まりながら,古典的および近古典的処理の限界について検討する。
論文 参考訳(メタデータ) (2023-03-02T13:05:19Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳(メタデータ) (2022-07-07T08:04:15Z) - Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。
本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。
この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
論文 参考訳(メタデータ) (2021-08-06T19:38:01Z) - Efficient CNOT Synthesis for NISQ Devices [1.0152838128195467]
ノイズの多い中間スケール量子(NISQ)の時代、実際の量子デバイス上で量子アルゴリズムを実行することは、ユニークな課題に直面している。
この問題を解決するために,トークン還元法と呼ばれるCNOT合成法を提案する。
我々のアルゴリズムは、テストされた全ての量子アーキテクチャにおいて、最も広くアクセス可能なアルゴリズムよりも一貫して優れています。
論文 参考訳(メタデータ) (2020-11-12T15:13:32Z) - A Generic Compilation Strategy for the Unitary Coupled Cluster Ansatz [68.8204255655161]
本稿では,変分量子固有解法(VQE)アルゴリズムのコンパイル戦略について述べる。
我々は、回路深さとゲート数を減らすために、ユニタリ結合クラスタ(UCC)アンサッツを使用する。
論文 参考訳(メタデータ) (2020-07-20T22:26:16Z) - Topological Quantum Compiling with Reinforcement Learning [7.741584909637626]
任意の単一ビットゲートを有限の普遍集合から基本ゲートの列にコンパイルする効率的なアルゴリズムを導入する。
このアルゴリズムは、量子物理学における深層学習の興味深い応用への新たな道を開くことができる。
論文 参考訳(メタデータ) (2020-04-09T18:00:01Z)
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。