論文の概要: Residue Number System (RNS) based Distributed Quantum Addition
- arxiv url: http://arxiv.org/abs/2406.05294v1
- Date: Fri, 7 Jun 2024 23:39:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-11 20:34:04.659408
- Title: Residue Number System (RNS) based Distributed Quantum Addition
- Title（参考訳）: Residue Number System (RNS)による分散量子加算
- Authors: Bhaskar Gaur, Travis S. Humble, Himanshu Thapliyal,
- Abstract要約: 本稿では,Residue Number System (RNS) をベースとした量子変調6%加算器を用いた高深さ量子加算回路を提案する。
RNSベースの分散量子加算回路は、深さが低く、複数の量子コンピュータ/ジョブに分散している。
RNSベースの分散量子加算は、6ビットから10ビットの非分散量子完全加算器よりも出力確率が11.3から133.15%高いことを示す。
- 参考スコア（独自算出の注目度）: 0.5188841610098435
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum Arithmetic faces limitations such as noise and resource constraints in the current Noisy Intermediate Scale Quantum (NISQ) era quantum computers. We propose using Distributed Quantum Computing (DQC) to overcome these limitations by substituting a higher depth quantum addition circuit with Residue Number System (RNS) based quantum modulo adders. The RNS-based distributed quantum addition circuits possess lower depth and are distributed across multiple quantum computers/jobs, resulting in higher noise resilience. We propose the Quantum Superior Modulo Addition based on RNS Tool (QSMART), which can generate RNS sets of quantum adders based on multiple factors such as depth, range, and efficiency. We also propose a novel design of Quantum Diminished-1 Modulo (2n + 1) Adder (QDMA), which forms a crucial part of RNS-based distributed quantum addition and the QSMART tool. We demonstrate the higher noise resilience of the Residue Number System (RNS) based distributed quantum addition by conducting simulations modeling Quantinuum's H1 ion trap-based quantum computer. Our simulations demonstrate that RNS-based distributed quantum addition has 11.36% to 133.15% higher output probability over 6-bit to 10-bit non-distributed quantum full adders, indicating higher noise fidelity. Furthermore, we present a scalable way of achieving distributed quantum addition higher than limited otherwise by the 20-qubit range of Quantinuum H1.
- Abstract（参考訳）: 量子算術は、現在のノイズ中間スケール量子(NISQ)時代の量子コンピュータにおいて、ノイズやリソースの制約のような制限に直面している。
本稿では,Residue Number System (RNS) ベースの量子変調加算器で高深さ量子加算回路を置換することにより,これらの制限を克服するために分散量子コンピューティング(DQC)を提案する。
RNSベースの分散量子加算回路は、深さが低く、複数の量子コンピュータ/ジョブに分散しており、ノイズ耐性が高い。
本稿では, RNS Tool (QSMART) に基づく量子上モジュロ加算法を提案する。
また、RSSに基づく分散量子加算とQSMARTツールの重要な部分を形成する量子化-1 Modulo (2n + 1) Adder (QDMA) の新規な設計を提案する。
本稿では,Residue Number System (RNS) を用いた分散量子加算器の高ノイズレジリエンスを,Quantinuum の H1 イオントラップ型量子コンピュータをモデル化したシミュレーションにより実証する。
シミュレーションにより、RSSベースの分散量子加算は6ビットから10ビットの非分散量子完全加算器よりも出力確率が11.36%から133.15%高く、ノイズの忠実度が高いことが示された。
さらに,20量子ビット範囲の量子H1を用いて,分散量子加算を実現するスケーラブルな方法を提案する。
関連論文リスト
- A Logarithmic Depth Quantum Carry-Lookahead Modulo $(2^n-1)$ Adder [0.8192907805418581]
量子アルゴリズムの実装には、モジュロ加算のための量子演算回路の開発が不可欠である。
現在のノイズ中間スケール量子(NISQ)時代における量子コンピュータは、フォールトトレラント設計に関連する計算コストを処理できない。
この研究は量子キャリーヘッドモジュロ$(2n - 1)$ adder (QCLMA)を示し、2つのnビット番号を受け取り、その加算をO(log n)深さで行うように設計されている。
論文 参考訳（メタデータ） (2024-08-02T04:31:22Z) - 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) - 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) - Assisted quantum simulation of open quantum systems [0.0]
NISQ技術を用いてUQAの回路深さを低減する量子支援量子アルゴリズムを導入する。
オープン量子システムをシミュレーションするための量子支援量子アルゴリズムを2つ提案する。
論文 参考訳（メタデータ） (2023-02-26T11:41:02Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - 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) - Quantum reservoir neural network implementation on coherently coupled
quantum oscillators [1.7086737326992172]
本稿では,多数の高密度結合ニューロンを得る量子貯水池の実装を提案する。
超伝導回路に基づく特定のハードウェア実装を解析する。
ベンチマークタスクでは99 %の最先端の精度が得られる。
論文 参考訳（メタデータ） (2022-09-07T15:24:51Z) - Variational Quantum Reinforcement Learning via Evolutionary Optimization [0.0]
グラデーションフリーな進化最適化を用いた深部量子RLタスクの2つのフレームワークを提案する。
本稿では,量子RLエージェントにTN-VQCアーキテクチャを組み込んだハイブリッドフレームワークを提案する。
これにより、147次元の入力でMiniGrid環境で量子RLを実行することができる。
論文 参考訳（メタデータ） (2021-09-01T16:36:04Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳（メタデータ） (2021-08-30T23:50:05Z) - Mitigating noise in digital and digital-analog quantum computation [0.0]
デジタルアナログ量子コンピューティング(DAQC)は、よりレジリエントな代替量子コンピューティングパラダイムを提供する。
DAQCは、特にプロセッササイズが大きくなるにつれて、デジタルアプローチを忠実に上回っている。
これらの結果は、NISQ時代の量子コンピューティングの代替手段としてDAQCを確立した。
論文 参考訳（メタデータ） (2021-07-27T17:30:23Z) - 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)
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。