論文の概要: Q-gen: A Parameterized Quantum Circuit Generator

• arxiv url: http://arxiv.org/abs/2407.18697v1
• Date: Fri, 26 Jul 2024 12:22:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-29 13:30:50.930016
• Title: Q-gen: A Parameterized Quantum Circuit Generator
• Title（参考訳）: Q-gen:パラメータ化量子回路発電機
• Authors: Yikai Mao, Shaswot Shresthamali, Masaaki Kondo,
• Abstract要約: 本稿では、15個の現実的量子アルゴリズムを取り入れた高レベルパラメータ化量子回路生成器Q-genを紹介する。 Q-genは、古典的なコンピュータサイエンスの背景を持つユーザが量子コンピューティングの世界に飛び込むための入り口として機能するオープンソースプロジェクトである。
• 参考スコア（独自算出の注目度）: 0.6062751776009752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unlike most classical algorithms that take an input and give the solution directly as an output, quantum algorithms produce a quantum circuit that works as an indirect solution to computationally hard problems. In the full quantum computing workflow, most data processing remains in the classical domain except for running the quantum circuit in the quantum processor. This leaves massive opportunities for classical automation and optimization toward future utilization of quantum computing. We kickstart the first step in this direction by introducing Q-gen, a high-level, parameterized quantum circuit generator incorporating 15 realistic quantum algorithms. Each customized generation function comes with algorithm-specific parameters beyond the number of qubits, providing a large generation volume with high circuit variability. To demonstrate the functionality of Q-gen, we organize the algorithms into 5 hierarchical systems and generate a quantum circuit dataset accompanied by their measurement histograms and state vectors. This dataset enables researchers to statistically analyze the structure, complexity, and performance of large-scale quantum circuits, or quickly train novel machine learning models without worrying about the exponentially growing simulation time. Q-gen is an open-source and multipurpose project that serves as the entrance for users with a classical computer science background to dive into the world of quantum computing.
• Abstract（参考訳）: 入力を入力として直接解を与える古典的なアルゴリズムとは異なり、量子アルゴリズムは計算的に難しい問題に対する間接的な解として機能する量子回路を生成する。 完全な量子コンピューティングワークフローでは、ほとんどのデータ処理は量子プロセッサで量子回路を実行する以外は古典的な領域に留まっている。 これにより、量子コンピューティングの今後の活用に向けて、古典的な自動化と最適化の膨大な機会が残される。 15個の現実的量子アルゴリズムを組み込んだ高レベルパラメータ化量子回路生成器Q-genを導入することで、この方向への第一歩を踏み出す。 それぞれのカスタマイズされた生成関数は、キュービット数を超えるアルゴリズム固有のパラメータを持ち、高い回路可変性を持つ大きな生成ボリュームを提供する。 Q-genの機能を示すために、アルゴリズムを5つの階層的なシステムに分類し、その測定ヒストグラムと状態ベクトルを伴って量子回路データセットを生成する。 このデータセットにより、研究者は大規模量子回路の構造、複雑さ、性能を統計的に分析したり、指数関数的に増加するシミュレーション時間を気にせずに新しい機械学習モデルを素早く訓練することができる。 Q-genはオープンソースの多目的プロジェクトであり、古典的なコンピュータサイエンスの背景を持つユーザーが量子コンピューティングの世界に飛び込むための入り口として機能している。

関連論文リスト

• NN-AE-VQE: Neural network parameter prediction on autoencoded variational quantum eigensolvers [1.7400502482492273]
  近年、量子コンピューティングの分野は大幅に成熟している。 NN-AE-VQEというニューラルネットワークを用いた自動符号化VQEを提案する。 我々はこれらの手法を、化学的精度を達成するために、$H$分子上で実証する。
  論文  参考訳（メタデータ） (2024-11-23T23:09:22Z)
• QCircuitNet: A Large-Scale Hierarchical Dataset for Quantum Algorithm Design [17.747641494506087]
  量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された、最初のベンチマークおよびテストデータセットであるQCircuitNetを紹介する。 従来のコードの記述にAIを使用するのとは異なり、このタスクは基本的に異なり、非常に柔軟な設計空間と複雑なキュービット操作のため、さらに複雑である。
  論文  参考訳（メタデータ） (2024-10-10T14:24:30Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
  本稿では,量子回路実行の並列化モデルを提案する。 このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
  論文  参考訳（メタデータ） (2024-06-05T17:16:07Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• QArchSearch: A Scalable Quantum Architecture Search Package [1.725192300740999]
  バックエンドとして textttQTensor ライブラリを備えた,AI ベースの量子アーキテクチャ検索パッケージである textttQArchSearch を提示する。 探索パッケージは、探索を大規模量子回路に効率よくスケールでき、異なる量子アプリケーションのためのより複雑なモデルを探索できることを示す。
  論文  参考訳（メタデータ） (2023-10-11T20:00:33Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• Classical variational simulation of the Quantum Approximate Optimization Algorithm [0.0]
  パラメタライズドゲートからなる層状量子回路をシミュレートする手法を提案する。 マルチキュービット波動関数のニューラルネットワークパラメトリゼーションを用いる。 シミュレーションした最大の回路では、4QAOA層で54量子ビットに達する。
  論文  参考訳（メタデータ） (2020-09-03T15:55:27Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

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。