論文の概要: Learning to Synthesize Fault-Tolerant Quantum Circuits by Diagonalization
- arxiv url: http://arxiv.org/abs/2409.00433v1
- Date: Sat, 31 Aug 2024 12:10:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 14:49:38.616913
- Title: Learning to Synthesize Fault-Tolerant Quantum Circuits by Diagonalization
- Title(参考訳): 対角化によるフォールトトレラント量子回路の合成学習
- Authors: Mathias Weiden, Justin Kalloor, Ed Younis, John Kubiatowicz, Costin Iancu,
- Abstract要約: 探索に基づく手法と数学的分解を組み合わせれば、ユニタリの高精度な実装を効率的に見つけることができることを示す。
ベンチマークでは、量子シャノン分解(Quantum Shannon Decomposition)と比較して、平均94%の非クリフォードゲートを観測した。
- 参考スコア(独自算出の注目度): 0.8341988468339112
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Compilation of quantum programs into circuits expressed with discrete gate sets is essential for fault-tolerant quantum computing. Optimal methods for discovering high-precision implementations of unitaries in discrete gate sets such as the Clifford+T gate set are intractable. Search-based synthesis methods, including Reinforcement Learning (RL) and simulated annealing, are promising as they empirically discover efficient implementations of low-depth unitaries. We leverage search-based methods to reduce the general unitary synthesis problem to one of synthesizing diagonal unitaries; a problem solvable efficiently in general and optimally in the single-qubit case. Relying on several improvements in deep learning architectures essential for quantum datasets, our RL-based approach demonstrates how search-based methods and mathematical decompositions can be combined to efficiently find high precision implementations of unitaries taken from an array of real quantum algorithms. On these benchmarks we observe up to an average of 94% fewer non-Clifford gates compared to the Quantum Shannon Decomposition.
- Abstract(参考訳): 離散ゲートセットで表現される回路への量子プログラムのコンパイルは、フォールトトレラント量子コンピューティングにとって不可欠である。
クリフォード+Tゲートセットのような離散ゲート集合におけるユニタリの高精度実装を見つけるための最適手法は難解である。
Reinforcement Learning (RL) やsimulated annealingなど,探索に基づく合成手法は,低深度ユニタリの効率的な実装を実証的に発見する上で有望である。
探索に基づく手法を用いて、一般ユニタリ合成問題を対角ユニタリの合成問題に還元する。
量子データセットに不可欠なディープラーニングアーキテクチャのいくつかの改善に基づき、我々のRLベースのアプローチは、探索に基づく手法と数学的分解を組み合わせることで、実際の量子アルゴリズムの配列から取られたユニタリの高精度実装を効率的に見つけることができることを示す。
これらのベンチマークでは、Quantum Shannon Decompositionと比較して、平均94%の非クリフォードゲートを観測した。
関連論文リスト
- Quantum Circuit Optimization with AlphaTensor [47.9303833600197]
我々は,所定の回路を実装するために必要なTゲート数を最小化する手法であるAlphaTensor-Quantumを開発した。
Tカウント最適化の既存の方法とは異なり、AlphaTensor-Quantumは量子計算に関するドメイン固有の知識を取り入れ、ガジェットを活用することができる。
注目すべきは、有限体における乗法であるカラツバの手法に似た効率的なアルゴリズムを発見することである。
論文 参考訳(メタデータ) (2024-02-22T09:20:54Z) - Hybrid discrete-continuous compilation of trapped-ion quantum circuits with deep reinforcement learning [1.7087507417780985]
我々は、トラップイオンコンピューティングにおいて、関連する量子回路のサイズを大幅に削減できることを示す。
私たちのフレームワークは、未知のユニタリプロセスの再生を目標とする実験的な設定にも適用できます。
論文 参考訳(メタデータ) (2023-07-12T14:55:28Z) - Characterization, synthesis, and optimization of quantum circuits over
multiple-control $\textit{Z}$-rotation gates: A systematic study [4.385466953937176]
我々は,Multiple-control $Z$-rotation (MCZR) ゲートからなる量子回路をプリミティブとして研究する。
我々は任意のMCZR回路の深さを効果的に最適化するフレキシブルな反復アルゴリズムと共にゲート交換戦略を提案する。
論文 参考訳(メタデータ) (2023-04-18T06:34:18Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳(メタデータ) (2022-09-01T17:08:41Z) - 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) - Effective non-local parity-dependent couplings in qubit chains [0.0]
連鎖上の量子ビットの同時結合を利用し、非局所パリティ依存量子演算のセットを設計する。
結果として得られる有効長距離結合は、ヨルダン・ウィグナーフェルミオンのパラメトリザブル・トロッターステップを直接実装する。
超伝導量子回路アーキテクチャにおけるゲート動作の数値シミュレーションを行う。
論文 参考訳(メタデータ) (2022-03-14T17:33:40Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳(メタデータ) (2021-06-24T20:16:02Z) - Quantum Gate Pattern Recognition and Circuit Optimization for Scientific
Applications [1.6329956884407544]
回路最適化のための2つのアイデアを導入し、AQCELと呼ばれる多層量子回路最適化プロトコルに組み合わせる。
AQCELは、高エネルギー物理学における最終状態の放射をモデル化するために設計された反復的で効率的な量子アルゴリズム上に展開される。
我々の手法は汎用的であり、様々な量子アルゴリズムに有用である。
論文 参考訳(メタデータ) (2021-02-19T16:20:31Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳(メタデータ) (2020-09-15T18:17:27Z)
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。