論文の概要: Peephole Optimization for Quantum Approximate Synthesis
- arxiv url: http://arxiv.org/abs/2409.06020v1
- Date: Mon, 9 Sep 2024 19:22:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 19:51:02.465184
- Title: Peephole Optimization for Quantum Approximate Synthesis
- Title（参考訳）: 量子近似合成のためのピープホール最適化
- Authors: Joseph Clark, Himanshu Thapliyal,
- Abstract要約: 量子回路のピープホール最適化は、スケーラブルな量子回路最適化に標準回路アプローチを活用する方法を提供する。
本アーキテクチャの最終段階の改善として,エラー認識の追加や,結果の正しさの近似方法の改善などを提案する。
- 参考スコア（独自算出の注目度）: 0.4604003661048266
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Peephole optimization of quantum circuits provides a method of leveraging standard circuit synthesis approaches into scalable quantum circuit optimization. One application of this technique partitions an entire circuit into a series of peepholes and produces multiple approximations of each partitioned subcircuit. A single approximation of each subcircuit is then selected to form optimized result circuits. We propose a series of improvements to the final phase of this architecture, which include the addition of error awareness and a better method of approximating the correctness of the result. We evaluated these proposed improvements on a set of benchmark circuits using the IBMQ FakeWashington simulator. The results demonstrate that our best-performing method provides an average reduction in Total Variational Distance (TVD) and Jensen-Shannon Divergence (JSD) of 18.2% and 15.8%, respectively, compared with the Qiskit optimizer. This also constitutes an improvement in TVD of 11.4% and JSD of 9.0% over existing solutions.
- Abstract（参考訳）: 量子回路のピープホール最適化は、スケーラブルな量子回路最適化に標準回路合成アプローチを活用する方法を提供する。
この手法の応用の1つは、回路全体を一連のピープホールに分割し、分割された各サブ回路の複数の近似を生成することである。
次に、各サブ回路の1つの近似を選択して最適化結果回路を形成する。
本アーキテクチャの最終段階の改善として,エラー認識の追加や,結果の正しさの近似方法の改善などを提案する。
我々は、IBMQ FakeWashingtonシミュレータを用いて、一連のベンチマーク回路におけるこれらの改善について評価した。
その結果,Qiskitオプティマイザと比較して,最高の性能は,総変分距離(TVD)とJensen-Shannon Divergence(JSD)の平均18.2%,および15.8%の低減率であることがわかった。
また、TVDは11.4%、JSDは9.0%改善されている。
関連論文リスト
- Sample-efficient Bayesian Optimisation Using Known Invariances [56.34916328814857]
バニラと制約付きBOアルゴリズムは、不変目的を最適化する際の非効率性を示す。
我々はこれらの不変カーネルの最大情報ゲインを導出する。
核融合炉用電流駆動システムの設計に本手法を用い, 高性能溶液の探索を行った。
論文 参考訳（メタデータ） (2024-10-22T12:51:46Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - Approximate Quantum Compiling for Quantum Simulation: A Tensor Network based approach [1.237454174824584]
行列生成状態(MPS)から短深さ量子回路を生成する新しいアルゴリズムであるAQCtensorを導入する。
我々のアプローチは、量子多体ハミルトニアンの時間進化から生じる量子状態の準備に特化している。
100量子ビットのシミュレーション問題に対して、AQCtensorは、結果の最適化回路の深さの少なくとも1桁の縮小を実現していることを示す。
論文 参考訳（メタデータ） (2023-01-20T14:40:29Z) - Bayesian Optimization for QAOA [0.0]
量子回路を最適化するためのベイズ最適化手法を提案する。
提案手法により,量子回路の呼び出し回数を大幅に削減できることを示す。
提案手法は,ノイズの多い中間規模量子デバイス上でのQAOAのハイブリッド特性を活用するための,有望なフレームワークであることが示唆された。
論文 参考訳（メタデータ） (2022-09-08T13:59:47Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - 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) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z) - ScopeFlow: Dynamic Scene Scoping for Optical Flow [94.42139459221784]
我々は,光流の一般的なトレーニングプロトコルを変更することを提案する。
この改善は、挑戦的なデータをサンプリングする際のバイアスを観察することに基づいている。
トレーニングプロトコルでは,正規化と拡張の双方が減少することが判明した。
論文 参考訳（メタデータ） (2020-02-25T09:58:49Z) - Accelerating Quantum Approximate Optimization Algorithm using Machine
Learning [6.735657356113614]
本稿では,量子近似最適化アルゴリズム(QAOA)の実装を高速化する機械学習手法を提案する。
QAOAは、いわゆる量子超越性を証明する量子古典ハイブリッドアルゴリズムである。
提案手法は,264種類のグラフを用いて行った解析から,最適化の繰り返し回数を最大65.7%削減できることを示す。
論文 参考訳（メタデータ） (2020-02-04T02:21:00Z)
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。