論文の概要: Scalable quantum dynamics compilation via quantum machine learning
- arxiv url: http://arxiv.org/abs/2409.16346v1
- Date: Tue, 24 Sep 2024 18:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 08:51:05.770735
- Title: Scalable quantum dynamics compilation via quantum machine learning
- Title（参考訳）: 量子機械学習によるスケーラブル量子ダイナミクスのコンパイル
- Authors: Yuxuan Zhang, Roeland Wiersema, Juan Carrasquilla, Lukasz Cincio, Yong Baek Kim,
- Abstract要約: 変分量子コンパイル(VQC)法は、高精度を維持しつつゲートコストを低減するために変分最適化を用いる。
1次元におけるシステムサイズと精度の両面で、我々のアプローチが最先端のコンパイル結果を上回ることが示されている(1$D)。
VQCを2次元(2次元)ストリップに準1次元処理で拡張し、標準的なトロッタライズ法よりも大きな資源優位性を示す。
- 参考スコア（独自算出の注目度）: 7.31922231703204
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum dynamics compilation is an important task for improving quantum simulation efficiency: It aims to synthesize multi-qubit target dynamics into a circuit consisting of as few elementary gates as possible. Compared to deterministic methods such as Trotterization, variational quantum compilation (VQC) methods employ variational optimization to reduce gate costs while maintaining high accuracy. In this work, we explore the potential of a VQC scheme by making use of out-of-distribution generalization results in quantum machine learning (QML): By learning the action of a given many-body dynamics on a small data set of product states, we can obtain a unitary circuit that generalizes to highly entangled states such as the Haar random states. The efficiency in training allows us to use tensor network methods to compress such time-evolved product states by exploiting their low entanglement features. Our approach exceeds state-of-the-art compilation results in both system size and accuracy in one dimension ($1$D). For the first time, we extend VQC to systems on two-dimensional (2D) strips with a quasi-1D treatment, demonstrating a significant resource advantage over standard Trotterization methods, highlighting the method's promise for advancing quantum simulation tasks on near-term quantum processors.
- Abstract（参考訳）: 量子力学は、量子シミュレーション効率を改善するための重要なタスクである。
トロタライゼーションなどの決定論的手法と比較して、変分量子コンパイル(VQC)法は高い精度を維持しつつゲートコストを低減するために変分最適化を用いる。
本研究では,量子機械学習(QML)における分布外一般化結果を用いて,VQCスキームの可能性を探る: 与えられた多体ダイナミクスの作用を少数の積状態のデータセット上で学習することにより,Haarランダム状態のような高絡み合った状態に一般化するユニタリ回路を得ることができる。
トレーニングの効率化により、テンソルネットワーク法を用いて、それらの低絡み合い特性を利用して、そのような時間進化した製品状態を圧縮することができる。
提案手法は,1次元のシステムサイズと精度の両面において,最先端のコンパイル結果を上回った(1$D)。
VQCを2次元(2次元)ストリップのシステムに準1次元処理で拡張し、量子シミュレーションタスクを短期量子プロセッサ上で進行させるという手法の約束を強調し、標準的なトロッタライズ法よりも重要なリソース優位性を示す。
関連論文リスト
- 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) - Adaptive variational quantum dynamics simulations with compressed circuits and fewer measurements [4.2643127089535104]
AVQDS(T)と呼ばれる適応変分量子力学シミュレーション(AVQDS)法の改良版を示す。
このアルゴリズムは、変分力学の精度の尺度であるマクラクラン距離を一定しきい値以下に保つために、アンザッツ回路に不連結なユニタリゲートの層を適応的に加算する。
また、雑音耐性を増強した変動パラメータに対する線形運動方程式を解くために、固有値トランケーションに基づく手法を示す。
論文 参考訳（メタデータ） (2024-08-13T02:56:43Z) - 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) - Mapping quantum circuits to shallow-depth measurement patterns based on
graph states [0.0]
我々は,測定に基づく量子コンピューティングのためのハイブリッドシミュレーション手法を開発した。
完全可換作用素の群は完全並列、すなわち非適応的測定を用いて実装可能であることを示す。
量子テレポーテーションを用いることで、そのような回路を一定の量子深さで実装する方法について議論する。
論文 参考訳（メタデータ） (2023-11-27T19:00:00Z) - Applicability of Measurement-based Quantum Computation towards Physically-driven Variational Quantum Eigensolver [17.975555487972166]
変分量子アルゴリズムは、短期量子の利点を得る最も有望な方法の1つである。
測定に基づく量子計算方式で量子アルゴリズムを開発するための障害は、リソースコストである。
量子多体系シミュレーションタスクのための効率的な測定ベース量子アルゴリズム(MBHVA)を提案する。
論文 参考訳（メタデータ） (2023-07-19T08:07:53Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - 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) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳（メタデータ） (2022-08-01T12:48:48Z) - Continuous-variable quantum approximate optimization on a programmable
photonic quantum processor [0.9558392439655016]
変分量子アルゴリズム(VQA)は、ノイズの多い量子デバイスにおける実用的な問題に対する量子優位性を達成するための有望なアプローチを提供する。
我々は,プログラマブルフォトニック量子コンピュータと古典コンピュータの協調計算システムを開発する。
我々の研究は、より一般的な関数の最小化にまで拡張することができ、実用的な問題における量子的優位性を達成するための代替手段を提供する。
論文 参考訳（メタデータ） (2022-06-15T00:00:47Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-28T17:21:25Z) - Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
オープン量子システムのダイナミクスに対処するためのアプローチを提案する。
自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。
効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
論文 参考訳（メタデータ） (2020-09-11T18:00:00Z)
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。