論文の概要: QuForge: A Library for Qudits Simulation

• arxiv url: http://arxiv.org/abs/2409.17716v1
• Date: Thu, 26 Sep 2024 10:38:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-28 20:20:41.312336
• Title: QuForge: A Library for Qudits Simulation
• Title（参考訳）: QuForge: クイディットシミュレーションのためのライブラリ
• Authors: Tiago de Souza Farias, Lucas Friedrich, Jonas Maziero
• Abstract要約: QuForgeは、量子回路を量子ビットでシミュレートするように設計されたPythonベースのライブラリである。 GPUやTPUなどの加速デバイス上での実行をサポートし、シミュレーションを著しく高速化する。 スパース操作もサポートしており、他のライブラリと比較してメモリ消費が減少する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing with qudits, an extension of qubits to multiple levels, is a research field less mature than qubit-based quantum computing. However, qudits can offer some advantages over qubits, by representing information with fewer separated components. In this article, we present QuForge, a Python-based library designed to simulate quantum circuits with qudits. This library provides the necessary quantum gates for implementing quantum algorithms, tailored to any chosen qudit dimension. Built on top of differentiable frameworks, QuForge supports execution on accelerating devices such as GPUs and TPUs, significantly speeding up simulations. It also supports sparse operations, leading to a reduction in memory consumption compared to other libraries. Additionally, by constructing quantum circuits as differentiable graphs, QuForge facilitates the implementation of quantum machine learning algorithms, enhancing the capabilities and flexibility of quantum computing research.
• Abstract（参考訳）: 量子ビットを複数のレベルに拡張した量子コンピューティングは、量子ビットベースの量子コンピューティングほど成熟していない研究分野である。 しかし、quditは、分離されたコンポーネントが少ない情報を表現することによって、qubitsよりもいくつかの利点を提供することができる。 本稿では、量子回路を量子ビットでシミュレートするように設計されたPythonベースのライブラリQuForgeについて述べる。 このライブラリは、任意の選択されたキュディ次元に合わせた量子アルゴリズムを実装するために必要な量子ゲートを提供する。 異なるフレームワーク上に構築されたQuForgeは、GPUやTPUなどの加速デバイス上での実行をサポートし、シミュレーションを大幅に高速化する。 スパース操作もサポートしており、他のライブラリと比べてメモリ消費が減少する。 さらに、量子回路を微分可能なグラフとして構築することにより、QuForgeは量子機械学習アルゴリズムの実装を促進し、量子コンピューティング研究の能力と柔軟性を向上させる。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• 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)
• Unleashing quantum algorithms with Qinterpreter: bridging the gap between theory and practice across leading quantum computing platforms [0.6465466167591405]
  QInterpreterはQuantum Science Gateway QubitHubに組み込まれたツールである。 1つのライブラリからもう1つのライブラリにシームレスにプログラムを変換し、結果を視覚化する。
  論文  参考訳（メタデータ） (2023-10-11T03:45:11Z)
• Quantivine: A Visualization Approach for Large-scale Quantum Circuit Representation and Analysis [31.203764035373677]
  我々は量子回路の探索と理解のための対話型システムQuantivineを開発した。 一連の新しい回路視覚化は、キュービットの証明、並列性、絡み合いなどのコンテキストの詳細を明らかにするように設計されている。 Quantivineの有効性は、最大100キュービットの量子回路の2つの利用シナリオを通して示される。
  論文  参考訳（メタデータ） (2023-07-18T04:51:28Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• 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)
• tqix.pis: A toolbox for large-scale quantum simulation platforms [0.0]
  tqix.pisは、大規模量子シミュレーションプラットフォームで様々なアルゴリズムを実行するためのtqixのライブラリである。 量子回路の基本機能(量子ビット、量子ゲート、測定など)をエミュレートする。
  論文  参考訳（メタデータ） (2022-09-02T16:57:22Z)
• Efficient realization of quantum primitives for Shor's algorithm using PennyLane library [0.0]
  Packageには、PennyLaneライブラリを使った様々な量子ゲートとよく知られた量子アルゴリズムの実装が含まれている。 分解は、閉じ込められたイオン量子コンピュータのネイティブ操作レベルにおいて、Shorのアルゴリズムの実行に必要なリソースを分析するために使用される。
  論文  参考訳（メタデータ） (2022-01-14T12:55:28Z)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Quantum Accelerator Stack: A Research Roadmap [0.0]
  本稿では,加速器の層全体のスタックを含む量子加速器のアイデアを提案する。 Qbits は完全量子ビットとして定義され、それらはデコヒールを持たず、良好な量子ゲート演算を行うことを意味する。 この論理は、OpenQLと呼ばれるグループで開発された普遍的な量子-古典ハイブリッド計算言語で表現される。
  論文  参考訳（メタデータ） (2021-02-03T12:33:12Z)

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。