論文の概要: Learning dynamic quantum circuits for efficient state preparation
- arxiv url: http://arxiv.org/abs/2410.09030v1
- Date: Fri, 11 Oct 2024 17:47:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 20:26:51.485729
- Title: Learning dynamic quantum circuits for efficient state preparation
- Title（参考訳）: 効率的な状態準備のための動的量子回路の学習
- Authors: Faisal Alam, Bryan K. Clark,
- Abstract要約: 動的量子回路(DQC)は、これらの測定結果に基づいて中間回路の測定とゲートを組み込む。
我々は拡張性のあるテンソルネットワークアルゴリズムを開発し、汎用状態に対する高忠実度DQCの準備を求める。
我々の研究は、DQC回路を生成するためのアルゴリズム的アプローチの力を示し、量子コンピューティングの新しい分野への応用範囲を広げた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dynamic quantum circuits (DQCs) incorporate mid-circuit measurements and gates conditioned on these measurement outcomes. DQCs can prepare certain long-range entangled states in constant depth, making them a promising route to preparing complex quantum states on devices with a limited coherence time. Almost all constructions of DQCs for state preparation have been formulated analytically, relying on special structure in the target states. In this work, we approach the problem of state preparation variationally, developing scalable tensor network algorithms which find high-fidelity DQC preparations for generic states. We apply our algorithms to critical states, random matrix product states, and subset states. We consider both DQCs with a fixed number of ancillae and those with an extensive number of ancillae. Even in the few ancillae regime, the DQCs discovered by our algorithms consistently prepare states with lower infidelity than a static quantum circuit of the same depth. Notably, we observe constant fidelity gains across system sizes and circuit depths. For DQCs with an extensive number of ancillae, we introduce scalable methods for decoding measurement outcomes, including a neural network decoder and a real-time decoding protocol. Our work demonstrates the power of an algorithmic approach to generating DQC circuits, broadening their scope of applications to new areas of quantum computing.
- Abstract（参考訳）: 動的量子回路(DQC)は、これらの測定結果に基づいて中間回路の測定とゲートを組み込む。
DQCは一定の深さで一定の長距離の絡み合った状態を作ることができ、コヒーレンス時間に制限されたデバイス上で複雑な量子状態を作るための有望な経路となる。
状態準備のためのDQCのほとんどすべての構造は、ターゲット状態の特別な構造に依存して解析的に定式化されている。
そこで本研究では,汎用状態に対する高忠実度DQC作成法を求めるスケーラブルなテンソルネットワークアルゴリズムを開発した。
アルゴリズムを臨界状態、ランダム行列積状態、サブセット状態に適用する。
DQCは固定数のアンシラと多量のアンシラの両方を考慮に入れた。
わずかなアンシラ状態であっても、我々のアルゴリズムによって発見されたDQCは、同じ深さの静的量子回路よりも不忠実な状態を常に準備する。
特に,システムサイズおよび回路深さの一定忠実度ゲインを観測する。
多数のアンシラを持つDQCに対して,ニューラルネットワークデコーダやリアルタイムデコードプロトコルなど,測定結果をデコードするスケーラブルな手法を導入する。
我々の研究は、DQC回路を生成するためのアルゴリズム的アプローチの力を示し、量子コンピューティングの新しい分野への応用範囲を広げた。
関連論文リスト
- SuperEncoder: Towards Universal Neural Approximate Quantum State Preparation [12.591173729459427]
トレーニング済みのニューラルネットワークを利用して任意の量子状態に対してQSP回路を直接生成できることが示される。
我々の研究は、近似QSPのための普遍的ニューラルデザイナに向けて着実に進んでいる。
論文 参考訳（メタデータ） (2024-08-10T04:39:05Z) - Double-bracket quantum algorithms for high-fidelity ground state preparation [0.7142083707942719]
本稿では、二重ブラケット量子アルゴリズム(DBQA)を用いて基底状態を作成する方法について述べる。
ハイゼンベルクモデルでは、CZとシングルキュービットゲートを用いて、短期量子デバイスの能力にマッチする回路にアルゴリズムをコンパイルする。
論文 参考訳（メタデータ） (2024-08-07T18:00:00Z) - 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) - Learning Informative Latent Representation for Quantum State Tomography [18.19768367431327]
量子状態トモグラフィ(Quantum state tomography、QST)は、量子系の完全な状態を再構築する過程である。
ディープニューラルネットワーク(DNN)の最近の進歩は、QSTにおけるディープラーニング(DL)の出現につながった。
本稿では,不完全な測定データを備えたQSTに適したトランスフォーマーベースのオートエンコーダアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-09-30T22:37:28Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - Compilation of algorithm-specific graph states for quantum circuits [55.90903601048249]
本稿では,高レベル言語で記述された量子回路から,アルゴリズム固有のグラフ状態を作成する量子回路コンパイラを提案する。
この計算は、このグラフ状態に関する一連の非パウリ測度を用いて実装することができる。
論文 参考訳（メタデータ） (2022-09-15T14:52:31Z) - Realizing Quantum Convolutional Neural Networks on a Superconducting
Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。
我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。
その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
論文 参考訳（メタデータ） (2021-09-13T12:32:57Z) - Automatically Differentiable Quantum Circuit for Many-qubit State
Preparation [1.5662820454886202]
任意の量子数量子ビット状態を効率的に準備するための自動微分可能な量子回路(ADQC)アプローチを提案する。
この回路は、進化した状態と目標状態との間の距離を最小化するためにバック伝搬を用いて潜在ゲートを更新することで最適化される。
我々の研究は、機械学習手法と組み合わせることで、多量子ビットシステムにおける量子回路の「インテリジェントな構成」に光を当てている。
論文 参考訳（メタデータ） (2021-04-30T12:22:26Z)
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。