論文の概要: Programming Variational Quantum Circuits with Quantum-Train Agent
- arxiv url: http://arxiv.org/abs/2412.01173v1
- Date: Mon, 02 Dec 2024 06:26:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:43:57.552010
- Title: Programming Variational Quantum Circuits with Quantum-Train Agent
- Title（参考訳）: 量子トレインエージェントを用いた変分量子回路のプログラミング
- Authors: Chen-Yu Liu, Samuel Yen-Chi Chen, Kuan-Cheng Chen, Wei-Jia Huang, Yen-Jui Chang,
- Abstract要約: 可変量子回路(VQC)の効率的かつスケーラブルなプログラミングを容易にするQT-QFWP(Quantum-Train Quantum Fast Weight Programmer)フレームワークを提案する。
このアプローチは、量子と古典の両方のパラメータ管理を最適化することで、従来のハイブリッド量子古典モデルに対して大きな優位性をもたらす。
QT-QFWPは、関連モデルを効率性と予測精度の両方で上回り、より実用的で費用対効果の高い量子機械学習アプリケーションへの道筋を提供する。
- 参考スコア（独自算出の注目度）: 3.360429911727189
- License:
- Abstract: In this study, the Quantum-Train Quantum Fast Weight Programmer (QT-QFWP) framework is proposed, which facilitates the efficient and scalable programming of variational quantum circuits (VQCs) by leveraging quantum-driven parameter updates for the classical slow programmer that controls the fast programmer VQC model. This approach offers a significant advantage over conventional hybrid quantum-classical models by optimizing both quantum and classical parameter management. The framework has been benchmarked across several time-series prediction tasks, including Damped Simple Harmonic Motion (SHM), NARMA5, and Simulated Gravitational Waves (GW), demonstrating its ability to reduce parameters by roughly 70-90\% compared to Quantum Long Short-term Memory (QLSTM) and Quantum Fast Weight Programmer (QFWP) without compromising accuracy. The results show that QT-QFWP outperforms related models in both efficiency and predictive accuracy, providing a pathway toward more practical and cost-effective quantum machine learning applications. This innovation is particularly promising for near-term quantum systems, where limited qubit resources and gate fidelities pose significant constraints on model complexity. QT-QFWP enhances the feasibility of deploying VQCs in time-sensitive applications and broadens the scope of quantum computing in machine learning domains.
- Abstract（参考訳）: 本研究では,量子トレイン量子高速重みプログラム(QT-QFWP, Quantum-Train Quantum Fast Weight Programmer, QT-QFWP)フレームワークを提案する。
このアプローチは、量子と古典の両方のパラメータ管理を最適化することで、従来のハイブリッド量子古典モデルに対して大きな優位性をもたらす。
このフレームワークは、Damped Simple Harmonic Motion (SHM)、NARMA5、Simulated Gravitational Waves (GW)など、いくつかの時系列予測タスクでベンチマークされている。
その結果、QT-QFWPは関連モデルを効率と予測精度の両方で優れており、より実用的で費用対効果の高い量子機械学習アプリケーションへの道のりとなっている。
この革新は短期量子システムにおいて特に有望であり、限られた量子ビット資源とゲートフィデリティがモデルの複雑さに重大な制約をもたらす。
QT-QFWPは、時間に敏感なアプリケーションにVQCをデプロイする可能性を高め、機械学習領域における量子コンピューティングの範囲を広げる。
関連論文リスト
- Resource-Efficient Hybrid Quantum-Classical Simulation Algorithm [0.0]
デジタル量子コンピュータは、量子時間進化の実行において指数的なスピードアップを約束する。
中間時間ステップで所望の量子特性を抽出するタスクは、依然として計算ボトルネックである。
我々は,従来のコンピュータがFTQCデバイスや量子時間プロパゲータを利用でき,このボトルネックを克服できるハイブリッドシミュレータを提案する。
論文 参考訳（メタデータ） (2024-05-17T04:17:27Z) - Learning to Program Variational Quantum Circuits with Fast Weights [3.6881738506505988]
本稿では,時間的あるいはシーケンシャルな学習課題に対する解決法として,QFWP(Quantum Fast Weight Programmers)を提案する。
提案したQFWPモデルは、量子リカレントニューラルネットワークの使用を必要とせずに、時間的依存関係の学習を実現する。
本研究では, 時系列予測とRLタスクにおいて, 提案したQFWPモデルの有効性を示す数値シミュレーションを行った。
論文 参考訳（メタデータ） (2024-02-27T18:53:18Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Variational Quantum Eigensolvers with Quantum Gaussian Filters for solving ground-state problems in quantum many-body systems [2.5425769156210896]
量子多体系における基底状態を近似する新しい量子アルゴリズムを提案する。
我々の手法は変分量子固有解法(VQE)と量子ガウスフィルタ(QGF)を統合する。
提案手法は,特に雑音条件下での収束速度と精度の向上を示す。
論文 参考訳（メタデータ） (2024-01-24T14:01:52Z) - 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) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Preparing random state for quantum financing with quantum walks [1.2074552857379273]
本稿では,古典的ハードウェア上で量子コンピュータや量子シミュレータで実行可能な量子状態に古典的データをロードする効率的な手法を提案する。
Qiskitを使ったSSQWの実装の実践例がオープンソースソフトウェアとしてリリースされた。
所望の確率振幅分布を生成するための有望な方法として、その可能性を示すことは、量子シミュレーションによるオプション価格設定におけるSSQWの適用の可能性を強調している。
論文 参考訳（メタデータ） (2023-02-24T08:01:35Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。