論文の概要: Distribution-Adaptive Dynamic Shot Optimization for Variational Quantum Algorithms
- arxiv url: http://arxiv.org/abs/2412.17485v1
- Date: Mon, 23 Dec 2024 11:28:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:57:25.248286
- Title: Distribution-Adaptive Dynamic Shot Optimization for Variational Quantum Algorithms
- Title(参考訳): 変分量子アルゴリズムにおける分布適応動的ショット最適化
- Authors: Youngmin Kim, Enhyeok Jang, Hyungseok Kim, Seungwoo Choi, Changhun Lee, Donghwi Kim, Woomin Kyoung, Kyujin Shin, Won Woo Ro,
- Abstract要約: 変分量子アルゴリズム(VQA)は、その潜在的な計算上の利点から注目されている。
本稿では,VQAにおける1イテレーションあたりのショット数を効率的に調整する分散適応ショット(DDS)フレームワークを提案する。
提案手法は, 平均撮影回数を50%削減しつつ, 推測精度を維持できることを示す。
- 参考スコア(独自算出の注目度): 11.357031710307709
- License:
- Abstract: Variational quantum algorithms (VQAs) have attracted remarkable interest over the past few years because of their potential computational advantages on near-term quantum devices. They leverage a hybrid approach that integrates classical and quantum computing resources to solve high-dimensional problems that are challenging for classical approaches alone. In the training process of variational circuits, constructing an accurate probability distribution for each epoch is not always necessary, creating opportunities to reduce computational costs through shot reduction. However, existing shot-allocation methods that capitalize on this potential often lack adaptive feedback or are tied to specific classical optimizers, which limits their applicability to common VQAs and broader optimization techniques. Our observations indicate that the information entropy of a quantum circuit's output distribution exhibits an approximately exponential relationship with the number of shots needed to achieve a target Hellinger distance. In this work, we propose a distribution-adaptive dynamic shot (DDS) framework that efficiently adjusts the number of shots per iteration in VQAs using the entropy distribution from the prior training epoch. Our results demonstrate that the DDS framework sustains inference accuracy while achieving a ~50% reduction in average shot count compared to fixed-shot training, and ~60% higher accuracy than recently proposed tiered shot allocation methods. Furthermore, in noisy simulations that reflect the error rates of actual IBM quantum systems, DDS achieves approximately a ~30% reduction in the total number of shots compared to the fixed-shot method with minimal degradation in accuracy, and offers about ~70% higher computational accuracy than tiered shot allocation methods.
- Abstract(参考訳): 変分量子アルゴリズム(VQA)は、短期量子デバイスに対する計算上の優位性から、ここ数年で注目されている。
彼らは古典的および量子コンピューティングリソースを統合するハイブリッドアプローチを活用して、古典的なアプローチだけでは困難な高次元の問題を解決する。
変分回路のトレーニングプロセスでは、各エポックに対して正確な確率分布を構築することが必ずしも必要ではなく、ショット削減による計算コストの削減の機会が生じる。
しかし、この可能性を生かした既存のショットアロケーション方式は、適応的なフィードバックを欠いたり、特定の古典的なオプティマイザと結びついている場合が多いため、一般的なVQAやより広範な最適化手法の適用性が制限される。
我々は,量子回路の出力分布の情報エントロピーが,ターゲットヘリンジャー距離を達成するために必要なショット数とほぼ指数関数的な関係を示すことを示した。
そこで本研究では,前回のトレーニングから得られたエントロピー分布を用いて,VQAにおける反復1回あたりのショット数を効率的に調整する分散適応動的ショット(DDS)フレームワークを提案する。
その結果,DDS フレームワークは,固定撮影訓練に比べて平均撮影回数を 50% 削減し,最近提案したタイトショットアロケーション手法よりも60% 高い精度で推論精度を維持できることを示した。
さらに、実際のIBM量子システムの誤差率を反映したノイズシミュレーションでは、DDSは、固定ショット法と比較して、ショット総数の約30%削減を達成し、タイテッドショット割り当て法よりも約70%高い計算精度を提供する。
関連論文リスト
- Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。
QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
論文 参考訳(メタデータ) (2024-05-15T02:04:22Z) - Artificial-Intelligence-Driven Shot Reduction in Quantum Measurement [6.649102874357367]
変量量子固有解法(VQE)は、分子基底エネルギーを近似するための強力な解を提供する。
量子ハードウェアにおける推定確率は繰り返し測定を必要とする(ショット)
本稿では,全撮影量を最小化するために,自動でショット割り当てポリシーを学習する強化学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2024-05-03T21:51:07Z) - SantaQlaus: A resource-efficient method to leverage quantum shot-noise
for optimization of variational quantum algorithms [1.0634978400374293]
変分量子アルゴリズム(VQA)に適した資源効率最適化アルゴリズムであるSantaQlausを紹介する。
サンタクロースは, 地域最適度の低さに収束するリスクを軽減するために, 既存のアルゴリズムよりも優れていることを示す。
これは、量子変分モデルの効率的で堅牢なトレーニングの道を開く。
論文 参考訳(メタデータ) (2023-12-25T18:58:20Z) - Zero-Shot Sharpness-Aware Quantization for Pre-trained Language Models [88.80146574509195]
量子化は、メモリオーバーヘッドを減らし、推論を加速するための有望なアプローチである。
種々のPLMのゼロショット量子化のための新しい量子化(ZSAQ)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-20T07:09:56Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳(メタデータ) (2023-09-11T18:00:00Z) - Faster variational quantum algorithms with quantum kernel-based
surrogate models [0.0]
本稿では,雑音量子プロセッサ上での小型から中規模の変分アルゴリズムを提案する。
提案手法は,計算負荷をこれらのハイブリッドアルゴリズムの古典的成分にシフトさせ,量子プロセッサへのクエリ数を劇的に削減する。
論文 参考訳(メタデータ) (2022-11-02T14:11:25Z) - Stochastic Gradient Line Bayesian Optimization: Reducing Measurement
Shots in Optimizing Parameterized Quantum Circuits [4.94950858749529]
我々は、少ない測定ショットで回路最適化を行うための効率的なフレームワークを開発する。
我々は、正確な期待値推定に頼ることなく、最適化を実現するための適応的な計測ショット戦略を定式化する。
本稿では,VQAsの最適化において,接尾辞平均化手法が統計的およびハードウェアノイズの影響を著しく低減できることを示す。
論文 参考訳(メタデータ) (2021-11-15T18:00:14Z) - Adaptive shot allocation for fast convergence in variational quantum
algorithms [0.0]
本稿では,gCANS法 (Global Coupled Adaptive Number of Shots) と呼ばれる,各ステップに適応するショット数を用いた勾配降下法を提案する。
これらの改善により、現在のクラウドプラットフォーム上でVQAを実行するのに必要な時間と費用が削減される。
論文 参考訳(メタデータ) (2021-08-23T22:29:44Z) - FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。
我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。
従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
論文 参考訳(メタデータ) (2021-07-07T13:39:08Z) - DAQ: Distribution-Aware Quantization for Deep Image Super-Resolution
Networks [49.191062785007006]
画像超解像のための深い畳み込みニューラルネットワークの定量化は、計算コストを大幅に削減する。
既存の作業は、4ビット以下の超低精度の厳しい性能低下に苦しむか、または性能を回復するために重い微調整プロセスを必要とします。
高精度なトレーニングフリー量子化を実現する新しい分散認識量子化方式(DAQ)を提案する。
論文 参考訳(メタデータ) (2020-12-21T10:19:42Z) - Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。
我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。
低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文 参考訳(メタデータ) (2020-11-29T03:53:49Z)
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。