論文の概要: ShotQC: Reducing Sampling Overhead in Quantum Circuit Cutting

• arxiv url: http://arxiv.org/abs/2412.17704v1
• Date: Mon, 23 Dec 2024 16:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:56:16.331724
• Title: ShotQC: Reducing Sampling Overhead in Quantum Circuit Cutting
• Title（参考訳）: ShotQC:量子回路切断におけるサンプリングオーバーヘッド低減
• Authors: Po-Hung Chen, Dah-Wei Chiou, Jie-Hong Roland Jiang,
• Abstract要約: ShotQCは、古典的な後処理の複雑さを増大させることなくサンプリングオーバーヘッドを大幅に削減する。 ShotQCは,従来の後処理の複雑さを増大させることなく,サンプリングオーバーヘッドを大幅に削減できることを示す。
• 参考スコア（独自算出の注目度）: 25.01488143369413
• License:
• Abstract: The recent \emph{quantum circuit cutting} technique enables simulating large quantum circuits on distributed smaller devices, significantly extending the capabilities of current noisy intermediate-scale quantum (NISQ) hardware. However, this method incurs substantial classical postprocessing and additional quantum resource demands, as both postprocessing complexity and sampling overhead scale exponentially with the number of cuts introduced. In this work, we propose an enhanced circuit cutting framework \emph{ShotQC} with effective sampling overhead reduction. It effectively reduces sampling overhead through two key optimizations: \emph{shot distribution} and \emph{cut parameterization}. The former employs an adaptive Monte Carlo method to dynamically allocate more quantum resources to subcircuit configurations that contribute more to variance in the final outcome. The latter leverages additional degrees of freedom in postprocessing to further suppress variance. By integrating these optimization methods, ShotQC achieves significant reductions in sampling overhead without increasing classical postprocessing complexity, as demonstrated on a range of benchmark circuits.
• Abstract（参考訳）: 最近の 'emph{quantum circuit cut} 技術は、分散された小さなデバイス上で大規模な量子回路をシミュレートし、現在のノイズの多い中間規模量子(NISQ)ハードウェアの能力を著しく拡張する。 しかし、この手法は、カット数の増加とともに、後処理の複雑さとサンプリングオーバーヘッドのスケールが指数関数的に大きくなるため、かなり古典的な後処理と追加の量子リソース要求を生じさせる。 そこで本研究では,サンプリングオーバヘッドを効果的に削減できる拡張回路切断フレームワーク \emph{ShotQC} を提案する。 2つの主要な最適化: \emph{shot distribution} と \emph{cut parameterization} によってサンプリングオーバーヘッドを効果的に削減する。 前者は適応的なモンテカルロ法を用いて、最終的な結果のばらつきに寄与するサブサーキット構成により多くの量子資源を動的に割り当てる。 後者は後処理におけるさらなる自由度を活用し、分散をさらに抑制する。 これらの最適化手法を統合することで、ShotQCは古典的な後処理の複雑さを増大させることなくサンプリングオーバーヘッドを大幅に削減する。

関連論文リスト

• PassionSR: Post-Training Quantization with Adaptive Scale in One-Step Diffusion based Image Super-Resolution [95.98801201266099]
  拡散に基づく画像超解像(SR)モデルでは、複数のデノナイジングステップのコストで優れた性能を示す。 本稿では,一段階拡散(OSD)画像SR,PassionSRにおける適応スケールの学習後量子化手法を提案する。 我々のPassionSRは、画像SRの最近の先進的な低ビット量子化法に対して大きな利点がある。
  論文  参考訳（メタデータ） (2024-11-26T04:49:42Z)
• Quantum-Classical Computing via Tensor Networks [0.6086160084025234]
  テンソルネットワークを用いたスケーラブルなハイブリッド量子古典処理のためのフレームワークであるqTPUを紹介する。 ハイブリッド量子回路の収縮法を利用して、回路実行をハイブリッドテンソルネットワーク(h-TN)の収縮として表現する。 qTPUコンパイラは効率的なh-TN生成を自動化し、推定エラーと後処理オーバーヘッドのバランスを最適化する。
  論文  参考訳（メタデータ） (2024-10-19T11:57:05Z)
• Scaling and assigning resources on ion trap QCCD architectures [0.0]
  イオントラップ技術は量子情報処理の候補として大きな注目を集めている。 提案手法は,従来の手法と比較して最大50%の精度向上を図り,初期量子ビット配置に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-01T01:35:55Z)
• FragQC: An Efficient Quantum Error Reduction Technique using Quantum Circuit Fragmentation [4.2754140179767415]
  誤差確率が一定の閾値を超えると、量子回路をサブ回路に切断するソフトウェアツールであるFragQCを提示する。 回路を切断せずに直接実行した場合の忠実度は14.83%増加し、8.45%が最先端のICP法である。
  論文  参考訳（メタデータ） (2023-09-30T17:38:31Z)
• Approximate Quantum Circuit Cutting [4.3186101474291325]
  現在の量子ハードウェアと差し迫った量子ハードウェアは、ノイズと限定量子ビット数による信頼性と適用性に欠ける。 量子回路切断(Quantum circuit cutting)は、大きな量子回路を手前の限られた量子資源に適した大きさの小さなサブ回路に分割する技法で、これらの問題を緩和するために用いられる。 本稿では、近似回路再構成の概念を紹介する。
  論文  参考訳（メタデータ） (2022-12-02T16:04:52Z)
• Rotation-inspired circuit cut optimization [7.562843347215286]
  近年の研究では、大きな量子回路を切断し、より小さな量子回路のクラスターに分解できることが示されている。 本稿では,回路切断の処理後オーバーヘッドを低減する方法として,回転インスパイアされた回路切断最適化(RICCO)を提案する。 本稿では、VQEの小さなインスタンスを古典的にシミュレートし、既存の回路切断手法と比較することにより、RCICCOのVQEへの適用を実証する。
  論文  参考訳（メタデータ） (2022-11-14T13:57:22Z)
• Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement and measurement reduction [77.97248520278123]
  本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。 QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
  論文  参考訳（メタデータ） (2022-09-26T06:51:20Z)
• 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)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• 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)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。