Fugu-MT 論文翻訳(概要): Machine Learning Enhanced Quantum State Tomography on FPGA

論文の概要: Machine Learning Enhanced Quantum State Tomography on FPGA

arxiv url: http://arxiv.org/abs/2501.04327v1
Date: Wed, 08 Jan 2025 07:59:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-09 14:55:41.645748
Title: Machine Learning Enhanced Quantum State Tomography on FPGA
Title（参考訳）: FPGAによる量子状態トモグラフィの機械学習
Authors: Hsun-Chung Wu, Hsien-Yi Hsieh, Zhi-Kai Xu, Hua Li Chen, Zi-Hao Shi, Po-Han Wang, Popo Yang, Ole Steuernagel, Chien-Ming Wu, Ray-Kuang Lee,
Abstract要約: リアルタイム量子状態トモグラフィ(QST)のための機械学習技術が新たな道を開いた我々は機械学習によるQSTのエッジデバイスへの展開を実証し、特にフィールドプログラマブルゲートアレイ(FPGA)を利用した。
参考スコア（独自算出の注目度）: 0.12171407135748794
License:
Abstract: Machine learning techniques have opened new avenues for real-time quantum state tomography (QST). In this work, we demonstrate the deployment of machine learning-based QST onto edge devices, specifically utilizing field programmable gate arrays (FPGAs). This implementation is realized using the {\it Vitis AI Integrated Development Environment} provided by AMD\textsuperscript \textregistered~Inc. Compared to the Graphics Processing Unit (GPU)-based machine learning QST, our FPGA-based one reduces the average inference time by an order of magnitude, from 38 ms to 2.94 ms, but only sacrifices the average fidelity about $1\% $ reduction (from 0.99 to 0.98). The FPGA-based QST offers a highly efficient and precise tool for diagnosing quantum states, marking a significant advancement in the practical applications for quantum information processing and quantum sensing.
Abstract（参考訳）: 機械学習技術は、リアルタイム量子状態トモグラフィ(QST)のための新しい道を開いた。本研究では,機械学習に基づくQSTのエッジデバイスへの展開を実演し,特にフィールドプログラマブルゲートアレイ(FPGA)の利用について述べる。この実装は、AMD\textsuperscript \textregistered~Inc が提供する {\it Vitis AI Integrated Development Environment} を用いて実現されている。 Graphics Processing Unit(GPU)ベースの機械学習QSTと比較して、FPGAベースのQSTは、平均推論時間を38msから2.94msに、平均推論時間を桁違いに削減します。 FPGAベースのQSTは、量子状態の診断に非常に効率的かつ正確なツールを提供しており、量子情報処理と量子センシングの実践的応用において大きな進歩を示している。

関連論文リスト

AMARETTO: Enabling Efficient Quantum Algorithm Emulation on Low-Tier FPGAs [0.6553587309274792]
AMARETTOは低層フィールドプログラマブルゲートアレイ(FPGA)上の量子コンピューティングエミュレーションのために設計されている RISC(Reduceed-Instruction-Set-Computer)のような構造とスパース量子ゲートの効率的な処理を用いて、量子アルゴリズムの検証を単純化し、高速化する。
論文参考訳（メタデータ） (2024-11-14T10:01:53Z)
Technology and Performance Benchmarks of IQM's 20-Qubit Quantum Computer [56.435136806763055]
IQM量子コンピュータはQPUと他のフルスタック量子コンピュータの両方をカバーする。焦点は、Garnet QPUとそのアーキテクチャを特徴とする20量子ビットの量子コンピュータであり、最大150量子ビットまでスケールする。 QPUとシステムレベルベンチマークは、中央値の2キュービットゲート忠実度99.5%、グリーンバーガー・ホーネ・ザイリンガー(GHZ)状態の20キュービット全てを真のエンハングリングする。
論文参考訳（メタデータ） (2024-08-22T14:26:10Z)
Demonstrating the Potential of Adaptive LMS Filtering on FPGA-Based Qubit Control Platforms for Improved Qubit Readout in 2D and 3D Quantum Processing Units [3.348076908667385]
本稿では,2次元および3次元量子処理ユニット(QPU)の読み出しパルス忠実度を最適化する研究を要約する。我々は、量子状態検出の精度と効率を高めるために、LMS適応フィルタリングアルゴリズムの適用に焦点をあてる。我々の予備的な結果は、FPGAリソースを効率的に管理しながら高い読み出し精度を維持するLMSフィルタの機能を示す。
論文参考訳（メタデータ） (2024-08-01T20:42:49Z)
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)
Validating Large-Scale Quantum Machine Learning: Efficient Simulation of Quantum Support Vector Machines Using Tensor Networks [17.80970950814512]
本稿では,大規模量子回路のシミュレーションに有効なテンソルネットワーク方式を提案する。我々のシミュレーターは、最大784キュービットのQSVMをうまく処理し、1つの高性能GPU上で数秒でシミュレーションを完了する。
論文参考訳（メタデータ） (2024-05-04T10:37:01Z)
Embedded FPGA Developments in 130nm and 28nm CMOS for Machine Learning in Particle Detector Readout [0.7367855181841242]
フィールドプログラマブルゲートアレイ(eFPGA)技術は、アプリケーション固有の集積回路(ASIC)の設計における再構成可能なロジックの実装を可能にする FABulous"と呼ばれるオープンソースのフレームワークは、130nmと28nmのCMOS技術ノードを用いたeFPGAの設計に使用された。ソースにおけるセンサデータの削減のために設計された機械学習ベースの分類器を合成し、eFPGA上に構成した。
論文参考訳（メタデータ） (2024-04-26T20:59:23Z)
End-to-end codesign of Hessian-aware quantized neural networks for FPGAs and ASICs [49.358119307844035]
我々は、共設計ニューラルネットワーク(NN)のトレーニングと実装のためのエンドツーエンドワークフローを開発する。これにより、ハードウェアにおける効率的なNN実装が、非専門家に、単一のオープンソースワークフローでアクセスできるようになる。大型ハドロン衝突型加速器(LHC)の40MHz衝突速度で動作しなければならないトリガー決定を含む粒子物理学アプリケーションにおけるワークフローを実演する。シミュレーションLHC陽子-陽子衝突における高速粒子ジェット用混合精度NNを実装した。
論文参考訳（メタデータ） (2023-04-13T18:00:01Z)
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)
QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文参考訳（メタデータ） (2022-07-14T12:22:51Z)
Open-source FPGA-ML codesign for the MLPerf Tiny Benchmark [11.575901540758574]
我々は,フィールドプログラマブルゲートアレイ(FPGA)プラットフォーム上でのTiny Inference Benchmarkの開発経験を示す。我々は、FPGA上で最適化されたニューラルネットワークのAIハードウェアコーデックを民主化することを目的として、オープンソースのhls4mlとFINN perJを使用している。ソリューションはシステムオンチップ(Pynq-Z2)と純粋なFPGA(Arty A7-100T)プラットフォームにデプロイされる。
論文参考訳（メタデータ） (2022-06-23T15:57:17Z)
VAQF: Fully Automatic Software-hardware Co-design Framework for Low-bit Vision Transformer [121.85581713299918]
量子化ビジョントランス(ViT)のためのFPGAプラットフォーム上で推論アクセラレータを構築するフレームワークVAQFを提案する。モデル構造と所望のフレームレートから、VAQFはアクティベーションに必要な量子化精度を自動的に出力する。 FPGA上でのViTアクセラレーションに量子化が組み込まれたのはこれが初めてである。
論文参考訳（メタデータ） (2022-01-17T20:27:52Z)

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。