論文の概要: Quantum Pattern Detection: Accurate State- and Circuit-based Analyses
- arxiv url: http://arxiv.org/abs/2501.15895v1
- Date: Mon, 27 Jan 2025 09:42:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:59:53.799633
- Title: Quantum Pattern Detection: Accurate State- and Circuit-based Analyses
- Title（参考訳）: 量子パターン検出:正確な状態と回路解析
- Authors: Julian Shen, Joshua Ammermann, Christoph König, Ina Schaefer,
- Abstract要約: 状態および回路ベースコード解析を用いた量子パターンの自動検出のためのフレームワークを提案する。
経験的評価では、我々のフレームワークは量子パターンを非常に正確に検出することができ、既存の量子パターン検出手法よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 2.564905016909138
- License:
- Abstract: Quantum computers have the potential to solve certain problems faster than classical computers by exploiting quantum mechanical effects such as superposition. However, building high-quality quantum software is challenging due to the fundamental differences between quantum and traditional programming and the lack of abstraction mechanisms. To mitigate this challenge, researchers have introduced quantum patterns to capture common high-level design solutions to recurring problems in quantum software engineering. In order to utilize patterns as an abstraction level for implementation, a mapping between the theoretical patterns and the source code is required, which has only been addressed to a limited extent. To close this gap, we propose a framework for the automatic detection of quantum patterns using state- and circuit-based code analysis. Furthermore, we contribute a dataset for benchmarking quantum pattern detection approaches. In an empirical evaluation, we show that our framework is able to detect quantum patterns very accurately and that it outperforms existing quantum pattern detection approaches in terms of detection accuracy.
- Abstract（参考訳）: 量子コンピュータは、重ね合わせのような量子力学的効果を利用して、古典的なコンピュータよりも早く特定の問題を解くことができる。
しかし、量子プログラミングと従来のプログラミングの根本的な違いと抽象化機構の欠如により、高品質な量子ソフトウェアの構築は困難である。
この課題を軽減するために、研究者は量子ソフトウェア工学における繰り返し発生する問題に対して、一般的な高レベルの設計ソリューションをキャプチャする量子パターンを導入した。
実装の抽象化レベルとしてパターンを利用するには、理論パターンとソースコードのマッピングが必要である。
このギャップを埋めるために、状態および回路に基づくコード解析を用いて量子パターンの自動検出を行うフレームワークを提案する。
さらに、量子パターン検出手法のベンチマークのためのデータセットも提供します。
実験的な評価では、我々のフレームワークは量子パターンを非常に正確に検出することができ、検出精度において既存の量子パターン検出手法よりも優れていることを示す。
関連論文リスト
- QCircuitNet: A Large-Scale Hierarchical Dataset for Quantum Algorithm Design [17.747641494506087]
量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された、最初のベンチマークおよびテストデータセットであるQCircuitNetを紹介する。
従来のコードの記述にAIを使用するのとは異なり、このタスクは基本的に異なり、非常に柔軟な設計空間と複雑なキュービット操作のため、さらに複雑である。
論文 参考訳（メタデータ） (2024-10-10T14:24:30Z) - 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) - Long-lived Particles Anomaly Detection with Parametrized Quantum Circuits [0.0]
パラメタライズド量子回路に基づく異常検出アルゴリズムを提案する。
このアルゴリズムは古典的なコンピュータで訓練され、シミュレーションや実際の量子ハードウェアでテストされている。
論文 参考訳（メタデータ） (2023-12-07T11:50:42Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Model-free Quantum Gate Design and Calibration using Deep Reinforcement
Learning [7.683965448804695]
モデルレス量子制御のための深層強化学習を用いた新しいトレーニングフレームワークを提案する。
提案するフレームワークは,制御プロセスの終了時の測定のみに依存し,最適制御ポリシーを見つける能力を提供する。
論文 参考訳（メタデータ） (2023-02-05T12:36:03Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2022-06-28T16:23:24Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳（メタデータ） (2022-04-12T19:39:31Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳（メタデータ） (2021-12-27T21:15:35Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Robustness Verification of Quantum Classifiers [1.3534683694551501]
我々は、雑音に対する量子機械学習アルゴリズムの検証と解析のための正式なフレームワークを定義する。
堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。
我々のアプローチはGoogleのQuantum分類器に実装されており、ノイズの小さな乱れに関して量子機械学習アルゴリズムの堅牢性を検証することができる。
論文 参考訳（メタデータ） (2020-08-17T11:56:23Z)
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。