論文の概要: Variational optical phase learning on a continuous-variable quantum compiler

• arxiv url: http://arxiv.org/abs/2502.10242v1
• Date: Fri, 14 Feb 2025 15:52:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:45:31.788623
• Title: Variational optical phase learning on a continuous-variable quantum compiler
• Title（参考訳）: 連続可変量子コンパイラにおける変分光学位相学習
• Authors: Matthew A. Feldman, Tyler Volkoff, Seongjin Hong, Claire E. Marvinney, Zoe Holmes, Raphael C. Pooser, Andrew Sornborger, Alberto M. Marino,
• Abstract要約: 本稿では,2つのモード列光を用いてガウスユニタリ演算を学習するCV量子コンパイラの実験実装について述べる。 本研究の結果は, 可変スチーズによるコストランドスケープの調整可能制御によって実現され, 同時に精度を高め, 解決までの時間を短縮するための重要な枠組みが提供される。
• 参考スコア（独自算出の注目度）: 0.8964661356233162
• License:
• Abstract: Quantum process learning is a fundamental primitive that draws inspiration from machine learning with the goal of better studying the dynamics of quantum systems. One approach to quantum process learning is quantum compilation, whereby an analog quantum operation is digitized by compiling it into a series of basic gates. While there has been significant focus on quantum compiling for discrete-variable systems, the continuous-variable (CV) framework has received comparatively less attention. We present an experimental implementation of a CV quantum compiler that uses two mode-squeezed light to learn a Gaussian unitary operation. We demonstrate the compiler by learning a parameterized linear phase unitary through the use of target and control phase unitaries to demonstrate a factor of 5.4 increase in the precision of the phase estimation and a 3.6-fold acceleration in the time-to-solution metric when leveraging quantum resources. Our results are enabled by the tunable control of our cost landscape via variable squeezing, thus providing a critical framework to simultaneously increase precision and reduce time-to-solution.
• Abstract（参考訳）: 量子プロセス学習は、量子システムのダイナミクスをよりよく研究することを目的として、機械学習からインスピレーションを得る基本的なプリミティブである。 量子プロセス学習の1つのアプローチは、アナログ量子演算を一連の基本ゲートにコンパイルすることでデジタル化する量子コンパイルである。 離散変数系に対する量子コンパイルには大きな焦点が当てられているが、連続変数(CV)フレームワークは比較的あまり注目されていない。 本稿では,2つのモード列光を用いてガウスユニタリ演算を学習するCV量子コンパイラの実験実装について述べる。 本研究では, パラメータ化線形位相ユニタリを目標と制御位相ユニタリを用いて学習することにより, 位相推定の精度が5.4向上し, 量子資源を利用する場合の時間分解量で3.6倍の加速を図った。 本研究の結果は, 可変スチーズによるコストランドスケープの調整可能制御によって実現され, 同時に精度を高め, 解決までの時間を短縮するための重要な枠組みが提供される。

関連論文リスト

• Scalable quantum dynamics compilation via quantum machine learning [7.31922231703204]
  変分量子コンパイル(VQC)法は、高精度を維持しつつゲートコストを低減するために変分最適化を用いる。 1次元におけるシステムサイズと精度の両面で、我々のアプローチが最先端のコンパイル結果を上回ることが示されている(1$D)。 VQCを2次元(2次元)ストリップに準1次元処理で拡張し、標準的なトロッタライズ法よりも大きな資源優位性を示す。
  論文  参考訳（メタデータ） (2024-09-24T18:00:00Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Unveiling quantum phase transitions from traps in variational quantum algorithms [0.0]
  量子最適化と古典的機械学習を組み合わせたハイブリッドアルゴリズムを提案する。 従来の位相遷移の同定にはLASSO、トポロジカル遷移にはTransformerモデルを用いる。 我々のプロトコルは効率と精度を大幅に向上させ、量子コンピューティングと機械学習の統合における新たな道を開く。
  論文  参考訳（メタデータ） (2024-05-14T09:01:41Z)
• 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)
• 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)
• Quantum Phase Processing and its Applications in Estimating Phase and Entropies [10.8525801756287]
  量子位相処理」は、任意の三角変換をユニタリ作用素の固有位相に直接適用することができる。 量子位相処理は、単にアンシラ量子ビットを測定することで、量子システムの固有情報を取り出すことができる。 本稿では,量子フーリエ変換を必要としない量子位相推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-28T17:41:19Z)
• 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)
• Universal compiling and (No-)Free-Lunch theorems for continuous variable quantum learning [1.2891210250935146]
  我々は、量子コンパイルのためのいくつかの近縁な短深さ連続変数アルゴリズムを動機付けている。 提案するコスト関数のトレーニング可能性を分析し,任意の数値的なガウス演算を学習することでアルゴリズムを実証する。 我々は、このフレームワークと連続変数設定における量子学習理論とを、No-Free-Lunch定理を導出することによって接続する。
  論文  参考訳（メタデータ） (2021-05-03T17:50:04Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Multi-qubit quantum computing using discrete-time quantum walks on closed graphs [2.781051183509143]
  普遍量子計算は、連続時間と離散時間の両方の量子ウォークを用いて実現することができる。 本稿では,単一粒子離散時間量子ウォークに基づくマルチキュービット計算タスクを実現するバージョンを提案する。
  論文  参考訳（メタデータ） (2020-04-13T14:12:05Z)

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。