論文の概要: Parallelizing the stabilizer formalism for quantum machine learning applications

• arxiv url: http://arxiv.org/abs/2502.10685v1
• Date: Sat, 15 Feb 2025 06:10:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:24.164932
• Title: Parallelizing the stabilizer formalism for quantum machine learning applications
• Title（参考訳）: 量子機械学習応用のための安定化器フォーマリズムの並列化
• Authors: Vu Tuan Hai, Le Vu Trung Duong, Pham Hoai Luan, Yasuhiko Nakashima,
• Abstract要約: 提案されたPythonの実装は、現在のシミュレータであるQiskitよりも高速で、4ビット60,2Kゲートの場合には4.23倍である。 その結果,現在のシミュレータであるQiskitよりも高速で,4量子ビット,60,2Kゲートの4.23倍の高速化を実現している。
• 参考スコア（独自算出の注目度）: 0.4749824105387292
• License:
• Abstract: The quantum machine learning model is emerging as a new model that merges quantum computing and machine learning. Simulating very deep quantum machine learning models requires a lot of resources, increasing exponentially based on the number of qubits and polynomially based on the depth value. Almost all related works use state-vector-based simulators due to their parallelization and scalability. Extended stabilizer formalism simulators solve the same problem with fewer computations because they act on stabilizers rather than long vectors. However, the gate application sequential property leads to less popularity and poor performance. In this work, we parallelize the process, making it feasible to deploy on multi-core devices. The results show that the proposal implementation on Python is faster than Qiskit, the current fastest simulator, 4.23 times in the case of 4-qubits, 60,2K gates.
• Abstract（参考訳）: 量子機械学習モデルは、量子コンピューティングと機械学習を統合する新しいモデルとして登場しつつある。 非常に深い量子機械学習モデルのシミュレーションには多くのリソースが必要であり、量子ビットの数と深さ値に基づいて指数関数的に増加し、多項式的に増加する。 ほぼすべての関連する作業は、並列化とスケーラビリティのため、状態ベクトルベースのシミュレータを使用する。 拡張安定化器フォーマリズムシミュレータは、長いベクトルではなく安定化器に作用するため、少ない計算で同じ問題を解く。 しかし、ゲートアプリケーションのシーケンシャルな性質は、人気が低下し、パフォーマンスが低下する。 本研究では,プロセスの並列化を実現し,マルチコアデバイスへのデプロイを可能にする。 その結果,現在の最速シミュレータであるQiskitよりも高速で,4量子ビット,60,2Kゲートの4.23倍の高速化を実現している。

関連論文リスト

• Subspace-Based Local Compilation of Variational Quantum Circuits for Large-Scale Quantum Many-Body Simulation [0.0]
  本稿では,時間進化演算子をコンパイルするためのハイブリッド量子古典アルゴリズムを提案する。 精度を保ちながら、トロッタライゼーションに比べて95%の回路深さの低減を実現している。 我々は,LSVQCを用いて,短期量子コンピューティングアーキテクチャ上での量子シミュレーションの実行に必要なゲート数を推定する。
  論文  参考訳（メタデータ） (2024-07-19T09:50:01Z)
• Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
  本稿では,量子回路実行の並列化モデルを提案する。 このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
  論文  参考訳（メタデータ） (2024-06-05T17:16:07Z)
• Parallelizing quantum simulation with decision diagrams [2.5999037208435705]
  古典的コンピュータは量子アルゴリズムのシミュレーションにおいて重要な障害に直面している。 量子状態はヒルベルト空間に存在し、その大きさは指数関数的に増加する。 本研究は、決定図演算を並列化するいくつかの戦略、特に量子シミュレーションについて検討する。
  論文  参考訳（メタデータ） (2023-12-04T02:00:24Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Accelerated Quality-Diversity for Robotics through Massive Parallelism [4.260312058817663]
  政策評価はすでにQDアルゴリズムの高速化に並行して行われているが、単一のマシンでしか機能しない。 最近のアクセラレーター上で動作するシミュレータの進歩により、単一のGPU/TPU上で数千の評価を並列に行うことができる。 QDアルゴリズムは理想的な候補であり,対話型時間スケールで大規模並列処理を実行できることを示す。
  論文  参考訳（メタデータ） (2022-02-02T19:44:17Z)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Parallel Simulation of Quantum Networks with Distributed Quantum State Management [56.24769206561207]
  我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。 コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。 既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
  論文  参考訳（メタデータ） (2021-11-06T16:51:17Z)
• MQBench: Towards Reproducible and Deployable Model Quantization Benchmark [53.12623958951738]
  MQBenchは、モデル量子化アルゴリズムの評価、分析、およびデプロイ可能性のベンチマークを行う最初の試みである。 我々は、CPU、GPU、ASIC、DSPを含む実世界のデプロイのための複数のプラットフォームを選択し、最先端の量子化アルゴリズムを評価する。 包括的な分析を行い、直感的、直感的、あるいは反直感的な洞察を見出す。
  論文  参考訳（メタデータ） (2021-11-05T23:38:44Z)
• Fast quantum circuit simulation using hardware accelerated general purpose libraries [69.43216268165402]
  CuPyは、GPUベースの量子回路向けに開発された汎用ライブラリ(線形代数)である。 上位回路の場合、スピードアップは約2倍、量子乗算器の場合、最先端のC++ベースのシミュレータと比べて約22倍である。
  論文  参考訳（メタデータ） (2021-06-26T10:41:43Z)

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。