論文の概要: Towards efficient quantum algorithms for diffusion probability models
- arxiv url: http://arxiv.org/abs/2502.14252v1
- Date: Thu, 20 Feb 2025 04:39:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-21 14:28:47.964003
- Title: Towards efficient quantum algorithms for diffusion probability models
- Title（参考訳）: 拡散確率モデルのための効率的な量子アルゴリズムを目指して
- Authors: Yunfei Wang, Ruoxi Jiang, Yingda Fan, Xiaowei Jia, Jens Eisert, Junyu Liu, Jin-Peng Liu,
- Abstract要約: 拡散モデル(DPM)は、画像や音声生成などのタスクで高品質な出力を生成する能力で有名である。
様々な量子解法を用いてDPMを実装するための効率的な量子アルゴリズムを導入する。
- 参考スコア（独自算出の注目度）: 17.785526511644587
- License:
- Abstract: A diffusion probabilistic model (DPM) is a generative model renowned for its ability to produce high-quality outputs in tasks such as image and audio generation. However, training DPMs on large, high-dimensional datasets such as high-resolution images or audio incurs significant computational, energy, and hardware costs. In this work, we introduce efficient quantum algorithms for implementing DPMs through various quantum ODE solvers. These algorithms highlight the potential of quantum Carleman linearization for diverse mathematical structures, leveraging state-of-the-art quantum linear system solvers (QLSS) or linear combination of Hamiltonian simulations (LCHS). Specifically, we focus on two approaches: DPM-solver-$k$ which employs exact $k$-th order derivatives to compute a polynomial approximation of $\epsilon_\theta(x_\lambda,\lambda)$; and UniPC which uses finite difference of $\epsilon_\theta(x_\lambda,\lambda)$ at different points $(x_{s_m}, \lambda_{s_m})$ to approximate higher-order derivatives. As such, this work represents one of the most direct and pragmatic applications of quantum algorithms to large-scale machine learning models, presumably talking substantial steps towards demonstrating the practical utility of quantum computing.
- Abstract（参考訳）: 拡散確率モデル(DPM)は、画像や音声生成などのタスクにおいて高品質な出力を生成する能力で有名な生成モデルである。
しかし、高解像度画像やオーディオのような大規模で高次元のデータセットでDPMをトレーニングすることは、計算、エネルギー、ハードウェアコストを著しく上回る。
本研究では、様々な量子ODEソルバを用いてDPMを実装するための効率的な量子アルゴリズムを提案する。
これらのアルゴリズムは、最先端の量子線形系解法(QLSS)やハミルトニアンシミュレーション(LCHS)の線形結合を利用して、様々な数学的構造に対する量子カールマン線形化の可能性を強調する。
具体的には、DPM-solver-$k$で多項式近似を$\epsilon_\theta(x_\lambda,\lambda)$で計算し、UniPCで$\epsilon_\theta(x_\lambda,\lambda)$で異なる点で$(x_{s_m}, \lambda_{s_m})$で高階微分を近似する。
この研究は、量子アルゴリズムの大規模機械学習モデルへの最も直接的で実用的な応用の1つである。
関連論文リスト
- Design nearly optimal quantum algorithm for linear differential equations via Lindbladians [11.53984890996377]
オープン量子システムを用いたODEの新しい量子アルゴリズムを提案する。
我々は、非対角密度行列符号化と呼ばれる新しい手法の助けを借りて、リンドブレディアンの自然な非単位力学を用いる。
我々のアルゴリズムは、既存の量子ODEアルゴリズムを全て上回り、全てのパラメータにほぼ最適に依存することができる。
論文 参考訳（メタデータ） (2024-10-25T15:27:41Z) - Quantum-Trajectory-Inspired Lindbladian Simulation [15.006625290843187]
リンドブラディアンズが支配するオープン量子系の力学をシミュレーションする2つの量子アルゴリズムを提案する。
最初のアルゴリズムはジャンプ演算子数とは無関係にゲート複雑性を達成し、$m$は効率を大幅に向上させる。
第二のアルゴリズムは進化時間$t$と精度$epsilon$にほぼ最適に依存し、追加の$tildeO(m)$ factorを導入する。
論文 参考訳（メタデータ） (2024-08-20T03:08:27Z) - Tensor Network enhanced Dynamic Multiproduct Formulas [2.3249255788359813]
本稿では,テンソルネットワークと量子計算を組み合わせた新しいアルゴリズムを提案する。
提案アルゴリズムは,Trotterの積公式を線形に結合してアルゴリズム誤差を低減する手法である多積式 (MPF) に基づいている。
我々は,このアルゴリズムの詳細な誤差解析を行い,IBMの量子コンピュータ2基を用いた50ドルキュービットの1次元量子シミュレーション問題に対する全ワークフローを実演する。
論文 参考訳（メタデータ） (2024-07-24T16:37:35Z) - Efficient Quantum Circuits for Non-Unitary and Unitary Diagonal Operators with Space-Time-Accuracy trade-offs [1.0749601922718608]
ユニタリおよび非ユニタリ対角作用素は量子アルゴリズムの基本的な構成要素である。
本稿では,一元対角演算子と非単元対角演算子を効率よく調整可能な量子回路で実装する一般手法を提案する。
論文 参考訳（メタデータ） (2024-04-03T15:42:25Z) - Fast quantum algorithm for differential equations [0.5895819801677125]
我々は、数値複雑性を持つ量子アルゴリズムを、$N$で多対数であるが、大規模なPDEに対して$kappa$とは独立に提示する。
提案アルゴリズムは,解の特徴を抽出する量子状態を生成する。
論文 参考訳（メタデータ） (2023-06-20T18:01:07Z) - A hybrid quantum-classical algorithm for multichannel quantum scattering
of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。
大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文 参考訳（メタデータ） (2023-04-12T18:10:47Z) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳（メタデータ） (2022-07-07T08:04:15Z) - Variational Adiabatic Gauge Transformation on real quantum hardware for
effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
変分アダバティックゲージ変換(VAGT)を導入する。
VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。
VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
論文 参考訳（メタデータ） (2021-11-16T20:50:08Z) - Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。
これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
論文 参考訳（メタデータ） (2021-07-01T01:02:17Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-28T17:21:25Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z)
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。