論文の概要: Topology-Driven Quantum Architecture Search Framework

• arxiv url: http://arxiv.org/abs/2502.14265v1
• Date: Thu, 20 Feb 2025 05:05:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:27:11.053802
• Title: Topology-Driven Quantum Architecture Search Framework
• Title（参考訳）: トポロジ駆動量子アーキテクチャ検索フレームワーク
• Authors: Junjian Su, Jiacheng Fan, Shengyao Wu, Guanghui Li, Sujuan Qin, Fei Gao,
• Abstract要約: 本稿では,高性能量子回路を識別するためのトポロジ駆動量子アーキテクチャ探索(TD-QAS)フレームワークを提案する。 広い探索空間をトポロジとゲート型コンポーネントに分離することで、TD-QASは低パフォーマンストポロジ内のゲート構成の探索を避けることができる。
• 参考スコア（独自算出の注目度）: 2.9862856321580895
• License:
• Abstract: The limitations of Noisy Intermediate-Scale Quantum (NISQ) devices have spurred the development of Variational Quantum Algorithms (VQAs), which hold the potential to achieve quantum advantage for specific tasks. Quantum Architecture Search (QAS) algorithms are pivotal in automating the design of high-performance Parameterized Quantum Circuits (PQCs) for VQAs. However, existing QAS algorithms grapple with excessively large search spaces, resulting in significant computational complexity when searching large-scale quantum circuits. To address this challenge, we propose a Topology-Driven Quantum Architecture Search (TD-QAS) framework. Our framework initially employs QAS to identify optimal circuit topologies and subsequently utilizes an efficient QAS to fine-tune gate types. In the fine-tuning phase, the QAS inherits parameters from the topology search phase, thereby eliminating the need to train from scratch. By decoupling the extensive search space into topology and gate-type components, TD-QAS avoids exploring gate configurations within low-performance topologies, significantly reducing computational complexity. Numerical simulations across various tasks, under both noiseless and noisy scenario, demonstrate that the TD-QAS framework enhances the efficiency of QAS algorithms by enabling them to identify high-performance quantum circuits with lower computational complexity. These results suggest that TD-QAS will deepen our understanding of VQA and have broad applicability in future QAS algorithms.
• Abstract（参考訳）: ノイズ中間規模量子(NISQ)装置の限界は、特定のタスクに量子優位性をもたらす可能性を秘めている変分量子アルゴリズム(VQA)の開発を刺激している。 量子アーキテクチャ探索(QAS)アルゴリズムは、VQAのための高性能パラメタライズド量子回路(PQC)の設計を自動化する上で重要である。 しかし、既存のQASアルゴリズムは、過度に大きな探索空間に収まるため、大規模量子回路を探索する際の計算量が大幅に複雑になる。 この課題に対処するため,TD-QAS(Topology-Driven Quantum Architecture Search)フレームワークを提案する。 当社のフレームワークでは,まずQASを用いて最適回路トポロジを同定し,その後,効率的なQASを用いてゲートタイプを微調整する。 微調整フェーズでは、QASはトポロジ検索フェーズからパラメータを継承し、スクラッチからトレーニングする必要がない。 広範な探索空間をトポロジとゲート型コンポーネントに分離することにより、TD-QASは低パフォーマンストポロジ内のゲート構成の探索を回避し、計算複雑性を大幅に低減する。 TD-QASフレームワークはQASアルゴリズムの効率を向上し,計算複雑性の低い高性能量子回路の同定を可能にした。 これらの結果は,TD-QASがVQAの理解を深め,将来的なQASアルゴリズムに適用可能であることを示唆している。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
  この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。 本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。 様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
  論文  参考訳（メタデータ） (2024-02-21T12:30:39Z)
• A joint optimization approach of parameterized quantum circuits with a tensor network [0.0]
  現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。 本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
  論文  参考訳（メタデータ） (2024-02-19T12:53:52Z)
• Quantum Architecture Search with Unsupervised Representation Learning [24.698519892763283]
  教師なし表現学習は量子アーキテクチャ探索(QAS)を前進させる新しい機会を提供する QASは変分量子アルゴリズム(VQA)のための量子回路を最適化するように設計されている
  論文  参考訳（メタデータ） (2024-01-21T19:53:17Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Differentiable Quantum Architecture Search [15.045985536395479]
  微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。 DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
  論文  参考訳（メタデータ） (2020-10-16T18:00:03Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。