論文の概要: Pauli Network Circuit Synthesis with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2503.14448v1
• Date: Tue, 18 Mar 2025 17:27:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:17:32.346862
• Title: Pauli Network Circuit Synthesis with Reinforcement Learning
• Title（参考訳）: 強化学習を用いたパウリネットワーク回路合成
• Authors: Ayushi Dubal, David Kremer, Simon Martiel, Victor Villar, Derek Wang, Juan Cruz-Benito,
• Abstract要約: 本稿では,量子回路の再合成のための強化学習法を提案する。 2ビットゲート数と深さで平均20%の改善が観察され、多くのケースで60%に達する。 これらの結果は、現実的で大規模な量子トランスパイレーションワークロードにおいて、回路品質を著しく向上させるRL駆動合成の可能性を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce a Reinforcement Learning (RL)-based method for re-synthesis of quantum circuits containing arbitrary Pauli rotations alongside Clifford operations. By collapsing each sub-block to a compact representation and then synthesizing it step-by-step through a learned heuristic, we obtain circuits that are both shorter and compliant with hardware connectivity constraints. We find that the method is fast enough and good enough to work as an optimization procedure: in direct comparisons on 6-qubit random Pauli Networks against state-of-the-art heuristic methods, our RL approach yields over 2x reduction in two-qubit gate count, while executing in under 10 milliseconds per circuit. We further integrate the method into a collect-and-re-synthesize pipeline, applied as a Qiskit transpiler pass, where we observe average improvements of 20% in two-qubit gate count and depth, reaching up to 60% for many instances, across the Benchpress benchmark. These results highlight the potential of RL-driven synthesis to significantly improve circuit quality in realistic, large-scale quantum transpilation workloads.
• Abstract（参考訳）: 本稿では,任意のパウリ回転を含む量子回路をクリフォード演算とともに再合成するReinforcement Learning (RL) 法を提案する。 各サブブロックをコンパクトな表現に分解し、学習したヒューリスティックを通してステップバイステップで合成することにより、ハードウェア接続制約に準拠する回路を得る。 提案手法は,6-qubitランダムパウリネットワークと最先端のヒューリスティック手法との直接比較において,2-qubitゲート数を2倍に削減し,回路毎に10ミリ秒未満で実行する。 さらに、この手法をカイスキットトランスパイラパスとして適用した収集・再合成パイプラインに統合し、2ビットゲート数と深さで平均20%の改善を観測し、ベンチプレスベンチマークで最大60%まで到達した。 これらの結果は、現実的で大規模な量子トランスパイレーションワークロードにおいて、回路品質を著しく向上させるRL駆動合成の可能性を強調している。

関連論文リスト

• On the Constant Depth Implementation of Pauli Exponentials [49.48516314472825]
  任意の指数を$mathcalO(n)$ ancillae と 2体 XX と ZZ の相互作用を用いて一定深さの回路に分解する。 クビットリサイクルの恩恵を受ける回路の書き直し規則を導入し,本手法の正しさを実証する。
  論文  参考訳（メタデータ） (2024-08-15T17:09:08Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• Practical and efficient quantum circuit synthesis and transpiling with Reinforcement Learning [0.0]
  我々はReinforcement Learningを量子トランスパイリングに統合し、量子回路の合成とルーティングを大幅に強化する。 我々はLinear, Clifford, Permutationの各回路をそれぞれ9, 11, 65量子ビットに近似的に合成する。 また、2量子ゲート深さの大幅な削減と、最大133量子ビットまでの回路ルーティングのカウントを実現した。
  論文  参考訳（メタデータ） (2024-05-21T20:59:12Z)
• 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)
• Optimization at the Interface of Unitary and Non-unitary Quantum Operations in PCOAST [0.3496513815948205]
  Pauliベースの回路最適化・分析・合成ツールチェーン(PCOAST)は、量子回路を最適化するためのフレームワークとして導入された。 本稿では,単元演算と非単元演算の場合にPCOASTグラフを最適化するサブルーチンの集合に着目した。 本稿では,変分量子固有解法(VQE)アルゴリズムの例として,Intel Quantum SDKを用いたPCOAST最適化サブルーチンの評価を行った。
  論文  参考訳（メタデータ） (2023-05-16T22:58:14Z)
• Graph Neural Network Autoencoders for Efficient Quantum Circuit Optimisation [69.43216268165402]
  我々は、量子回路の最適化にグラフニューラルネットワーク(GNN)オートエンコーダの使い方を初めて提示する。 我々は、量子回路から有向非巡回グラフを構築し、そのグラフを符号化し、その符号化を用いてRL状態を表現する。 我々の手法は、非常に大規模なRL量子回路最適化に向けた最初の現実的な第一歩である。
  論文  参考訳（メタデータ） (2023-03-06T16:51:30Z)
• Wide Quantum Circuit Optimization with Topology Aware Synthesis [0.8469686352132708]
  ユニタリ合成は、量子回路を制限的量子ビット位相にマッピングしながら最適なマルチキュービットゲート数を達成する最適化手法である。 我々は,emphBQSKitフレームワークで構築されたトポロジ対応合成ツールであるTopASを紹介した。
  論文  参考訳（メタデータ） (2022-06-27T21:59:30Z)
• Optimized fermionic SWAP networks with equivalent circuit averaging for QAOA [2.3362993651992863]
  量子近似最適化アルゴリズム(QAOA)のためのフェミオンSWAPネットワークの実行を最適化する。 等価回路平均化(Equivalent Circuit Averaging)を導入し,量子回路コンパイルにおける自由度をランダム化する。 超伝導量子プロセッサ上の4つのトランスモン量子ビット上での深さp = 1のQAOAの誤差(経時変化距離)を平均60%低減する。
  論文  参考訳（メタデータ） (2021-11-08T15:32:05Z)
• Robust and Resource-Efficient Quantum Circuit Approximation [3.017562867737193]
  本稿では,CNOTゲート数を削減するために量子回路の近似を生成する方法であるQEstを提案する。 その結果,QEstは理想的なシステムにおいて,CNOTゲート数を30～80%削減できることがわかった。
  論文  参考訳（メタデータ） (2021-08-28T22:48:25Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)
• A Generic Compilation Strategy for the Unitary Coupled Cluster Ansatz [68.8204255655161]
  本稿では,変分量子固有解法(VQE)アルゴリズムのコンパイル戦略について述べる。 我々は、回路深さとゲート数を減らすために、ユニタリ結合クラスタ(UCC)アンサッツを使用する。
  論文  参考訳（メタデータ） (2020-07-20T22:26:16Z)

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。