論文の概要: Fast and Noise-aware Machine Learning Variational Quantum Eigensolver Optimiser
- arxiv url: http://arxiv.org/abs/2503.20210v1
- Date: Wed, 26 Mar 2025 04:07:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 16:25:02.310125
- Title: Fast and Noise-aware Machine Learning Variational Quantum Eigensolver Optimiser
- Title(参考訳): 可変量子固有解器オプティマイザの高速・雑音対応機械学習
- Authors: Akib Karim, Shaobo Zhang, Muhammad Usman,
- Abstract要約: 変分量子固有解法(VQE)は、ノイズのあるデバイスで基底状態を作成するためのハイブリッド量子古典的アルゴリズムである。
本研究では、中間パラメータと測定データに基づいて教師付き機械学習を用いて最適な最終パラメータを推定する。
- 参考スコア(独自算出の注目度): 2.8760830446021695
- License:
- Abstract: The Variational Quantum Eigensolver (VQE) is a hybrid quantum-classical algorithm for preparing ground states in the current era of noisy devices. The classical component of the algorithm requires a large number of measurements on intermediate parameter values that are typically discarded. However, intermediate steps across many calculations can contain valuable information about the relationship between the quantum circuit parameters, resultant measurements, and noise specific to the device. In this work, we use supervised machine learning on the intermediate parameter and measurement data to predict optimal final parameters. Our technique optimises parameters leading to chemically accurate ground state energies much faster than conventional techniques. It requires significantly fewer iterations and simultaneously shows resilience to coherent errors if trained on noisy devices. We demonstrate this technique on IBM quantum devices by predicting ground state energies of H$_2$ for one and two qubits; H$_3$ for three qubits; and HeH$^+$ for four qubits where it finds optimal angles using only modeled data for training.
- Abstract(参考訳): 変分量子固有解法 (VQE) は、現在のノイズデバイスにおける基底状態を作成するためのハイブリッド量子古典的アルゴリズムである。
アルゴリズムの古典的な構成要素は、通常廃棄される中間パラメータ値に関する多数の測定を必要とする。
しかし、多くの計算の中間段階には、量子回路パラメータ、結果の測定結果、デバイス固有のノイズの関係に関する貴重な情報が含まれる。
本研究では、中間パラメータと測定データに基づいて教師付き機械学習を用いて最適な最終パラメータを推定する。
本手法は, 化学的に正確な基底エネルギーをもたらすパラメータを従来の手法よりもはるかに高速に最適化する。
非常に少ないイテレーションを必要とし、ノイズの多いデバイスでトレーニングされた場合、一貫性のあるエラーに対するレジリエンスを同時に示します。
我々は,IBM量子デバイス上で,1と2の量子ビットに対してH$_2$,3つの量子ビットに対してH$_3$,4つの量子ビットに対してHH$^+$の基底状態エネルギーを予測し,最適角度を求める。
関連論文リスト
- A Parameter-Efficient Quantum Anomaly Detection Method on a Superconducting Quantum Processor [0.0]
量子支援ベクトルデータ記述(QSVDD)と呼ばれる新しい量子機械学習手法を提案する。
QSVDDは従来のモデルと比較してパラメータ効率と精度の両方を達成することを目的としている。
超伝導量子プロセッサ上での一般画像データセットに対する量子異常検出法の最初の実装を実証する。
論文 参考訳(メタデータ) (2024-12-22T05:36:51Z) - Bayesian Quantum Amplitude Estimation [49.1574468325115]
本稿では,量子振幅推定のための雑音対応ベイズアルゴリズムであるBAEを紹介する。
我々は,BAEがハイゼンベルク限界推定を達成し,他の手法と比較した。
論文 参考訳(メタデータ) (2024-12-05T18:09:41Z) - 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) - Pre-optimizing variational quantum eigensolvers with tensor networks [1.4512477254432858]
VQEをシミュレートすることで、パラメータ化量子回路のよい開始パラメータを求める手法を提示し、ベンチマークする。
最大32キュービットのシステムサイズを持つ1Dと2DのFermi-Hubbardモデルに適用する。
2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
論文 参考訳(メタデータ) (2023-10-19T17:57:58Z) - Toward Consistent High-fidelity Quantum Learning on Unstable Devices via
Efficient In-situ Calibration [5.0854551390284]
近未来の雑音型中間スケール量子(NISQ)時代には、高ノイズは量子コンピューティングの忠実度を著しく低下させる。
本稿では,量子パルスに基づく新しい雑音適応フレームワークQuPADを提案する。
実験により、8-10キュービットのQuPADの量子デバイス上でのランタイムは15分未満であり、パラメータシフトアプローチよりも最大270倍高速であることが示された。
論文 参考訳(メタデータ) (2023-09-12T15:39:06Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳(メタデータ) (2022-06-29T14:34:00Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - The Cost of Improving the Precision of the Variational Quantum
Eigensolver for Quantum Chemistry [0.0]
様々な種類の誤差が変分量子固有解法(VQE)に与える影響について検討する。
ハイブリッド古典量子最適化の最適方法は、中間エネルギー評価においていくつかのノイズを許容することである。
論文 参考訳(メタデータ) (2021-11-09T06:24:52Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z) - 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) - Resonant Coupling Parameter Estimation with Superconducting Qubits [0.0]
本稿では,周波数可変超伝導量子ビットからなる量子コンピュータにおける共振相互作用のパラメータを効率的に学習する方法を示す。
本手法はスワップ分光校正を改良した手法である。
提案手法は,現在の中規模超伝導量子コンピュータを改良し,大規模システムにも拡張できると考えている。
論文 参考訳(メタデータ) (2020-08-28T15:51:41Z)
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。