Fugu-MT 論文翻訳(概要): Unleashing Optimizations in Dynamic Circuits through Branch Expansion

論文の概要: Unleashing Optimizations in Dynamic Circuits through Branch Expansion

arxiv url: http://arxiv.org/abs/2504.09234v1
Date: Sat, 12 Apr 2025 14:18:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-15 16:49:01.131359
Title: Unleashing Optimizations in Dynamic Circuits through Branch Expansion
Title（参考訳）: 分岐展開による動的回路の解凍最適化
Authors: Yanbin Chen,
Abstract要約: 条件分岐を体系的に拡張・洗練する新しい手法を提案する。本手法は,既存のトランスパイラを補完し,分岐特異な単純化を行う。本手法は,動的回路の動作経路の深さとゲート数を一定に削減できることを示す。
参考スコア（独自算出の注目度）: 0.17404865362620806
License:
Abstract: Dynamic quantum circuits enable adaptive operations through intermediate measurements and classical feedback. Current transpilation toolchains, such as Qiskit and T$\ket{\text{ket}}$, however, fail to fully exploit branch-specific simplifications. In this work, we propose recursive branch expansion as a novel technique which systematically expands and refines conditional branches. Our method complements existing transpilers by creating additional opportunities for branch-specific simplifications without altering the overall circuit functionality. Using randomly generated circuits with varying patterns and scales, we demonstrate that our method consistently reduces the depth and gate count of execution paths of dynamic circuits. We also showcase the potential of our method to enable optimizations on error-corrected circuits.
Abstract（参考訳）: 動的量子回路は、中間的な測定と古典的なフィードバックを通じて適応的な演算を可能にする。しかし、QiskitやT$\ket{\text{ket}}$のような現在のトランスパイレーションツールチェーンは、ブランチ固有の単純化を完全に活用することができない。本研究では,条件分岐を体系的に拡張・洗練する新しい手法として,再帰的分岐展開を提案する。本手法は,回路機能の変更を伴わずに,既存のトランスパイラを補完する手法である。パターンやスケールの異なるランダムな回路を用いて,動的回路の実行経路の深さとゲート数を一定に削減できることを実証した。また,誤り訂正回路における最適化を実現する手法の可能性を示す。

関連論文リスト

Optimization Driven Quantum Circuit Reduction [20.697821016522358]
本稿では,回路長を大幅に削減する3つの異なるトランスパイレーション手法を提案する。最初の変種は検索スキームに基づいており、他の変種はデータベース検索スキームと機械学習に基づく意思決定支援によって駆動される。提案手法は,異なるキースキット最適化レベルを用いて得られた典型的な結果に比較して,制限ゲート集合に対する短い量子回路を生成する。
論文参考訳（メタデータ） (2025-02-20T16:41:10Z)
Architect of the Bits World: Masked Autoregressive Modeling for Circuit Generation Guided by Truth Table [5.300504429005315]
本稿では,回路生成のための条件生成モデルと微分可能なアーキテクチャ探索(DAS)を組み合わせた新しい手法を提案する。まず、Circuit AutoEncoderに基づいてトレーニングされた回路トークンであるCircuitVQを紹介する。次に,トークンとしてCircuitVQを活用するマスク付き自己回帰モデルであるCircuitARを開発した。
論文参考訳（メタデータ） (2025-02-18T11:13:03Z)
Position-aware Automatic Circuit Discovery [59.64762573617173]
我々は既存の回路探索手法のギャップを同定し、モデル成分を入力位置間で等しく関連するものとして扱う。可変長例を含むタスクであっても,回路に位置性を組み込むための2つの改良を提案する。提案手法により, 位置感応回路の完全自動検出が可能となり, 従来よりも回路サイズと忠実度とのトレードオフが良好になる。
論文参考訳（メタデータ） (2025-02-07T00:18:20Z)
AC/DC: Automated Compilation for Dynamic Circuits [0.41356970190072423]
本稿では,任意の状態あるいはユニタリ演算子を自動生成する動的量子回路を生成するための新しいフレームワークを提案する。状態準備のための動的回路の生成,長距離エンタングゲート,回路最適化,および格子シミュレーションへの動的回路の適用を実証する。
論文参考訳（メタデータ） (2024-12-10T23:14:42Z)
Hybrid discrete-continuous compilation of trapped-ion quantum circuits with deep reinforcement learning [1.7087507417780985]
我々は、トラップイオンコンピューティングにおいて、関連する量子回路のサイズを大幅に削減できることを示す。私たちのフレームワークは、未知のユニタリプロセスの再生を目標とする実験的な設定にも適用できます。
論文参考訳（メタデータ） (2023-07-12T14:55:28Z)
Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
シミュレーションの少ない機械学習(ML)アプローチを提案する。提案手法により,OCCを全回路の仕様に近づけることができることを示す。
論文参考訳（メタデータ） (2023-06-23T12:57:46Z)
Transformers as Statisticians: Provable In-Context Learning with In-Context Algorithm Selection [88.23337313766353]
この研究はまず、変換器がICLを実行するための包括的な統計理論を提供する。コンテクストにおいて、トランスフォーマーは、幅広い種類の標準機械学習アルゴリズムを実装可能であることを示す。エンフィングル変換器は、異なるベースICLアルゴリズムを適応的に選択することができる。
論文参考訳（メタデータ） (2023-06-07T17:59:31Z)
Performance Embeddings: A Similarity-based Approach to Automatic Performance Optimization [71.69092462147292]
パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
論文参考訳（メタデータ） (2023-03-14T15:51:35Z)
Near-optimal quantum circuit construction via Cartan decomposition [4.900041609957432]
量子回路へのリー代数のカルタン分解の適用性を示す。このアプローチは、任意の所望のユニタリ演算を効率的に実装できる回路を合成するために使用することができる。
論文参考訳（メタデータ） (2022-12-25T17:01:13Z)
Short-Term Memory Optimization in Recurrent Neural Networks by Autoencoder-based Initialization [79.42778415729475]
線形オートエンコーダを用いた列列の明示的暗記に基づく代替解を提案する。このような事前学習が、長いシーケンスで難しい分類タスクを解くのにどのように役立つかを示す。提案手法は, 長周期の復元誤差をはるかに小さくし, 微調整時の勾配伝播を良くすることを示す。
論文参考訳（メタデータ） (2020-11-05T14:57:16Z)
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)

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。