論文の概要: Survival of the Optimized: An Evolutionary Approach to T-depth Reduction

• arxiv url: http://arxiv.org/abs/2504.09391v2
• Date: Sat, 12 Jul 2025 20:35:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 14:36:07.040617
• Title: Survival of the Optimized: An Evolutionary Approach to T-depth Reduction
• Title（参考訳）: 最適化の生存:T深度低減への進化的アプローチ
• Authors: Archisman Ghosh, Avimita Chatterjee, Swaroop Ghosh,
• Abstract要約: 量子エラー補正(Quantum Error Correction, QEC)は、実用的フォールトトレラント量子コンピューティング(FTQC)の基盤である 回路ゲートが大きくなると、シーケンシャルなTゲート層("T-deepth")がオーバヘッドを増幅する。 最適層マージパターンを近似した数学的定式化を導入する。 我々は最先端手法よりもT深度が2.58倍向上した。
• 参考スコア（独自算出の注目度）: 2.089191490381739
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantum Error Correction (QEC) is the cornerstone of practical Fault-Tolerant Quantum Computing (FTQC), but incurs enormous resource overheads. Circuits must decompose into Clifford+T gates, and the non-transversal T gates demand costly magic-state distillation. As circuit complexity grows, sequential T-gate layers ("T-depth") increase, amplifying the spatiotemporal overhead of QEC. Optimizing T-depth is NP-hard, and existing greedy or brute-force strategies are either inefficient or computationally prohibitive. We frame T-depth reduction as a search optimization problem and present a Genetic Algorithm (GA) framework that approximates optimal layer-merge patterns across the non-convex search space. We introduce a mathematical formulation of the circuit expansion for systematic layer reordering and a greedy initial merge-pair selection, accelerating the convergence and enhancing the solution quality. In our benchmark with ~90-100 qubits, our method reduces T-depth by 79.23% and overall T-count by 41.86%. Compared to the reversible circuit benchmarks, we achieve a 2.58x improvement in T-depth over the state-of-the-art methods, demonstrating its viability for near-term FTQC.
• Abstract（参考訳）: 量子エラー補正(Quantum Error Correction, QEC)は、実用的なフォールトトレラント量子コンピューティング(FTQC)の基盤であるが、膨大なリソースオーバーヘッドを引き起こす。 回路はクリフォード+Tゲートに分解されなければならない。 回路複雑性が増加するにつれて、シーケンシャルなTゲート層("T-deepth")が増加し、QECの時空間オーバーヘッドが増幅される。 T深度を最適化することはNPハードであり、既存のグリージーまたはブルートフォース戦略は非効率または計算的に禁じられている。 探索最適化問題としてT深度低減法を考案し,非凸探索空間における最適層マージパターンを近似する遺伝的アルゴリズム(GA)フレームワークを提案する。 本稿では,系統的な層再秩序化のための回路拡張の数学的定式化と,解の収束を加速し,解の質を向上するフレディな初期マージペア選択を導入する。 約90-100キュービットのベンチマークでは、T深度を79.23%削減し、T数全体の41.86%削減した。 可逆回路ベンチマークと比較すると、最先端手法よりもT深度が2.58倍向上し、FTQCの有効性を示す。

関連論文リスト

• A Lazy Resynthesis Approach for Simultaneous T Gate and Two-Qubit Gate Optimization of Quantum Circuits [33.60428512062096]
  T数削減のための最先端量子回路最適化(QCO)アルゴリズムは、しばしば2量子ゲート数(2Qカウント)を大幅に増加させる。 本稿では, クリフォード+T回路におけるTカウント最適化時に導入される2Qゲートのサージを著しく軽減する, 現代の卓上型QCO流に対する新しい遅延再合成手法を提案する。
  論文  参考訳（メタデータ） (2025-08-06T05:21:14Z)
• Geminet: Learning the Duality-based Iterative Process for Lightweight Traffic Engineering in Changing Topologies [53.38648279089736]
  Geminetは軽量でスケーラブルなMLベースのTEフレームワークで、トポロジの変更を処理できる。 そのニューラルネットワークサイズは、既存のスキームの0.04%から7%に過ぎない。 大規模なトポロジでトレーニングすると、Geminetは10ギB未満のメモリを消費し、HARPが要求する80ギBの8倍以下である。
  論文  参考訳（メタデータ） (2025-06-30T09:09:50Z)
• The Art of Optimizing T-Depth for Quantum Error Correction in Large-Scale Quantum Computing [2.089191490381739]
  量子エラー補正(Quantum Error Correction, QEC)は、大規模量子計算におけるフォールトトレランスを保証する。 T深度を最小化することは、フォールトトレラント量子コンピューティングにおける資源効率の最適化に不可欠である。 拡張係数に基づくIDゲート挿入戦略を導入し、当初非還元性に分類されていた回路のより深い削減を実現する。
  論文  参考訳（メタデータ） (2025-03-08T03:48:21Z)
• High-Precision Multi-Qubit Clifford+T Synthesis by Unitary Diagonalization [0.8341988468339112]
  クリフォード+Tゲートセットで表される量子回路の資源効率と高精度な近似合成は、フォールトトレラント量子コンピューティングにとって不可欠である。 探索に基づく手法を利用して、まずはユニタリを概略対角化し、解析的に逆解析する。 提案手法は,実量子アルゴリズムからユニタリを評価した場合に,一桁のオーダーで合成アルゴリズムの実装精度と実行時間を向上する。
  論文  参考訳（メタデータ） (2024-08-31T12:10:32Z)
• Depth scaling of unstructured search via quantum approximate optimization [0.0]
  変分量子アルゴリズムは、現在の量子計算のデファクトモデルとなっている。 そのような問題の1つは、ある文字列の特定のビットを見つけることで構成される非構造化探索である。 我々は、CTQWを用いてQAOA配列を復元し、最近のトロッター公式の理論の進歩を利用して、クエリの複雑さを束縛する。
  論文  参考訳（メタデータ） (2024-03-22T18:00:03Z)
• Towards Efficient Quantum Computing for Quantum Chemistry: Reducing Circuit Complexity with Transcorrelated and Adaptive Ansatz Techniques [0.0]
  この研究は、Transcorrelated (TC) アプローチと適応量子アンゼの併用による回路深さの低減方法を示す。 本研究は, 適応型アンサーゼとTC法を組み合わせることで, 小型, 耐雑音性, 容易に最適化できる量子回路が得られることを示す。
  論文  参考訳（メタデータ） (2024-02-26T15:31:56Z)
• Quantum Circuit Optimization with AlphaTensor [47.9303833600197]
  我々は,所定の回路を実装するために必要なTゲート数を最小化する手法であるAlphaTensor-Quantumを開発した。 Tカウント最適化の既存の方法とは異なり、AlphaTensor-Quantumは量子計算に関するドメイン固有の知識を取り入れ、ガジェットを活用することができる。 注目すべきは、有限体における乗法であるカラツバの手法に似た効率的なアルゴリズムを発見することである。
  論文  参考訳（メタデータ） (2024-02-22T09:20:54Z)
• Stochastic Optimization for Non-convex Problem with Inexact Hessian Matrix, Gradient, and Function [99.31457740916815]
  信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。 TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2023-10-18T10:29:58Z)
• Algorithm-Oriented Qubit Mapping for Variational Quantum Algorithms [3.990724104767043]
  短期デバイスに実装された量子アルゴリズムは、ノイズと限定的な量子ビット接続による量子ビットマッピングを必要とする。 本稿では,アルゴリズム指向キュービットマッピング(AOQMAP)と呼ばれる手法を提案する。
  論文  参考訳（メタデータ） (2023-10-15T13:18:06Z)
• 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)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
  本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。 我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
  論文  参考訳（メタデータ） (2021-11-01T15:43:36Z)
• Distributed stochastic optimization with large delays [59.95552973784946]
  大規模最適化問題を解決する最も広く使われている手法の1つは、分散非同期勾配勾配(DASGD)である。 DASGDは同じ遅延仮定の下で大域的最適実装モデルに収束することを示す。
  論文  参考訳（メタデータ） (2021-07-06T21:59:49Z)
• iDARTS: Differentiable Architecture Search with Stochastic Implicit Gradients [75.41173109807735]
  微分可能なArchiTecture Search(DARTS)は先日,ニューラルアーキテクチャサーチ(NAS)の主流になった。 暗黙の関数定理に基づいてDARTSの過次計算に取り組む。 提案手法であるiDARTSのアーキテクチャ最適化は,定常点に収束することが期待される。
  論文  参考訳（メタデータ） (2021-06-21T00:44:11Z)
• 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)
• TIGER: Topology-aware Assignment using Ising machines Application to Classical Algorithm Tasks and Quantum Circuit Gates [2.4047296366832307]
  ゲートベースの量子コンピューティングでは、トポロジー的な方法でタスクをゲートにマップすることを目的とするマッピング問題が存在する。 既存のタスクアプローチは、物理最適化アルゴリズムのいずれかに基づいており、異なるスピードとソリューション品質のトレードオフを提供する。 本稿では,Ising マシンを用いてトポロジ対応の代入問題を解くアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-21T19:46:59Z)
• 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)
• Fast and effective techniques for T-count reduction via spider nest identities [0.27528170226206433]
  スパイダーネストアイデンティティ」の有効利用に基づくT数削減手法について述べる。 そこで本研究では,多くの回路のTカウントの改善を,コーヒーを1杯飲むのに要する時間よりも少ない実行時間で行うことにより,そのような手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-04-10T14:12:55Z)

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。