論文の概要: Augmenting Simulated Noisy Quantum Data Collection by Orders of Magnitude Using Pre-Trajectory Sampling with Batched Execution

• arxiv url: http://arxiv.org/abs/2504.16297v1
• Date: Tue, 22 Apr 2025 22:36:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.948986
• Title: Augmenting Simulated Noisy Quantum Data Collection by Orders of Magnitude Using Pre-Trajectory Sampling with Batched Execution
• Title（参考訳）: Batched Execution を用いたプレトラジェクトリサンプリングによるマグニチュードによるシミュレートされたノイズ量子データ収集
• Authors: Taylor L. Patti, Thien Nguyen, Justin G. Lietz, Alexander J. McCaskey, Brucek Khailany,
• Abstract要約: 提案手法は,誤差型を調整して軌道シミュレーションの効率化と有効性を高めることを目的としている。 私たちはそれぞれ100兆枚と100万枚という膨大なデータセットを生成します。
• 参考スコア（独自算出の注目度）: 47.60253809426628
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classically simulating quantum systems is challenging, as even noiseless $n$-qubit quantum states scale as $2^n$. The complexity of noisy quantum systems is even greater, requiring $2^n \times 2^n$-dimensional density matrices. Various approximations reduce density matrix overhead, including quantum trajectory-based methods, which instead use an ensemble of $m \ll 2^n$ noisy states. While this method is dramatically more efficient, current implementations use unoptimized sampling, redundant state preparation, and single-shot data collection. In this manuscript, we present the Pre-Trajectory Sampling technique, increasing the efficiency and utility of trajectory simulations by tailoring error types, batching sampling without redundant computation, and collecting error information. We demonstrate the effectiveness of our method with both a mature statevector simulation of a 35-qubit quantum error-correction code and a preliminary tensor network simulation of 85 qubits, yielding speedups of up to $10^6$x and $16$x, as well as generating massive datasets of one trillion and one million shots, respectively.
• Abstract（参考訳）: 古典的な量子系シミュレーションは、ノイズのない$n$-qubit量子状態のスケールが2^n$であるように困難である。 ノイズ量子系の複雑さはさらに大きく、密度行列は2^n \times 2^n$-dimensionalである。 様々な近似は密度行列のオーバーヘッドを減らし、代わりに$m \ll 2^n$ ノイズ状態のアンサンブルを使用する量子軌道に基づく方法を含む。 この方法は劇的に効率が良くなっているが、現在の実装では最適化されていないサンプリング、冗長な状態準備、単発データ収集を使用している。 そこで本論文では,エラータイプを調整し,冗長な計算を伴わないバッチサンプリング,エラー情報収集により,軌道シミュレーションの効率と有用性を向上するPre-Trajectory Smpling手法を提案する。 提案手法の有効性を,35量子ビット量子誤り訂正符号の成熟状態ベクトルシミュレーションと85量子ビットのテンソルネットワークシミュレーションの両方を用いて実証し,最大10^6$xと16$xの高速化と,それぞれ100兆ショットと100万ショットの大規模データセットを生成する。

関連論文リスト

• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• SqueezeLLM: Dense-and-Sparse Quantization [80.32162537942138]
  LLMにおける生成推論の主なボトルネックは、単一のバッチ推論のための計算ではなく、メモリ帯域幅である。 学習後量子化フレームワークであるSqueezeLLMを導入し、最大3ビットの超低精度でのロスレス圧縮を実現する。 本フレームワークは,2次情報に基づく最適ビット精度割当を探索する感度ベース非一様量子化法と,2次情報に基づくDense-and-Sparse分解法と,2次情報量割当値と感度重み値を効率的にスパース形式で格納するDense-and-Sparse分解法である。
  論文  参考訳（メタデータ） (2023-06-13T08:57:54Z)
• Efficient Quantum Simulation of Electron-Phonon Systems by Variational Basis State Encoder [12.497706003633391]
  電子フォノン系のデジタル量子シミュレーションでは、無限のフォノン準位をN$基底状態に切り詰める必要がある。 量子ビット数と量子ゲート数のスケーリングを削減できる変分基底状態符号化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-04T04:23:53Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Validating quantum-supremacy experiments with exact and fast tensor network contraction [21.99404639937004]
  実験により生成されたビットストリングに対して300万の正確な振幅を計算することで直接検証を行う。 シミュレーション能力の飛躍は、マルチ振幅テンソルネットワーク収縮アルゴリズムに基づいて構築される。 提案手法は, 量子多体問題, 統計問題, 最適化問題の解決に大きく影響している。
  論文  参考訳（メタデータ） (2022-12-09T10:01:02Z)
• Stochastic Approach For Simulating Quantum Noise Using Tensor Networks [0.8258451067861933]
  シミュレーション誤差は, 多数の量子ビットに対しても比較的低いことが示される。 このスライシング技術を用いることで,スーパーコンピュータを用いて最大100 qubitOA回路を高深さでシミュレートできる。
  論文  参考訳（メタデータ） (2022-10-28T03:44:59Z)
• Leveraging state sparsity for more efficient quantum simulations [1.52292571922932]
  本稿では,メモリ使用量とシミュレーション実行時間を削減するために,この空間を生かした新しいシミュレーション手法を提案する。 プロトタイプ実装には、データ構造へのアクセスを減らし、メモリ使用量を削減するゲート(re)スケジューリングなどの最適化が含まれている。 本シミュレータは102量子ビットを用いて20ビットのファクタリングインスタンスを実行し,110量子ビットの10ビット曲線上で楕円曲線離散対数を実行した。
  論文  参考訳（メタデータ） (2021-05-04T14:42:32Z)
• Efficient Verification of Anticoncentrated Quantum States [0.38073142980733]
  準備可能な量子状態 $mu$ と古典的に指定されたターゲット状態 $tau$ の間に、忠実度 $F(mu,tau)$ を推定する新しい方法を提案する。 また,本手法のより洗練されたバージョンを提示する。このバージョンでは,高効率に準備可能な,かつ良好な量子状態が重要試料として使用される。
  論文  参考訳（メタデータ） (2020-12-15T18:01:11Z)
• Quantum Gram-Schmidt Processes and Their Application to Efficient State Read-out for Quantum Algorithms [87.04438831673063]
  本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。 我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。 我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
  論文  参考訳（メタデータ） (2020-04-14T11:05:26Z)

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。