論文の概要: Optimization Framework for Reducing Mid-circuit Measurements and Resets

• arxiv url: http://arxiv.org/abs/2504.16579v1
• Date: Wed, 23 Apr 2025 10:01:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 17:06:51.982915
• Title: Optimization Framework for Reducing Mid-circuit Measurements and Resets
• Title（参考訳）: 中間回路計測・リセットの最適化フレームワーク
• Authors: Yanbin Chen, Innocenzo Fulginiti, Christian B. Mendl,
• Abstract要約: 中間回路計測とリセットの両方を対象とする最適化フレームワークを実装した。 ランダムに生成された動的回路の大規模なデータセットを用いて,我々のフレームワークを評価する。
• 参考スコア（独自算出の注目度）: 0.13108652488669736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper addresses the optimization of dynamic circuits in quantum computing, with a focus on reducing the cost of mid-circuit measurements and resets. We extend the probabilistic circuit model (PCM) and implement an optimization framework that targets both mid-circuit measurements and resets. To overcome the limitation of the prior PCM-based pass, where optimizations are only possible on pure single-qubit states, we incorporate circuit synthesis to enable optimizations on multi-qubit states. With a parameter $n_{pcm}$, our framework balances optimization level against resource usage.We evaluate our framework using a large dataset of randomly generated dynamic circuits. Experimental results demonstrate that our method is highly effective in reducing mid-circuit measurements and resets. In our demonstrative example, when applying our optimization framework to the Bernstein-Vazirani algorithm after employing qubit reuse, we significantly reduce its runtime overhead by removing all of the resets.
• Abstract（参考訳）: 量子コンピューティングにおける動的回路の最適化について,中間回路計測とリセットのコスト削減に着目した。 確率回路モデル(PCM)を拡張し,中間回路計測とリセットの両方を対象とする最適化フレームワークを実装した。 純粋な単一量子状態においてのみ最適化が可能なPCMパスの制限を克服するために、回路合成を導入し、マルチ量子状態における最適化を実現する。 パラメータ$n_{pcm}$で、我々のフレームワークはリソース使用量と最適化レベルをバランスさせ、ランダムに生成された動的回路の大規模なデータセットを用いてフレームワークを評価する。 実験結果から,本手法は中間回路計測とリセットの低減に極めて有効であることが示された。 実証的な例では、qubit再利用を使用したBernstein-Vaziraniアルゴリズムに最適化フレームワークを適用する場合、リセットをすべて削除することで、実行時のオーバーヘッドを大幅に削減する。

関連論文リスト

• Blockwise Optimization for Projective Variational Quantum Dynamics (BLOP-VQD): Algorithm and Implementation for Lattice Systems [0.0]
  本稿では,予測変動量子ダイナミクスを用いたリアルタイム量子力学の効率的なシミュレーション手法を提案する。 提案手法は,一方のブロックを1回に選択的に最適化し,他方のブロックを固定し,計算オーバーヘッドを大幅に削減する。 提案手法の性能を,サイズや複雑さの異なる一連のスピン格子モデルで実証する。
  論文  参考訳（メタデータ） (2025-03-24T01:48:37Z)
• Transformer-based Model Predictive Control: Trajectory Optimization via Sequence Modeling [16.112708478263745]
  本稿では,最適化に基づく学習手法の主な強みを組み合わせた統合フレームワークを提案する。 我々のアプローチでは、最適化プロセス内に高容量、トランスフォーマーベースのニューラルネットワークモデルを組み込む必要がある。 純粋に最適化に基づくアプローチと比較すると,提案手法では最大75%の性能向上が期待できる。
  論文  参考訳（メタデータ） (2024-10-31T13:23:10Z)
• Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
  人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。 過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。 報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
  論文  参考訳（メタデータ） (2024-05-26T05:38:50Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• 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)
• Maximum-Likelihood Inverse Reinforcement Learning with Finite-Time Guarantees [56.848265937921354]
  逆強化学習(IRL)は報酬関数と関連する最適ポリシーを回復することを目的としている。 IRLの多くのアルゴリズムは本質的にネスト構造を持つ。 我々は、報酬推定精度を損なわないIRLのための新しいシングルループアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-10-04T17:13:45Z)
• Stochastic Gradient Line Bayesian Optimization: Reducing Measurement Shots in Optimizing Parameterized Quantum Circuits [4.94950858749529]
  我々は、少ない測定ショットで回路最適化を行うための効率的なフレームワークを開発する。 我々は、正確な期待値推定に頼ることなく、最適化を実現するための適応的な計測ショット戦略を定式化する。 本稿では,VQAsの最適化において,接尾辞平均化手法が統計的およびハードウェアノイズの影響を著しく低減できることを示す。
  論文  参考訳（メタデータ） (2021-11-15T18:00:14Z)
• An Efficient Batch Constrained Bayesian Optimization Approach for Analog Circuit Synthesis via Multi-objective Acquisition Ensemble [11.64233949999656]
  MACE(Multi-objective Acquisition Function Ensemble)を用いた並列化可能なベイズ最適化アルゴリズムを提案する。 提案アルゴリズムは,バッチサイズが15のときの非制約最適化問題に対する微分進化(DE)と比較して,シミュレーション全体の時間を最大74倍削減することができる。 制約付き最適化問題に対して,提案アルゴリズムは,バッチサイズが15の場合に,重み付き改善に基づくベイズ最適化(WEIBO)アプローチと比較して最大15倍の高速化を実現することができる。
  論文  参考訳（メタデータ） (2021-06-28T13:21:28Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)
• 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。

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。