論文の概要: Synthesis of discrete-continuous quantum circuits with multimodal diffusion models

• arxiv url: http://arxiv.org/abs/2506.01666v1
• Date: Mon, 02 Jun 2025 13:35:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.406191
• Title: Synthesis of discrete-continuous quantum circuits with multimodal diffusion models
• Title（参考訳）: 多モード拡散モデルを用いた離散連続量子回路の合成
• Authors: Florian Fürrutter, Zohim Chandani, Ikko Hamamura, Hans J. Briegel, Gorka Muñoz-Gil,
• Abstract要約: 量子演算の効率的なコンパイルは、量子コンピューティングのスケーリングにおいて依然として大きなボトルネックとなっている。 対象ユニタリをコンパイルするための回路構造とその連続パラメータを同時に生成するマルチモーダルデノナイジング拡散モデルを提案する。 我々は、異なる実験でモデルをベンチマークし、様々なキュービット数、回路深さ、パラメータ化ゲートの比率にまたがる手法の精度を分析した。
• 参考スコア（独自算出の注目度）: 0.5277756703318045
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Efficiently compiling quantum operations remains a major bottleneck in scaling quantum computing. Today's state-of-the-art methods achieve low compilation error by combining search algorithms with gradient-based parameter optimization, but they incur long runtimes and require multiple calls to quantum hardware or expensive classical simulations, making their scaling prohibitive. Recently, machine-learning models have emerged as an alternative, though they are currently restricted to discrete gate sets. Here, we introduce a multimodal denoising diffusion model that simultaneously generates a circuit's structure and its continuous parameters for compiling a target unitary. It leverages two independent diffusion processes, one for discrete gate selection and one for parameter prediction. We benchmark the model over different experiments, analyzing the method's accuracy across varying qubit counts, circuit depths, and proportions of parameterized gates. Finally, by exploiting its rapid circuit generation, we create large datasets of circuits for particular operations and use these to extract valuable heuristics that can help us discover new insights into quantum circuit synthesis.
• Abstract（参考訳）: 量子演算の効率的なコンパイルは、量子コンピューティングのスケーリングにおいて依然として大きなボトルネックとなっている。 今日の最先端の手法は、探索アルゴリズムと勾配に基づくパラメータ最適化を組み合わせることで、低いコンパイルエラーを達成するが、それらは長いランタイムを発生させ、量子ハードウェアや高価な古典シミュレーションへの複数の呼び出しを必要とし、スケーリングを禁止している。 近年、機械学習モデルが代替として登場したが、現在は個別のゲートセットに限定されている。 本稿では,対象ユニタリをコンパイルするための回路構造とその連続パラメータを同時に生成するマルチモーダルデノナイジング拡散モデルを提案する。 これは2つの独立拡散過程を利用し、1つは離散ゲート選択、もう1つはパラメータ予測を行う。 我々は、異なる実験でモデルをベンチマークし、様々なキュービット数、回路深さ、パラメータ化ゲートの比率にまたがる手法の精度を分析した。 最後に、その高速な回路生成を利用して、特定の操作のための大量の回路データセットを作成し、量子回路合成に関する新たな洞察を見つけるのに役立つ貴重なヒューリスティックを抽出する。

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)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• Exploring ab initio machine synthesis of quantum circuits [0.0]
  ゲートレベルの量子回路は、しばしば高レベルアルゴリズムから手動で導かれる。 本稿では,機械内における回路の初期生成手法について検討する。
  論文  参考訳（メタデータ） (2022-06-22T17:48:29Z)
• Effective non-local parity-dependent couplings in qubit chains [0.0]
  連鎖上の量子ビットの同時結合を利用し、非局所パリティ依存量子演算のセットを設計する。 結果として得られる有効長距離結合は、ヨルダン・ウィグナーフェルミオンのパラメトリザブル・トロッターステップを直接実装する。 超伝導量子回路アーキテクチャにおけるゲート動作の数値シミュレーションを行う。
  論文  参考訳（メタデータ） (2022-03-14T17:33:40Z)
• Protocols for Trainable and Differentiable Quantum Generative Modelling [21.24186888129542]
  微分可能量子回路(DQC)としての確率分布の学習手法を提案する。 我々はDQCベースのモデルのトレーニングを行い、そこでデータは位相特徴写像で潜在空間にエンコードされ、次に変動量子回路が続く。 これにより、シングルショットの読み出しを使ってパラメタライズドディストリビューションからの高速サンプリングが可能になる。
  論文  参考訳（メタデータ） (2022-02-16T18:55:48Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• Estimating gate-set properties from random sequences [0.0]
  現在の量子デバイスは、非構造ゲート列の短い後、ネイティブな測定しかできない。 ランダムシーケンス推定という単一の実験は、多くの推定問題を解く。 我々は、最適性能保証付きシャドウ推定の頑健なチャネル変種を導出する。
  論文  参考訳（メタデータ） (2021-10-25T18:01:25Z)
• Accurate methods for the analysis of strong-drive effects in parametric gates [94.70553167084388]
  正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。 我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
  論文  参考訳（メタデータ） (2021-07-06T02:02:54Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)

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。