論文の概要: TQml Simulator: Optimized Simulation of Quantum Machine Learning
- arxiv url: http://arxiv.org/abs/2506.04891v2
- Date: Fri, 06 Jun 2025 16:55:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-09 17:28:43.078935
- Title: TQml Simulator: Optimized Simulation of Quantum Machine Learning
- Title（参考訳）: TQmlシミュレータ:量子機械学習の最適化シミュレーション
- Authors: Viacheslav Kuzmin, Basil Kyriacou, Mateusz Papierz, Mo Kordzanganeh, Alexey Melnikov,
- Abstract要約: 量子状態ベクトル上でのゲート層の作用をシミュレーションするための普遍的およびゲート固有の手法をベンチマークする。
我々は、与えられた回路の各層に対して最も効率的なシミュレーション手法を用いて、TQml Simulatorという数値シミュレータを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hardware-efficient circuits employed in Quantum Machine Learning are typically composed of alternating layers of uniformly applied gates. High-speed numerical simulators for such circuits are crucial for advancing research in this field. In this work, we numerically benchmark universal and gate-specific techniques for simulating the action of layers of gates on quantum state vectors, aiming to accelerate the overall simulation of Quantum Machine Learning algorithms. Our analysis shows that the optimal simulation method for a given layer of gates depends on the number of qubits involved, and that a tailored combination of techniques can yield substantial performance gains in the forward and backward passes for a given circuit. Building on these insights, we developed a numerical simulator, named TQml Simulator, that employs the most efficient simulation method for each layer in a given circuit. We evaluated TQml Simulator on circuits constructed from standard gate sets, such as rotations and CNOTs, as well as on native gates from IonQ and IBM quantum processing units. In most cases, our simulator outperforms equivalent Pennylane's default_qubit simulator by up to a factor of 10, depending on the circuit, the number of qubits, the batch size of the input data, and the hardware used.
- Abstract（参考訳）: 量子機械学習で使用されるハードウェア効率のよい回路は、通常一様に適用されたゲートの交互層で構成されている。
このような回路の高速数値シミュレータは、この分野の研究を進める上で不可欠である。
本研究では,量子状態ベクトル上でのゲート層の作用をシミュレーションするための普遍的およびゲート固有の手法を数値的にベンチマークし,量子機械学習アルゴリズムの全体的なシミュレーションを高速化することを目的とした。
解析により, ゲート層に対する最適シミュレーション法は, 関連する量子ビット数に依存し, 回路の前方・後方通過において, 一定の性能向上が得られることを示した。
これらの知見に基づいて,各回路の各層に最も効率的なシミュレーション手法を用いた数値シミュレータTQml Simulatorを開発した。
我々は、回転やCNOTなどの標準ゲートセットと、IonQやIBMの量子処理ユニットのネイティブゲートで構成された回路上で、TQml Simulatorを評価した。
ほとんどの場合、我々のシミュレータは、回路、キュービット数、入力データのバッチサイズ、使用するハードウェアによって、同等のペニーレーンのデフォルト_qubitシミュレータを最大10倍の性能で上回る。
関連論文リスト
- Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - Sparse Simulation of VQE Circuits [0.0]
Variational Quantum Eigensolver (VQE) は将来のノイズ中間量子(NISQ)デバイスのための有望なアルゴリズムである。
本稿では,イテレーティブなQubit Coupled Cluster (iQCC) アンサッツの古典的シミュレーションについて考察する。
論文 参考訳（メタデータ） (2024-04-15T18:00:05Z) - Deep Quantum Circuit Simulations of Low-Energy Nuclear States [51.823503818486394]
深部量子回路の高速数値シミュレーションの進歩について述べる。
21キュービットまでの回路と 115,000,000以上のゲートを効率的にシミュレートできる。
論文 参考訳（メタデータ） (2023-10-26T19:10:58Z) - Exact and approximate simulation of large quantum circuits on a single
GPU [0.46603287532620735]
最大27量子ビットのフーリエ変換回路の正確なシミュレーションのための競合実行時間を報告する。
また、54量子ビットに作用するランダム回路の全ての振幅を、平均忠実度が4%以上の7層で近似シミュレーションした。
論文 参考訳（メタデータ） (2023-04-28T16:45:28Z) - Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum
Circuit Simulation [65.93830818469833]
テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。
これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。
量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
論文 参考訳（メタデータ） (2023-02-13T19:00:00Z) - Parallel Simulation of Quantum Networks with Distributed Quantum State
Management [56.24769206561207]
我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。
コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。
既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
論文 参考訳（メタデータ） (2021-11-06T16:51:17Z) - Efficient calculation of gradients in classical simulations of
variational quantum algorithms [0.0]
O(P)時間における勾配を正確に計算するエミュレーション戦略の新たな導出法を提案する。
私たちの戦略は非常にシンプルで、'apply gate'、'clone state'、'inner product'プリミティブのみを使用します。
ゲート並列化スキームやハードウェアアクセラレーションや分散シミュレータと互換性がある。
論文 参考訳（メタデータ） (2020-09-06T21:39:44Z) - Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。
後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。
近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
論文 参考訳（メタデータ） (2020-07-29T05:26:19Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳（メタデータ） (2019-12-31T19:00:00Z)
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。