論文の概要: Benchmarking Quantum Architecture Search with Surrogate Assistance

• arxiv url: http://arxiv.org/abs/2506.06762v1
• Date: Sat, 07 Jun 2025 11:11:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.467988
• Title: Benchmarking Quantum Architecture Search with Surrogate Assistance
• Title（参考訳）: サーロゲート支援による量子アーキテクチャ探索のベンチマーク
• Authors: Darya Martyniuk, Johannes Jung, Daniel Barta, Adrian Paschke,
• Abstract要約: 本稿では,SQuASH,Surrogate Quantum Architecture Search Helperを紹介する。 本稿では,QASのサロゲートベンチマークを作成する手法を提案し,QAS手法の実行と比較を高速化する能力を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of quantum algorithms and their practical applications currently relies heavily on the efficient design, compilation, and optimization of quantum circuits. In particular, parametrized quantum circuits (PQCs), which serve as the basis for variational quantum algorithms~(VQAs), demand carefully engineered architectures that balance performance with hardware constraints. Despite recent progress, identifying structural features of PQCs that enhance trainability, noise resilience, and overall algorithmic performance remains an active area of research. Addressing these challenges, quantum architecture search (QAS) aims to automate the design of problem-specific PQCs by systematically exploring circuit architectures to optimize algorithmic performance, often with varying degrees of consideration for hardware constraints. However, comparing QAS methods is challenging due to the absence of a unified benchmark evaluation pipeline, and the high resource demands. In this paper, we present SQuASH, the Surrogate Quantum Architecture Search Helper, a benchmark that leverages surrogate models to enable uniform comparison of QAS methods and considerably accelerate their evaluation. We present the methodology for creating a surrogate benchmark for QAS and demonstrate its capability to accelerate the execution and comparison of QAS methods. Additionally, we provide the code required to integrate SQuASH into custom QAS methods, enabling not only benchmarking but also the use of surrogate models for rapid prototyping. We further release the dataset used to train the surrogate models, facilitating reproducibility and further research.
• Abstract（参考訳）: 量子アルゴリズムの開発と実用化は、現在量子回路の設計、コンパイル、最適化に大きく依存している。 特に、変分量子アルゴリズム~(VQAs)の基礎となるパラメタライズド量子回路(PQC)では、性能とハードウェア制約のバランスをとるアーキテクチャを慎重に設計する必要がある。 近年の進歩にもかかわらず、訓練性、耐雑音性、全体的なアルゴリズム性能を高めるPQCの構造的特徴は研究の活発な領域である。 これらの課題に対処するため、量子アーキテクチャサーチ(QAS)は、ハードウェアの制約を考慮し、アルゴリズム性能を最適化するために回路アーキテクチャを体系的に探索することで、問題固有のPQCの設計を自動化することを目的としている。 しかし、ベンチマーク評価パイプラインが統一されていないことと、高いリソース要求があるため、QASメソッドの比較は困難である。 本稿では、SQuASH(Surrogate Quantum Architecture Search Helper)を提案する。これは、Surrogateモデルを利用してQAS手法の均一な比較を可能にし、その評価を大幅に高速化するベンチマークである。 本稿では,QASのためのサロゲートベンチマークを作成する手法を提案し,QAS手法の実行と比較を高速化する能力を実証する。 さらに、SQuASHをカスタムQASメソッドに統合するために必要なコードを提供し、ベンチマークだけでなく、サロゲートモデルを高速プロトタイピングに利用できるようにする。 さらに、サロゲートモデルをトレーニングするためのデータセットをリリースし、再現性やさらなる研究を容易にします。

関連論文リスト

• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [48.670876200492415]
  変分量子アルゴリズム(VQA)は、強力なノイズ中間スケール量子(NISQ)コンピュータを利用するための有望なアプローチである。 本稿では,量子混合状態の進化をモデルとしたQASアルゴリズムである$rho$DARTSを提案する。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Differentiable Quantum Architecture Search in Asynchronous Quantum Reinforcement Learning [3.6881738506505988]
  トレーニング可能な回路パラメータと構造重み付けを可能にするために、微分可能な量子アーキテクチャ探索(DiffQAS)を提案する。 提案したDiffQAS-QRL手法は,手作業による回路アーキテクチャに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2024-07-25T17:11:00Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
  この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。 本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。 様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
  論文  参考訳（メタデータ） (2024-02-21T12:30:39Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。