論文の概要: Improved sampling bounds and scalable partitioning for quantum circuit cutting beyond bipartitions

• arxiv url: http://arxiv.org/abs/2506.18031v1
• Date: Sun, 22 Jun 2025 13:27:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.708137
• Title: Improved sampling bounds and scalable partitioning for quantum circuit cutting beyond bipartitions
• Title（参考訳）: 2分割以上の量子回路切断におけるサンプリング境界の改善とスケーラブルパーティショニング
• Authors: Junya Nakamura, Takahiko Satoh, Shinichiro Sanji,
• Abstract要約: 量子回路切断のための切断位置を同定する新しい手法を提案する。 古典的後処理関数が分解可能であるという仮定の下で、サンプリングオーバーヘッドに新しい上限を導出する。 このバウンダリは、3つ以上のパーティションの場合の桁違いのオーダーによって、これまで知られていたバウンダリによって改善されることを示す。
• 参考スコア（独自算出の注目度）: 0.393259574660092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a new method for identifying cutting locations for quantum circuit cutting, with a primary focus on partitioning circuits into three or more parts. Under the assumption that the classical postprocessing function is decomposable, we derive a new upper bound on the sampling overhead resulting from both time-like and space-like cuts. We show that this bound improves upon the previously known bound by orders of magnitude in cases of three or more partitions. Based on this bound, we formulate an objective function, $L_Q^{}$, and present a method to determine cutting locations that minimize it. Our method is shown to outperform a previous approach in terms of computation time. Moreover, the quality of the obtained partitioning is found to be comparable to or better than that of the baseline in all but a few cases, as measured by $L_Q^{}$. These results are obtained by identifying cutting locations in a number of benchmark circuits of the size and type expected in quantum computations that outperform classical computers.
• Abstract（参考訳）: 本稿では,回路を3つ以上の部品に分割することに着目し,量子回路切断のための切断位置を同定する手法を提案する。 古典的後処理関数が分解可能であるという仮定の下で、時間的および空間的なカットから生じるサンプリングオーバーヘッドの新たな上限を導出する。 このバウンダリは、3つ以上のパーティションの場合の桁違いのオーダーによって、これまで知られていたバウンダリによって改善されることを示す。 この境界に基づいて、目的関数である$L_Q^{}$を定式化し、それを最小化する切断位置を決定する方法を示す。 本手法は計算時間の観点から,従来の手法より優れていることを示す。 さらに、得られた分割の質は、$L_Q^{}$で測定されたいくつかのケースを除いて、ベースラインの質と同等かそれ以上であることがわかった。 これらの結果は、古典的コンピュータよりも優れた量子計算で期待される、多数のベンチマーク回路の切断位置を同定することによって得られる。

関連論文リスト

• Spatial and temporal circuit cutting with hypergraphic partitioning [0.0]
  本稿では,空間的シナリオと時間的シナリオの両方に適したハイパーグラフに基づく回路切断手法を提案する。 量子回路を高レベルハイパーグラフとしてモデル化することにより、Stoer-Wagner、Fiduccia-Mattheyses、Kernighan-Linなどの分割を適用できる。
  論文  参考訳（メタデータ） (2025-04-12T20:31:07Z)
• FragQC: An Efficient Quantum Error Reduction Technique using Quantum Circuit Fragmentation [4.2754140179767415]
  誤差確率が一定の閾値を超えると、量子回路をサブ回路に切断するソフトウェアツールであるFragQCを提示する。 回路を切断せずに直接実行した場合の忠実度は14.83%増加し、8.45%が最先端のICP法である。
  論文  参考訳（メタデータ） (2023-09-30T17:38:31Z)
• A quantum advantage over classical for local max cut [48.02822142773719]
  量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。 結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-17T16:42:05Z)
• Doubly optimal parallel wire cutting without ancilla qubits [0.4394730767364254]
  利用可能な量子ビットの品質と量の制限は、短期および早期のフォールトトレラント量子コンピュータの適用に重大な障害をもたらす。 本稿では,並列な$n$-qubitアイデンティティチャネルをローカル操作と古典通信の集合に分解する問題について検討する。 本稿では, サンプリングオーバーヘッドとチャネル数の両方において最小限のオーバーヘッドを達成できる, 相互に偏りのないベースに基づくチャネルを最適に切断する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-13T17:59:18Z)
• Reduce&chop: Shallow circuits for deeper problems [1.3108652488669736]
  最先端の量子コンピュータは、量子ビット数と計算深度に制限のある回路しか確実に実行できない。 本研究は、より浅いデバイスを繰り返し使用することにより、より深い量子計算の性能をどの程度模倣できるかを考察する。
  論文  参考訳（メタデータ） (2022-12-22T16:55:24Z)
• Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
  離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。 我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。 GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
  論文  参考訳（メタデータ） (2022-08-01T12:48:48Z)
• Bayesian Learning of Parameterised Quantum Circuits [0.0]
  我々はベイズ後部の近似として古典的最適化の確率論的視点を取り、再定式化する。 ラプラスを用いた最大後点推定に基づく次元縮小戦略について述べる。 量子H1-2コンピュータの実験では、結果として得られる回路は勾配なしで訓練された回路よりも高速でノイズが少ないことが示されている。
  論文  参考訳（メタデータ） (2022-06-15T14:20:14Z)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)

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。