論文の概要: Advancing Quantum State Preparation Using Decision Diagram with Local Invertible Maps
- arxiv url: http://arxiv.org/abs/2507.17170v2
- Date: Thu, 31 Jul 2025 07:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 13:02:07.65503
- Title: Advancing Quantum State Preparation Using Decision Diagram with Local Invertible Maps
- Title(参考訳): 局所可逆写像を用いた決定図を用いた量子状態の創製
- Authors: Xin Hong, Aochu Dai, Chenjian Li, Sanjiang Li, Shenggang Ying, Mingsheng Ying,
- Abstract要約: 本稿では,利用可能なアシラ量子ビットの数に応じて,効率的な量子状態合成(QSP)アルゴリズム群を提案する。
我々のアプローチは、量子回路の複雑さを低減するために、局所可逆写像決定図(LimTDD)のパワーを利用する。
- 参考スコア(独自算出の注目度): 5.328178128965817
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum state preparation (QSP) is a fundamental task in quantum computing and quantum information processing. It is critical to the execution of many quantum algorithms, including those in quantum machine learning. In this paper, we propose a family of efficient QSP algorithms tailored to different numbers of available ancilla qubits - ranging from no ancilla qubits, to a single ancilla qubit, to a sufficiently large number of ancilla qubits. Our approach exploits the power of Local Invertible Map Tensor Decision Diagrams (LimTDDs) - a highly compact representation of quantum states that combines tensor networks and decision diagrams to reduce quantum circuit complexity. Extensive experiments demonstrate that our methods significantly outperform existing approaches and exhibit better scalability for large-scale quantum states, both in terms of runtime and gate complexity. Furthermore, our method shows exponential improvement in best-case scenarios.
- Abstract(参考訳): 量子状態準備(QSP)は、量子コンピューティングと量子情報処理の基本的な課題である。
量子機械学習を含む多くの量子アルゴリズムの実行には欠かせない。
本稿では, 利用可能なアンシラ量子ビットの数が多様で, 単一のアンシラ量子ビットから十分な数のアンシラ量子ビットまで, 利用可能なアンシラ量子ビットの数に合わせた効率的なQSPアルゴリズム群を提案する。
我々のアプローチは、テンソルネットワークと決定ダイアグラムを組み合わせた量子状態のコンパクトな表現である局所可逆写像テンソル決定ダイアグラム(LimTDD)のパワーを利用する。
大規模な実験により,我々の手法は既存の手法よりも大幅に優れており,実行時とゲートの複雑さの両面において,大規模量子状態のスケーラビリティが向上していることが示された。
さらに,本手法は,ベストケースシナリオの指数的改善を示す。
関連論文リスト
- VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。
それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。
この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
論文 参考訳(メタデータ) (2025-06-12T01:38:15Z) - Quantum-Chiplet: A Novel Python-Based Efficient and Scalable Design Methodology for Quantum Circuit Verification and Implementation [5.727672509269657]
本稿では,超並列量子計算解析を容易にする新しい量子表現(QPR)を提案する。
量子回路の検証には,階層型量子行動モデリング手法であるQuantum-Chipletを導入する。
量子振幅推定の例は、この手法が14キュービットのIBM Qiskitと比較して10倍以上のスピードアップで設計プロセスを大幅に改善することを示している。
論文 参考訳(メタデータ) (2025-03-13T05:12:41Z) - Active Learning with Variational Quantum Circuits for Quantum Process Tomography [6.842224049271109]
本稿では、再構成のための量子状態の最も情報性の高いサブセットを適応的に選択する汎用能動学習(AL)フレームワークを提案する。
最大7量子ビットのランダム量子回路から生じるユニタリ量子過程を再構成することにより、アルゴリズムを実証する。
論文 参考訳(メタデータ) (2024-12-30T13:12:56Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Mixed-Dimensional Qudit State Preparation Using Edge-Weighted Decision Diagrams [3.393749500700096]
量子コンピュータは難解な問題を解く可能性がある。
このポテンシャルを利用するための重要な要素の1つは、多値系(qudit)のために量子状態を効率的に準備する能力である。
本稿では,混合次元系に着目した量子状態生成法について検討する。
論文 参考訳(メタデータ) (2024-06-05T18:00:01Z) - 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) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳(メタデータ) (2024-05-22T18:11:42Z) - Parameterized quantum comb and simpler circuits for reversing unknown qubit-unitary operations [8.14510296131348]
量子プロセス変換タスクにおいて,量子コムの潜在能力を最大限に活用するためのPQCombを提案する。
未知のキュービットユニタリ進化の時間反転シミュレーションのための2つの合理化プロトコルを提案する。
また、PQCombを拡張して、量子ユニタリ変換とチャネル識別の問題を解決する。
論文 参考訳(メタデータ) (2024-03-06T14:53:24Z) - 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) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - Preparation of Entangled Many-Body States with Machine Learning [0.06768558752130309]
量子シミュレータ上での標的量子多体状態の生成は、量子科学と技術の重要なステップの1つである。
少数の量子ビットでは、グリーンベルガー=ホルン=ゼーリンガー状態のようないくつかの量子状態が準備されているが、多くの量子ビットを持つ系では根本的な困難が残っている。
そこで我々は,深層学習プロセスを実装したアルゴリズムを1つ提供し,多くの量子ビットで目標基底状態を作成する。
論文 参考訳(メタデータ) (2023-07-27T05:03:57Z) - Quantivine: A Visualization Approach for Large-scale Quantum Circuit
Representation and Analysis [31.203764035373677]
我々は量子回路の探索と理解のための対話型システムQuantivineを開発した。
一連の新しい回路視覚化は、キュービットの証明、並列性、絡み合いなどのコンテキストの詳細を明らかにするように設計されている。
Quantivineの有効性は、最大100キュービットの量子回路の2つの利用シナリオを通して示される。
論文 参考訳(メタデータ) (2023-07-18T04:51:28Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Improved iterative quantum algorithm for ground-state preparation [4.921552273745794]
ハミルトン系の基底状態を作成するために,改良された反復量子アルゴリズムを提案する。
提案手法には,各イテレーションにおける成功確率の向上,測定精度に依存しないサンプリングの複雑さ,ゲートの複雑さの低減,およびアシラリー状態が十分に準備された場合の量子資源のみを必要とするという利点がある。
論文 参考訳(メタデータ) (2022-10-16T05:57:43Z) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳(メタデータ) (2022-09-16T02:37:32Z) - Efficient realization of quantum algorithms with qudits [0.70224924046445]
マルチレベル量子システム(キューディット)を用いた量子アルゴリズムの効率的な実装手法を提案する。
提案手法は,Quditベースのプロセッサのパラメータに依存する標準量子ビット方式の回路のトランスパイレーションを用いる。
特定の普遍集合から取られた単一量子ゲートと2量子ゲートの列に量子回路を変換する明示的なスキームを提供する。
論文 参考訳(メタデータ) (2021-11-08T11:09:37Z) - Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。
解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文 参考訳(メタデータ) (2021-08-30T23:50:05Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳(メタデータ) (2021-06-29T14:01:40Z)
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。