論文の概要: Neural Guided Sampling for Quantum Circuit Optimization
- arxiv url: http://arxiv.org/abs/2510.12430v1
- Date: Tue, 14 Oct 2025 12:09:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-15 19:02:32.307535
- Title: Neural Guided Sampling for Quantum Circuit Optimization
- Title（参考訳）: 量子回路最適化のためのニューラルガイドサンプリング
- Authors: Bodo Rosenhahn, Tobias J. Osborne, Christoph Hirche,
- Abstract要約: 量子回路を特定のハードウェアトポロジーに変換し、利用可能なゲートのセットを減らし、トランスパイレーション(transpilation)としても知られ、等価回路の長さが大幅に増加する。
効率的なトランスパイレーションに対処する1つの方法は、例えばランダムサンプリングとトークン置換戦略を用いて最適化から知られているアプローチに基づいている。
本稿では,量子回路の2次元表現が与えられた場合,ニューラルネットワークは量子回路のゲート群を予測する。
- 参考スコア（独自算出の注目度）: 26.90377134346014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Translating a general quantum circuit on a specific hardware topology with a reduced set of available gates, also known as transpilation, comes with a substantial increase in the length of the equivalent circuit. Due to decoherence, the quality of the computational outcome can degrade seriously with increasing circuit length. Thus, there is major interest to reduce a quantum circuit to an equivalent circuit which is in its gate count as short as possible. One method to address efficient transpilation is based on approaches known from stochastic optimization, e.g. by using random sampling and token replacement strategies. Here, a core challenge is that these methods can suffer from sampling efficiency, causing long and energy consuming optimization time. As a remedy, we propose in this work 2D neural guided sampling. Thus, given a 2D representation of a quantum circuit, a neural network predicts groups of gates in the quantum circuit, which are likely reducible. Thus, it leads to a sampling prior which can heavily reduce the compute time for quantum circuit reduction. In several experiments, we demonstrate that our method is superior to results obtained from different qiskit or BQSKit optimization levels.
- Abstract（参考訳）: 一般的な量子回路を特定のハードウェアトポロジーに変換し、利用可能なゲートのセットを減らし、トランスパイレーション(transpilation)としても知られ、等価回路の長さが大幅に増加する。
デコヒーレンスにより、計算結果の品質は回路長の増大とともに著しく低下する。
したがって、できるだけ短いゲート数である等価回路に量子回路を還元することには大きな関心がある。
効率的なトランスパイレーションに対処する方法の1つは、確率的最適化(例えばランダムサンプリングとトークン置換戦略)から知られているアプローチに基づいている。
ここでの課題は、これらの手法がサンプリング効率に悩まされ、長いエネルギー消費最適化時間を引き起こすことである。
本研究は,2次元ニューラルガイドサンプリング法を提案する。
したがって、量子回路の2次元表現が与えられた場合、ニューラルネットワークは量子回路内のゲートのグループを予測する。
これにより、サンプリング前のサンプリングが行われ、量子回路還元の計算時間が大幅に短縮される。
いくつかの実験において,提案手法は異なるキスキートやBQSKitの最適化レベルから得られる結果よりも優れていることを示す。
関連論文リスト
- Digital Zero-Noise Extrapolation with Quantum Circuit Unoptimization [0.9208007322096533]
量子回路最適化 (quantum circuit unoptimization) は、量子回路を別の回路に変換するアルゴリズムである。
量子回路の最適化を回路折り畳みの形式として利用することにより、ノイズを体系的に増幅することができる。
量子回路を最適化してZNEを動作させることで、ノイズのある量子シミュレーションからおよそ信号を復元できることが示される。
論文 参考訳（メタデータ） (2025-03-08T21:06:48Z) - 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) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - 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) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳（メタデータ） (2023-02-09T14:05:18Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳（メタデータ） (2022-04-12T19:39:31Z) - Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
量子回路をキューネットワークとしてモデル化することを提案する。
提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
論文 参考訳（メタデータ） (2021-06-26T10:55:52Z) - Improving the Performance of Deep Quantum Optimization Algorithms with
Continuous Gate Sets [47.00474212574662]
変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。
本稿では,QAOAの回路深度依存性能について実験的に検討する。
この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
論文 参考訳（メタデータ） (2020-05-11T17:20:51Z) - Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。
観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
論文 参考訳（メタデータ） (2020-05-05T20:11:53Z)
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。