論文の概要: Reinforcement Learning for Adaptive Composition of Quantum Circuit Optimisation Passes
- arxiv url: http://arxiv.org/abs/2601.21629v1
- Date: Thu, 29 Jan 2026 12:29:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.81056
- Title: Reinforcement Learning for Adaptive Composition of Quantum Circuit Optimisation Passes
- Title（参考訳）: 量子回路最適化パスの適応構成のための強化学習
- Authors: Daniel Mills, Ifan Williams, Jacob Swain, Gabriel Matos, Enrico Rinaldi, Alexander Koziell-Pipe,
- Abstract要約: 最適化パスシーケンスを構成するための強化学習エージェントを提案し,実演する。
エージェントのアクション空間は、デフォルトのPyTKETパスシーケンスで使用される2ビットゲートカウントリダクションのためのパスで構成されている。
- 参考スコア（独自算出の注目度）: 35.489245185488365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many quantum software development kits provide a suite of circuit optimisation passes. These passes have been highly optimised and tested in isolation. However, the order in which they are applied is left to the user, or else defined in general-purpose default pass sequences. While general-purpose sequences miss opportunities for optimisation which are particular to individual circuits, designing pass sequences bespoke to particular circuits requires exceptional knowledge about quantum circuit design and optimisation. Here we propose and demonstrate training a reinforcement learning agent to compose optimisation-pass sequences. In particular the agent's action space consists of passes for two-qubit gate count reduction used in default PyTKET pass sequences. For the circuits in our diverse test set, the (mean, median) fraction of two-qubit gates removed by the agent is $(57.7\%, \ 56.7 \%)$, compared to $(41.8 \%, \ 50.0 \%)$ for the next best default pass sequence.
- Abstract（参考訳）: 多くの量子ソフトウェア開発キットは、回路最適化パスのスイートを提供する。
これらのパスは高度に最適化され、独立してテストされている。
しかし、それらを適用する順序は、ユーザや、汎用的なデフォルトパスシーケンスで定義されるものに任せる。
汎用シーケンスは、個々の回路に特有の最適化の機会を逃すが、パスシーケンスを特定の回路に設計するには、量子回路の設計と最適化に関する例外的な知識が必要である。
ここでは、最適化パスシーケンスを構成するための強化学習エージェントの提案と実演を行う。
特にエージェントのアクション空間は、デフォルトのPyTKETパスシーケンスで使用される2ビットゲートカウントリダクションのためのパスで構成されている。
多様なテストセットの回路では、エージェントによって取り除かれた2ビットゲートの(平均、中央値の)分画は、次のデフォルトパスシーケンスに対して$(57.7\%, \ 56.7 \%)$に対して$(41.8 \%, \ 50.0 \%)$である。
関連論文リスト
- Accelerating Transpilation in Quantum Machine Learning with Haiqu's Rivet-transpiler [45.88028371034407]
我々は、以前にトランスパイルされた回路を再利用してトランスパイラを高速化するリベットトランスパイラを開発した。
量子層学習において,600%のトランスパイル時間の改善を実証した。
論文 参考訳（メタデータ） (2025-08-29T06:00:29Z) - Optimization and Synthesis of Quantum Circuits with Global Gates [41.99844472131922]
我々は、イオントラップハードウェアに存在するGlobal Molmer-Sorensenゲートのようなグローバルな相互作用を用いて量子回路を最適化し、合成する。
このアルゴリズムはZX計算に基づいており、係留ゲートをGlobal MolmerSorensenゲートにグループ化する特別な回路抽出ルーチンを使用する。
我々は,このアルゴリズムを様々な回路でベンチマークし,最新ハードウェアによる性能向上の方法を示す。
論文 参考訳（メタデータ） (2025-07-28T10:25:31Z) - Quantum Circuit Optimization Based on Dynamic Grouping and ZX-Calculus for Reducing 2-Qubit Gate Count [9.400669963756508]
量子回路における2キュービットゲートは、単一キュービットゲートよりもノイズの影響を受けやすい。
本稿では,動的グルーピングとZX計算に基づく量子回路最適化手法を提案する。
論文 参考訳（メタデータ） (2025-07-19T02:05:32Z) - Provably optimal exact gate synthesis from a discrete gate set [0.0]
離散ゲートセットを用いた正確な回路合成法を提案する。
本手法は,一元行列で指定されたゲートの問題をSATインスタンスに変換する。
論文 参考訳（メタデータ） (2025-03-19T17:32:29Z) - 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) - Efficient compilation of quantum circuits using multi-qubit gates [0.0]
本稿では,Ising型,長距離,マルチキュービット・エンタングリングゲートのシーケンスに一般回路分解を実装したコンパイル方式を提案する。
我々は,2量子ゲートを用いた従来の実現法と比較して,量子ボリュームの対数関係を20%$から25%$に改善することを示した。
論文 参考訳（メタデータ） (2025-01-28T19:08:13Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - Quantum Fourier Addition, Simplified to Toffoli Addition [92.18777020401484]
本稿では,QFT付加回路をToffoliベースの加算器に初めて体系的に変換する。
QFT回路からゲートを近似分解する代わりに、ゲートをマージする方が効率的である。
論文 参考訳（メタデータ） (2022-09-30T02:36:42Z) - Faster Born probability estimation via gate merging and frame
optimisation [3.9198548406564604]
任意の量子回路の出力確率はモンテカルロサンプリングを用いて推定できる。
回路ゲート最適化とフレーム最適化の2つの古典的なサブルーチンを提案する。
提案手法は, ランダム回路の全ての試験ケースに対して, 負性率オーバーヘッドのスケーリングを改良するものであることを数値的に示す。
論文 参考訳（メタデータ） (2022-02-24T14:18:34Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - 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) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳（メタデータ） (2020-07-21T15:36:25Z) - 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)
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。