論文の概要: Fast stabilizer state preparation via AI-optimized graph decimation

• arxiv url: http://arxiv.org/abs/2603.17743v1
• Date: Wed, 18 Mar 2026 14:10:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.736974
• Title: Fast stabilizer state preparation via AI-optimized graph decimation
• Title（参考訳）: AI最適化グラフデシメーションによる高速安定化状態生成
• Abstract要約: 本稿では,2ビットゲート数と深さを削減した安定化器状態の生成法を提案する。 それぞれのステップでCliffordゲートを最適に選択するために、さまざまな検索およびAIベースのアプローチを探索する。 提案手法は,従来の手法と比較して,必要となる2量子ゲートを2.5倍まで削減できることを示す。
• 参考スコア（独自算出の注目度）: 0.058633603884542605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a general method for preparing stabilizer states with reduced two-qubit gate count and depth compared to the state of the art. The method starts from a graph state representation of the stabilizer state and iteratively reduces the number of edges in the graph using two-qubit Clifford gates to produce a unitary preparation circuit. We explore various heuristic search and AI-based approaches to optimally choose Clifford gates at each step, the most sophisticated of which is a combination of reinforcement learning and Monte Carlo tree search that we call QuSynth. We apply our method to synthesize code states of various quantum error correcting codes including the 23-qubit Golay code and the 144-qubit gross code, the latter of which is significantly beyond the qubit number that is accessible to prior optimal circuit synthesis methods. We demonstrate that our techniques are capable of reducing the required two-qubit gates by up to a factor of 2.5 compared to previous approaches while retaining low circuit depth.
• Abstract（参考訳）: 本稿では,2ビットゲート数と深さを削減した安定化器状態を作成する方法を提案する。 この方法は安定化器状態のグラフ状態表現から始まり、2量子クリフォードゲートを用いてグラフ内のエッジ数を反復的に減少させ、ユニタリ準備回路を生成する。 さまざまなヒューリスティック検索とAIベースのアプローチを探索し、各ステップでクリフォードゲートを最適に選択し、最も洗練されたのは、強化学習とQuSynthと呼ばれるモンテカルロ木探索の組み合わせである。 本稿では,23-qubit Golay符号や144-qubit大域符号を含む様々な量子誤り訂正符号のコード状態の合成に適用する。 本手法は,回路深度を低く保ちながら,従来の手法に比べて2.5倍まで必要な2ビットゲートを削減できることを実証する。

関連論文リスト

• A Reservoir Computing Approach to Quantum Gate Synthesis [0.0]
  Group Reservoir Computingは、時間力学を学ぶための効率的な機械学習パラダイムである。 再構成された力学は、常に構成上はユニタリであることを証明する。 この方法は任意の有限次元ハードウェアプラットフォームに適用できる。
  論文  参考訳（メタデータ） (2026-07-15T14:34:25Z)
• BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
  本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。 BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
  論文  参考訳（メタデータ） (2026-02-04T02:54:37Z)
• Pushing the Limits of Low-Bit Optimizers: A Focus on EMA Dynamics [64.62231094774211]
  ステートフル(例えばアダム)は、最適収束を達成するために、モデルサイズを2倍も補助情報を維持する。 SOLOにより、アダムスタイルは3ビットまたは2ビットの精度で量子化された状態を維持することができる。 したがって、SOLOはAdamスタイルにシームレスに適用でき、精度の低下を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2025-05-01T06:47:45Z)
• Optimizing Quantum Circuits via ZX Diagrams using Reinforcement Learning and Graph Neural Networks [38.499527873574436]
  量子回路最適化のためのZX計算,グラフニューラルネットワーク,強化学習に基づくフレームワークを提案する。 本手法は,強化学習と木探索を組み合わせることで,ZX計算の書き直し規則を最適に選択することの課題に対処する。 本稿では,多種多様なランダム回路上での最先端回路の一般化と能力について述べる。
  論文  参考訳（メタデータ） (2025-04-04T13:19:08Z)
• High-Precision Multi-Qubit Clifford+T Synthesis by Unitary Diagonalization [0.8341988468339112]
  クリフォード+Tゲートセットで表される量子回路の資源効率と高精度な近似合成は、フォールトトレラント量子コンピューティングにとって不可欠である。 探索に基づく手法を利用して、まずはユニタリを概略対角化し、解析的に逆解析する。 提案手法は,実量子アルゴリズムからユニタリを評価した場合に,一桁のオーダーで合成アルゴリズムの実装精度と実行時間を向上する。
  論文  参考訳（メタデータ） (2024-08-31T12:10:32Z)
• 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)
• Optimizing Variational Circuits for Higher-Order Binary Optimization [2.578242050187029]
  本稿では,ハミルトニアンを2量子ゲートのみを含む実装可能な回路に符号化する新しい手法を提案する。 本手法は,回路深度の観点から明らかな利得を示すとともに,技術状況と比較することで評価する。
  論文  参考訳（メタデータ） (2023-07-31T15:27:06Z)
• Graph Neural Network Autoencoders for Efficient Quantum Circuit Optimisation [69.43216268165402]
  我々は、量子回路の最適化にグラフニューラルネットワーク(GNN)オートエンコーダの使い方を初めて提示する。 我々は、量子回路から有向非巡回グラフを構築し、そのグラフを符号化し、その符号化を用いてRL状態を表現する。 我々の手法は、非常に大規模なRL量子回路最適化に向けた最初の現実的な第一歩である。
  論文  参考訳（メタデータ） (2023-03-06T16:51:30Z)
• A SAT Encoding for Optimal Clifford Circuit Synthesis [3.610459670994051]
  量子回路の重要なサブクラスであるクリフォード回路の最適合成を考える。 本稿では,タスクを満足度問題として符号化したクリフォード回路の最適合成法を提案する。 得られたツールは、最大26ドルキュービットの最適回路を合成する。
  論文  参考訳（メタデータ） (2022-08-24T18:00:03Z)
• Efficient quantum gate decomposition via adaptive circuit compression [0.0]
  回路設計におけるパラメトリック2量子ゲートの利用により、回路合成の離散的な問題を連続変数に対する最適化問題に変換することができる。 このアルゴリズムをSQUANDERソフトウェアパッケージに実装し、最先端の量子ゲート合成ツールと比較した。
  論文  参考訳（メタデータ） (2022-03-08T22:29:31Z)
• Graph Signal Restoration Using Nested Deep Algorithm Unrolling [85.53158261016331]
  グラフ信号処理は、センサー、社会交通脳ネットワーク、ポイントクラウド処理、グラフネットワークなど、多くのアプリケーションにおいてユビキタスなタスクである。 凸非依存型深部ADMM(ADMM)に基づく2つの復元手法を提案する。 提案手法のパラメータはエンドツーエンドでトレーニング可能である。
  論文  参考訳（メタデータ） (2021-06-30T08:57:01Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• A Generic Compilation Strategy for the Unitary Coupled Cluster Ansatz [68.8204255655161]
  本稿では,変分量子固有解法(VQE)アルゴリズムのコンパイル戦略について述べる。 我々は、回路深さとゲート数を減らすために、ユニタリ結合クラスタ(UCC)アンサッツを使用する。
  論文  参考訳（メタデータ） (2020-07-20T22:26:16Z)

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。