論文の概要: PADO-Pauli: A GPU-Accelerated Implementation of Pauli Propagation

• arxiv url: http://arxiv.org/abs/2610.17755v1
• Date: Tue, 13 Oct 2026 05:38:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:23:43.940973
• Title: PADO-Pauli: A GPU-Accelerated Implementation of Pauli Propagation
• Title（参考訳）: PADO-Pauli: Pauli PropagationのGPU高速化実装
• Abstract要約: パウリ伝搬のためのGPUエンジンPADO-Pauliを提案する。 サーキットとオブザーバブルを一度スパース行列にコンパイルする。 回転角として埋め込まれたパラメータとデータの入力のバッチを評価する。
• 参考スコア（独自算出の注目度）: 4.822952500424597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms utilize parameterized circuits many times during training, at new parameter values, over batches of data, and with gradients. Pauli propagation approximates the expectation values of such circuits classically by evolving the observable in the Heisenberg picture as a truncated sum of Pauli strings. We present PADO-Pauli, a GPU engine for Pauli propagation that compiles a circuit and its observables once into sparse matrices in which each rotation angle contributes only a cosine and a sine factor, so every later evaluation reuses the compiled program. It evaluates batches of parameters and data inputs embedded as rotation angles. By default its gradients come from a vector-Jacobian product registered with PyTorch's automatic differentiation, so they flow through the angles to any classical layer that produces them. PADO-Pauli also provides truncation by Pauli weight and coefficient size, and noise channels. Zero-filtering removes terms that do not contribute to an expectation value in the all-zero reference state and makes the batched forward pass about 1.5 times faster. Compared to cuPauliProp on an NVIDIA A100, PADO-Pauli evaluates up to 10 times faster on 4 to 12 qubits and uses up to 3.1 times less memory on 16 qubits. We check its accuracy against exact statevector simulation up to 28 qubits. These features make PADO-Pauli a practical toolkit for training variational quantum algorithms, including quantum machine learning models.
• Abstract（参考訳）: 変分量子アルゴリズムは、トレーニング中、新しいパラメータ値、データのバッチオーバー、勾配を伴うパラメータ化回路を何度も利用する。 パウリの伝播は、これらの回路の期待値を古典的に近似し、ハイゼンベルク図形における可観測関数をパウリ弦の切り詰められた和として発展させることで近似する。 本稿では,パウリ伝搬用GPUエンジンPADO-Pauliについて,各回転角がコサインと正弦率のみを寄与するスパース行列に回路とそのオブザーバブルをコンパイルし,後述のプログラムを再利用する。 回転角として埋め込まれたパラメータとデータの入力のバッチを評価する。 デフォルトでは、その勾配は PyTorch の自動微分に登録されたベクトル-ヤコビアン積に由来するので、それらを生成する古典的な層への角度を流れる。 PADO-Pauliは、パウリ重みと係数サイズ、ノイズチャネルによるトランケーションも提供する。 Zero-filteringは、全ゼロ参照状態の期待値に寄与しない用語を削除し、バッチ転送を1.5倍高速にする。 NVIDIA A100のcuPauliPropと比較して、PADO-Pauliは4から12キュービットの最大10倍高速で、16キュービットの最大3.1倍のメモリを使用する。 我々は、その精度を、28キュービットまでの正確な状態ベクトルシミュレーションと比較する。 これらの機能はPADO-Pauliを、量子機械学習モデルを含む変分量子アルゴリズムをトレーニングするための実用的なツールキットにする。

関連論文リスト

• Fourier-Geometric Circuit Design for Gate and Entanglement Placement in Quantum Neural Networks [48.27646637170387]
  パウリの読み出しと2量子エンタングルの通勤のための回路設計規則を提案する。 パウリの読み出しと2ビットのエンタングルに対して、これは与えられた相互作用グラフに対して局所回転とエンタングル層を配置する回路設計規則を与える。
  論文  参考訳（メタデータ） (2026-09-28T16:00:45Z)
• Shortest Path in Pauli Forest -- An Algorithm for Decomposing Pauli Exponentials to Quantum Circuits [1.7188280334580195]
  本稿では,パウリ指数関数のアーキテクチャを考慮した新しい合成法を提案する。 その結果,無作為なパウリ指数と分子アンスターゼの両方に対するCNOT数と実行時間が改善された。
  論文  参考訳（メタデータ） (2026-05-05T09:16:29Z)
• Efficient Complex-Valued State Preparation on Bucket Brigade QRAM [47.72095699729477]
  効率的な量子状態準備は、大規模な古典的データを処理する量子アルゴリズムにおいて重要な要素である。 同じアーキテクチャ・アウェア・フレームワークで2つの改善点を提示します。
  論文  参考訳（メタデータ） (2026-04-28T13:43:29Z)
• PauliEngine: High-Performant Symbolic Arithmetic for Quantum Operations [39.36424353588699]
  PauliEngineは高性能なC++フレームワークで、Pauli文字列、演算子、シンボル位相追跡、構造変換のための効率的なプリミティブを提供する。 PauliEngineは数値係数とシンボル係数の両方をサポートし、Pythonインターフェースを介してアクセスすることができる。
  論文  参考訳（メタデータ） (2026-01-05T16:00:44Z)
• Fast generation of Pauli transfer matrices utilizing tensor product structure [0.0]
  パウリ転移行列は、$n$-qubit のパウリ基底における線型写像の作用を示す。 パウリ基底のテンソル積構造を明示的に利用する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-01T11:52:51Z)
• Quantum many-body simulations with PauliStrings.jl [0.0]
  We present the Julia package PauliStrings for quantum many-body Simulations。 パウリ群上の高速な演算は、パウリ弦をバイナリで符号化することで行う。 この表現は任意の幾何を容易に符号化できることを示す。
  論文  参考訳（メタデータ） (2024-10-12T21:18:47Z)
• On the Constant Depth Implementation of Pauli Exponentials [49.48516314472825]
  任意の長さの $Zotimes n$指数を$mathcalO(n)$ ancillae と 2体 XX と ZZ の相互作用を用いて一定深さの回路に分解する。 クビットリサイクルの恩恵を受ける回路の書き直し規則を導入し,本手法の正しさを実証する。
  論文  参考訳（メタデータ） (2024-08-15T17:09:08Z)
• Efficiently manipulating Pauli strings with PauliArray [0.0]
  パウリ行列とパウリ弦は量子コンピューティングで広く使われている。 この基底で表される多くのパウリ文字列や演算子を扱うための、十分に包含され、多用途で効率的なツールを持つことが重要である。 このライブラリは、Pauli文字列と演算子の配列を表現するデータ構造と、それらを変更して組み合わせるための様々なメソッドを導入している。
  論文  参考訳（メタデータ） (2024-05-29T17:18:08Z)

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。