Beleidsgradiëntbenadering van compilatie van variabele kwantumcircuits

Heruitgegeven door Plato

volgers: 0

David A. Herrera-Martí

Université Grenoble Alpes, CEA List, 38000 Grenoble, Frankrijk

Vind je dit artikel interessant of wil je het bespreken? Scite of laat een reactie achter op SciRate.

Abstract

We stellen een methode voor om benaderende compilaties van quantum unitaire transformaties te vinden, gebaseerd op technieken uit het leren van beleidsgradiëntversterking. De keuze voor een stochastisch beleid stelt ons in staat om het optimalisatieprobleem te herformuleren in termen van kansverdelingen, in plaats van variatiepoorten. In dit raamwerk wordt de optimale configuratie gevonden door te optimaliseren over distributieparameters in plaats van over vrije hoeken. We laten numeriek zien dat deze benadering competitiever kan zijn dan gradiëntvrije methoden, voor een vergelijkbare hoeveelheid bronnen, zowel voor geruisloze als lawaaierige circuits. Een ander interessant kenmerk van deze benadering van variatiecompilatie is dat er geen apart register en langeafstandsinteracties nodig zijn om de eindpuntbetrouwbaarheid te schatten, wat een verbetering is ten opzichte van methoden die afhankelijk zijn van de Hilbert-Schmidt-test. We verwachten dat deze technieken relevant zullen zijn voor het trainen van variatiecircuits in andere contexten.

► BibTeX-gegevens

@article{HerreraMarti2022policygradient, doi = {10.22331/q-2022-09-08-797}, url = {https://doi.org/10.22331/q-2022-09-08-797}, title = {Policy {G}radient {A}benadering van {C}compilatie van {V}ariationele {Q}uantum {C}ircuits}, auteur = {Herrera-Mart{'{i}}, David A.}, journaal = {{Quantum}}, issn = {2521-327X}, uitgever = {{Verein zur F{“{o}}rderung des Open Access Publizierens in de Quantenwissenschaften}}, volume = {6}, pagina's = {797}, maand = sept, jaar = {2022} }

► Referenties

[1] Nielsen MA & Chuang I. Kwantumberekening en kwantuminformatie (2002).

[2] Harrow AW, Recht B. & Chuang IL Efficiënte discrete benaderingen van kwantumpoorten. Journal of Mathematical Physics, 43(9), 4445-4451 (2002) https://doi.org/10.1063/1.1495899.
https: / / doi.org/ 10.1063 / 1.1495899

[3] Dawson CM & Nielsen MA Het Solovay-Kitaev-algoritme. arXiv preprint quant-ph/0505030 (2005) https://doi.org/10.48550/arXiv.quant-ph/0505030.
https:///doi.org/10.48550/arXiv.quant-ph/0505030
arXiv: quant-ph / 0505030

[4] Lin HW Cayley-grafieken en complexiteitsgeometrie. Journal of High Energy Physics, 2019(2), 1-15 (2019) https://doi.org/10.1007/JHEP02%282019%29063.
https:///doi.org/10.1007/JHEP02%282019%29063

[5] Krioukov D., Papadopoulos F., Kitsak M., Vahdat A. & Boguná M. Hyperbolische geometrie van complexe netwerken. Physical Review E, 82(3), 036106 (2010) https:///doi.org/10.1103/PhysRevE.82.036106.
https: / / doi.org/ 10.1103 / PhysRevE.82.036106

[6] Nielsen MA, Dowling MR, Gu M. & Doherty AC Kwantumberekening als geometrie. Wetenschap, 311(5764), 1133-1135 (2006) https:///10.1126/science.1124295.
https: / / doi.org/ 10.1126 / science.1124295

[7] Preskill J. Quantum computing in het NISQ-tijdperk en daarna. Quantum, 2, 79 (2018) https:///doi.org/10.22331/q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79

[8] Lloyd S. Quantum geschatte optimalisatie is rekenkundig universeel. arXiv preprint arXiv:1812.11075 (2018) https://doi.org/10.48550/arXiv.1812.11075.
https://doi.org/10.48550/arXiv.1812.11075
arXiv: 1812.11075

[9] Morales ME, Biamonte JD & Zimborás Z. Over de universaliteit van het kwantumbenaderende optimalisatie-algoritme. Quantum Information Processing, 19(9), 1-26 (2020) https://doi.org/10.1007/s11128-020-02748-9.
https://doi.org/10.1007/s11128-020-02748-9

[10] Kiani B., Maity R. & Lloyd S. Leereenheden via optimalisatie van gradiëntafdaling. Bulletin van de American Physical Society, 65 (2020) https://doi.org/10.48550/arXiv.2001.11897.
https://doi.org/10.48550/arXiv.2001.11897

[11] Farhi E. & Harrow AW Quantum suprematie door middel van het kwantum geschatte optimalisatie-algoritme. arXiv preprint arXiv:1602.07674 (2016) https://doi.org/10.48550/arXiv.1602.07674.
https://doi.org/10.48550/arXiv.1602.07674
arXiv: 1602.07674

[12] Arute F., Arya K., Babbush R., Bacon D., Bardin JC, Barends R., … & Martinis JM Quantum suprematie met behulp van een programmeerbare supergeleidende processor. Natuur, 574(7779), 505-510 (2019) https://doi.org/10.1038/s41586-019-1666-5.
https://doi.org/10.1038/s41586-019-1666-5

[13] Zhu Q., Cao S., Chen F., Chen MC, Chen X., Chung TH, ... & Pan JW Quantum Computational Advantage via 60-Qubit 24-Cycle Random Circuit Sampling. arXiv voordruk arXiv:2109.03494 (2021) https://doi.org/10.48550/arXiv.2109.03494.
https://doi.org/10.48550/arXiv.2109.03494
arXiv: 2109.03494

[14] Bravyi S., Gosset D., & König R. Kwantumvoordeel met ondiepe circuits. Wetenschap, 362(6412), 308-311 (2018) https://doi.org/10.1126/science.aar3106.
https: / / doi.org/ 10.1126 / science.aar3106

[15] Bravyi S., Gosset D., Koenig R. & Tomamichel, M. Quantum voordeel met luidruchtige ondiepe circuits. Natuurfysica, 16(10), 1040-1045 (2020) https://doi.org/10.1038/s41567-020-0948-z.
https: / / doi.org/ 10.1038 / s41567-020-0948-z

[16] Bauer B., Bravyi S., Motta M. & Chan GKL Kwantumalgoritmen voor kwantumchemie en kwantummateriaalwetenschap. Chemische beoordelingen, 120(22), 12685-12717 (2020) https://doi.org/10.1021/acs.chemrev.9b00829.
https: / / doi.org/ 10.1021 / acs.chemrev.9b00829

[17] O'Malley PJ, Babbush R., Kivlichan ID, Romero J., McClean JR, Barends R., … & Martinis JM Schaalbare kwantumsimulatie van moleculaire energieën. Physical Review X, 6(3), 031007 (2016) https://doi.org/10.1103/PhysRevX.6.031007.
https: / / doi.org/ 10.1103 / PhysRevX.6.031007

[18] Ralli A., Love PJ, Tranter A., & Coveney PV Implementatie van meetreductie voor de variatiekwantum-eigensolver. Physical Review Research, 3(3), 033195 (2021) https://doi.org/10.1103/PhysRevResearch.3.033195.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033195

[19] Hastings MB Klassieke en kwantumbegrensde algoritmen voor dieptebenadering. arXiv preprint arXiv:1905.07047 (2019) https:///doi.org/10.48550/arXiv.1905.07047.
https://doi.org/10.48550/arXiv.1905.07047
arXiv: 1905.07047

[20] Bravyi S., Kliesch A., Koenig R, & Tang E. Obstakels voor variabele kwantumoptimalisatie van symmetriebescherming. Physical Review Letters, 125(26), 260505 (2020) https://doi.org/10.1103/PhysRevLett.125.260505.
https: / / doi.org/ 10.1103 / PhysRevLett.125.260505

[21] Bravyi S., Kliesch A., Koenig R. & Tang E. Hybride kwantum-klassieke algoritmen voor geschatte grafiekkleuring. Kwantum 6, 678 (2022). https://doi.org/10.22331/q-2022-03-30-678.
https://doi.org/10.22331/q-2022-03-30-678

[22] McClean JR, Boixo S., Smelyanskiy VN, Babbush R. & Neven, H. Barren plateaus in kwantumneurale netwerktrainingslandschappen. Natuurcommunicatie, 9(1) (2018) https://doi.org/10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4

[23] Cerezo M., Sone A., Volkoff T., Cincio L. & Coles PJ Kostenfunctieafhankelijke kale plateaus in ondiepe kwantumneurale netwerken. Natuurcommunicatie, 12(1) (2021) https:///doi.org/10.1038/s41467-021-21728-w.
https: / / doi.org/ 10.1038 / s41467-021-21728-w

[24] Grant E., Wossnig L., Ostaszewski M. & Benedetti, M. Een initialisatiestrategie voor het aanpakken van kale plateaus in geparametriseerde kwantumcircuits. Quantum, 3, 214 (2019) https:///doi.org/10.22331/q-2019-12-09-214.
https://doi.org/10.22331/q-2019-12-09-214

[25] Volkoff T. & Coles PJ Grote gradiënten via correlatie in willekeurig geparametriseerde kwantumcircuits. Quantum Science and Technology, 6(2), 025008 (2021) https://doi.org/10.1088/2058-9565/abd891.
https:///doi.org/10.1088/2058-9565/abd891

[26] Skolik A., McClean JR, Mohseni M., van der Smagt P. & Leib, M. Layerwise learning voor quantum neurale netwerken. Quantum Machine Intelligence, 3(1), (2021) https://doi.org/10.1007/s42484-020-00036-4.
https://doi.org/10.1007/s42484-020-00036-4

[27] Khatri S., LaRose R., Poremba A., Cincio L., Sornborger AT, & Coles, PJ Quantum-geassisteerde kwantumcompilatie. Quantum, 3, 140 (2019) https://doi.org/10.22331/q-2019-05-13-140.
https://doi.org/10.22331/q-2019-05-13-140

[28] Sharma K., Khatri S., Cerezo M. & Coles PJ Ruisbestendigheid van variabele kwantumcompilatie. New Journal of Physics, 22(4), 043006 (2020) https://doi.org/10.1088/1367-2630/ab784c.
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

[29] Wang S., Fontana E., Cerezo M., Sharma K., Sone A., Cincio L. & Coles PJ Door ruis geïnduceerde kale plateaus in variabele kwantumalgoritmen. Natuurcommunicatie, 12(1) (2021) https:///doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6

[30] Arrasmith A., Cerezo M., Czarnik P., Cincio L. & Coles PJ Effect van kale plateaus op gradiëntvrije optimalisatie. Quantum, 5, 558 (2021) https:///doi.org/10.22331/q-2021-10-05-558.
https://doi.org/10.22331/q-2021-10-05-558

[31] Schuld M., Bergholm V., Gogolin C., Izaac J. & Killoran, N. Analyse van analytische gradiënten op kwantumhardware. Fysieke beoordeling A, 99(3) (2019) https://doi.org/10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[32] Holmes Z., Arrasmith A., Yan B., Coles PJ, Albrecht A. & Sornborger AT Barren plateaus sluiten leren scramblers uit. Physical Review Letters, 126(19), 190501 (2021) https://doi.org/10.1103/PhysRevLett.126.190501.
https: / / doi.org/ 10.1103 / PhysRevLett.126.190501

[33] Sutton RS & Barto AG Versterking leren: een introductie. MIT-pers (2018).

[34] Nautrup HP, Delfosse N., Dunjko V., Briegel HJ & Friis N. Het optimaliseren van kwantumfoutcorrectiecodes met versterkingsleren. Quantum, 3, 215 (2019) https:///doi.org/10.22331/q-2019-12-16-215.
https://doi.org/10.22331/q-2019-12-16-215

[35] Moro, L., Parijs, MG, Restelli, M., & Prati, E. Quantum Compiling door Deep Reinforcement Learning. Communicatiefysica 4 (2021) https:///doi.org/10.1038/s42005-021-00684-3.
https://doi.org/10.1038/s42005-021-00684-3

[36] Fösel T., Tighineanu P., Weiss T. & Marquardt F. Versterkend leren met neurale netwerken voor kwantumfeedback. Physical Review X, 8(3), 031084 (2018) https://doi.org/10.1103/PhysRevX.8.031084.
https: / / doi.org/ 10.1103 / PhysRevX.8.031084

[37] August M. & Hernández-Lobato, JM Gradiënten nemen door experimenten: LSTM's en geheugen proximale beleidsoptimalisatie voor black-box kwantumcontrole. Internationale conferentie over High Performance Computing, Springer (2018) https://doi.org/10.1007/978-3-030-02465-9_43.
https://doi.org/10.1007/978-3-030-02465-9_43

[38] Porotti R., Essig A., Huard B. & Marquardt F. Deep Reinforcement Learning voor Quantum State Preparation met zwakke niet-lineaire metingen. Quantum 6, 747 (2022) https:///doi.org/10.22331/q-2022-06-28-747.
https://doi.org/10.22331/q-2022-06-28-747

[39] Garcia-Saez A. & Riu J. Quantum-observables voor continue controle van het kwantumbenaderende optimalisatie-algoritme via versterkingsleren. arXiv preprint arXiv:1911.09682 (2019) https://doi.org/10.48550/arXiv.1911.09682.
https://doi.org/10.48550/arXiv.1911.09682
arXiv: 1911.09682

[40] Yao J., Bukov M. & Lin, L. Op beleidsgradiënt gebaseerd kwantumbenadering-optimalisatie-algoritme. In wiskundige en wetenschappelijke machine learning (pp. 605-634). PMLR (2020) https://doi.org/10.48550/arXiv.2002.01068.
https://doi.org/10.48550/arXiv.2002.01068

[41] Yao J., Lin L., & Bukov M. Reinforcement Learning voor voorbereiding op de grondtoestand van meerdere lichamen op basis van contradiabatisch rijden. Physical Review X, 11(3), 031070 (2021) https://doi.org/10.1103/PhysRevX.11.031070.
https: / / doi.org/ 10.1103 / PhysRevX.11.031070

[42] He Z., Li L., Zheng S., Li Y. & Situ H. Variationele kwantumcompilatie met dubbele Q-learning. New Journal of Physics, 23(3), 033002 (2021) https://doi.org/10.1088/1367-2630/abe0ae.
https:///doi.org/10.1088/1367-2630/abe0ae

[43] Barry, J., Barry, DT, & Aaronson, S. Quantum gedeeltelijk waarneembare Markov-beslissingsprocessen. Physical Review A, 90(3), 032311 (2014) https://doi.org/10.1103/PhysRevA.90.032311.
https: / / doi.org/ 10.1103 / PhysRevA.90.032311

[44] Blei DM, Kucukelbir A. & McAuliffe JD Variationele gevolgtrekking: een overzicht voor statistici. Journal of the American Statistics Association, 112 (518), 859-877 (2017) https://doi.org/10.1080/01621459.2017.1285773.
https: / / doi.org/ 10.1080 / 01621459.2017.1285773

[45] Koller D. & Friedman N. Probabilistische grafische modellen: principes en technieken. MIT-pers (2009).

[46] Williams RJ Eenvoudige statistische gradiëntvolgende algoritmen voor het leren van connectieversterking. Machine learning, 8(3), 229-256 (1992) https://doi.org/10.1007/BF00992696.
https: / / doi.org/ 10.1007 / BF00992696

[47] Cirq, een python-raamwerk voor het maken, bewerken en aanroepen van ruisige kwantum NISQ-circuits op middellange schaal. https://github.com/quantumlib/Cirq.
https: / / github.com/ quantumlib / Cirq

[48] Shahriari B., Swersky K., Wang Z., Adams RP & De Freitas N. De mens uit de lus halen: een overzicht van Bayesiaanse optimalisatie. Proceedings of the IEEE, 104(1), 148-175 (2015) https://doi.org/10.1109/JPROC.2015.2494218.
https: / / doi.org/ 10.1109 / JPROC.2015.2494218

[49] Colless JI, Ramasesh VV, Dahlen D., Blok MS, Kimchi-Schwartz ME, McClean, JR, ... & Siddiqi I. Berekening van moleculaire spectra op een kwantumprocessor met een foutbestendig algoritme. Physical Review X, 8(1), 011021 (2018) https://doi.org/10.1103/PhysRevX.8.011021.
https: / / doi.org/ 10.1103 / PhysRevX.8.011021

[50] Barends R., Kelly J., Megrant A., Veitia A., Sank D., Jeffrey E., … & Martinis JM Supergeleidende kwantumcircuits aan de oppervlaktecodedrempel voor fouttolerantie. Nature, 508(7497), 500-503 (2014) https://doi.org/10.1038/nature13171.
https: / / doi.org/ 10.1038 / nature13171

[51] Yang CH, Chan KW, Harper R., Huang W., Evans T., Hwang JCC, ... & Dzurak AS Siliciumqubit-getrouwheden die onsamenhangende ruislimieten benaderen via pulse engineering. Nature Electronics, 2(4), 151-158 (2019) https://doi.org/10.1038/s41928-019-0234-1.
https://doi.org/10.1038/s41928-019-0234-1

[52] Huang W., Yang CH, Chan KW, Tanttu T., Hensen B., Leon RCC, … & Dzurak AS Fidelity-benchmarks voor twee-qubit-poorten in silicium. Natuur, 569(7757), 532-536 (2019) https://doi.org/10.1038/s41586-019-1197-0.
https://doi.org/10.1038/s41586-019-1197-0

[53] Schäfer VM, Ballance CJ, Thirumalai K., Stephenson LJ, Ballance TG, Steane AM en Lucas DM Snelle kwantumlogische poorten met qubits met ingesloten ionen. Natuur, 555(7694), 75-78 (2018) https://doi.org/10.1038/nature25737.
https: / / doi.org/ 10.1038 / nature25737

[54] Goodfellow I., Bengio Y. & Courville, A. Diep leren. MIT-pers (2016).

Geciteerd door

[1] Esther Ye en Samuel Yen-Chi Chen, "Quantum Architecture Search via Continual Reinforcement Learning", arXiv: 2112.05779.

Bovenstaande citaten zijn afkomstig van SAO / NASA ADS (laatst bijgewerkt met succes 2022-09-12 02:03:07). De lijst is mogelijk onvolledig omdat niet alle uitgevers geschikte en volledige citatiegegevens verstrekken.

On De door Crossref geciteerde service er zijn geen gegevens gevonden over het citeren van werken (laatste poging 2022-09-12 02:03:06).

Dit artikel is gepubliceerd in Quantum onder de Creative Commons Naamsvermelding 4.0 Internationaal (CC BY 4.0) licentie. Het auteursrecht blijft berusten bij de oorspronkelijke houders van auteursrechten, zoals de auteurs of hun instellingen.