Université Grenoble Alpes, Lista CEA, 38000 Grenoble, Franța
Găsiți această lucrare interesant sau doriți să discutați? Scite sau lasă un comentariu la SciRate.
Abstract
Propunem o metodă de găsire a unor compilări aproximative de transformări cuantice unitare, bazate pe tehnici din învățarea de întărire a gradientului de politici. Alegerea unei politici stocastice ne permite să reformulam problema de optimizare în termeni de distribuții de probabilitate, mai degrabă decât porți variaționale. În acest cadru, configurația optimă este găsită prin optimizarea peste parametrii de distribuție, mai degrabă decât peste unghiuri libere. Arătăm numeric că această abordare poate fi mai competitivă decât metodele fără gradient, pentru o cantitate comparabilă de resurse, atât pentru circuite fără zgomot, cât și pentru circuite zgomotoase. O altă caracteristică interesantă a acestei abordări a compilației variaționale este că nu are nevoie de un registru separat și de interacțiuni pe distanță lungă pentru a estima fidelitatea punctului final, ceea ce reprezintă o îmbunătățire față de metodele care se bazează pe testul Hilbert-Schmidt. Ne așteptăm ca aceste tehnici să fie relevante pentru antrenarea circuitelor variaționale în alte contexte.
► Date BibTeX
► Referințe
[1] Nielsen MA & Chuang I. Calcularea cuantică și informațiile cuantice (2002).
[2] Harrow AW, Recht B. și Chuang IL Aproximații discrete eficiente ale porților cuantice. 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 Algoritmul Solovay-Kitaev. 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] Grafice Lin HW Cayley și geometria complexității. 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. Hyperbolic geometry of complex networks. 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. și Doherty AC Calcul cuantic ca geometrie. Science, 311(5764), 1133-1135 (2006) https:///10.1126/science.1124295.
https: / / doi.org/ 10.1126 / science.1124295
[7] Preskill J. Calcularea cuantică în era NISQ și nu numai. 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. Optimizarea aproximativă cuantică este universală din punct de vedere computațional. 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. Despre universalitatea algoritmului de optimizare cuantică aproximativă. 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. Învățarea unităților prin optimizarea coborârii în gradient. Buletinul Societății Americane de Fizică, 65 (2020) https:///doi.org/10.48550/arXiv.2001.11897.
https:///doi.org/10.48550/arXiv.2001.11897
[11] Farhi E. & Harrow AW Supremația cuantică prin algoritmul de optimizare cuantică aproximativă. 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., … și Martinis JM Supremația cuantică folosind un procesor supraconductor programabil. Nature, 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, … și Pan JW Quantum Computational Advantage prin eșantionarea circuitelor aleatoare în 60 de cicluri de 24 de qubiți. arXiv preprint 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. Avantaj cuantic cu circuite superficiale. Science, 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. Avantaj cuantic cu circuite superficiale zgomotoase. Nature Physics, 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 Algoritmi cuantici pentru chimia cuantică și știința materialelor cuantice. Chemical Reviews, 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., … și Martinis JM Simularea cuantică scalabilă a energiilor moleculare. 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. și Coveney PV Implementarea reducerii măsurătorilor pentru soluția proprie cuantică variațională. 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 Algoritmi clasici și cuantici de aproximare a adâncimii. 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 și Tang E. Obstacole la optimizarea cuantică variațională din protecția simetriei. 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. Algoritmi hibrizi cuantici-clasici pentru colorarea aproximativă a graficelor. Quantum 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. Platouri sterile în peisajele de antrenament al rețelelor neuronale cuantice. Nature communications, 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., Cinio L. & Coles PJ Platouri sterile dependente de funcția de cost în rețelele neuronale cuantice superficiale. Nature communications, 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. O strategie de inițializare pentru adresarea platourilor sterile în circuite cuantice parametrizate. 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 Gradienți mari prin corelație în circuite cuantice parametrizate aleatoriu. 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 for quantum neuronal networks. 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., Cicio L., Sornborger AT și Coles, PJ Compilarea cuantică asistată de Quantum. 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 Reziliența la zgomot a compilației cuantice variaționale. 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., Cicio L. & Coles PJ Platouri sterile induse de zgomot în algoritmi cuantici variaționali. Nature communications, 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., Cicio L. & Coles PJ Efectul platourilor sterile asupra optimizării fără gradient. 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. Evaluarea gradienților analitici pe hardware cuantic. Physical Review 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. și Sornborger AT Barren platouri împiedică învățarea scramblers. 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 Învățare prin consolidare: o introducere. Presa MIT (2018).
[34] Nautrup HP, Delfosse N., Dunjko V., Briegel HJ & Friis N. Optimizarea codurilor de corectare a erorilor cuantice cu învățare prin întărire. 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., Paris, MG, Restelli, M., & Prati, E. Quantum Compiling by Deep Reinforcement Learning. Fizica comunicațiilor 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. Reinforcement learning with neuronal networks for quantum feedback. 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 Luarea gradienților prin experimente: LSTM-uri și optimizarea politicii proximale a memoriei pentru controlul cuantic cutie neagră. Conferința internațională privind calculul de înaltă performanță, 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 for Quantum State Preparation with Weak Nonlinear Measurements. 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. Observabile cuantice pentru controlul continuu al algoritmului de optimizare cuantică aproximativă prin învățare prin întărire. 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. Algoritm de optimizare cuantică bazat pe gradient de politici. În Învățare automată matematică și științifică (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. și Bukov M. Învățare de întărire pentru pregătirea stării fundamentale pentru mai multe corpuri bazată pe conducerea contra-diabatică. 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. Compilarea cuantică variațională cu învățare Q dublă. 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 și Aaronson, S. Procese de decizie Markov cuantice parțial observabile. 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 Inferență variațională: o revizuire pentru statisticieni. Jurnalul Asociației Americane de Statistică, 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. Modele grafice probabilistice: principii și tehnici. Presa MIT (2009).
[46] Williams RJ Algoritmi simpli de urmărire a gradientului statistic pentru învățarea prin consolidare conecționistă. Învățare automată, 8(3), 229-256 (1992) https:///doi.org/10.1007/BF00992696.
https: / / doi.org/ 10.1007 / BF00992696
[47] Cirq, un cadru python pentru crearea, editarea și invocarea circuitelor cuantice NISQ zgomotoase la scară intermediară. https:///github.com/quantumlib/Cirq.
https: / / github.com/ quantumlib / Cirq
[48] Shahriari B., Swersky K., Wang Z., Adams RP & De Freitas N. Scoaterea omului din buclă: O revizuire a optimizării bayesiane. Proceedings of 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, ... și Siddiqi I. Calculul spectrelor moleculare pe un procesor cuantic cu un algoritm rezistent la erori. 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., ... și Martinis JM Circuite cuantice supraconductoare la pragul codului de suprafață pentru toleranța la erori. 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, … și Dzurak AS Fidelități de qubit de siliciu care se apropie de limitele incoerente de zgomot prin inginerie puls. 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, … și Dzurak AS Fidelity benchmarks pentru porți de doi qubiți din siliciu. Nature, 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 și Lucas DM Porți logice cuantice rapide cu qubiți de ioni prinși. Nature, 555(7694), 75-78 (2018) https:///doi.org/10.1038/nature25737.
https: / / doi.org/ 10.1038 / nature25737
[54] Goodfellow I., Bengio Y. & Courville, A. Deep Learning. Presa MIT (2016).
Citat de
[1] Esther Ye și Samuel Yen-Chi Chen, „Quantum Architecture Search via Continual Reinforcement Learning”, arXiv: 2112.05779.
Citatele de mai sus sunt din ADS SAO / NASA (ultima actualizare cu succes 2022-09-12 02:03:07). Lista poate fi incompletă, deoarece nu toți editorii furnizează date de citare adecvate și complete.
On Serviciul citat de Crossref nu s-au găsit date despre citarea lucrărilor (ultima încercare 2022-09-12 02:03:06).
Acest Lucru este publicat în Quantum sub Creative Commons Atribuire 4.0 internațională (CC BY 4.0) licență. Drepturile de autor rămân la deținătorii de drepturi de autor originale, precum autorii sau instituțiile lor.
