Compiler Optimization for Quantum Computing Using Reinforcement Learning

要約

タイトル：強化学習を用いた量子コンピューティング用コンパイラの最適化

要約：

– 量子コンピューティングアプリケーションを実行する前には、量子回路にエンコードする必要がある。
– 量子コンパイルは、多くのコンパイルステップや多数の最適化手法を必要とするシーケンスプロセスである。
– 量子コンパイルに関する研究は、最適なステップの順序に関する共通合意、互換性、適応性、柔軟性が不足している状態にある。
– 本研究は、クラシカルコンパイラの最適化技術を利用して、最適化された量子回路コンパイルのフレームワークを提案する。
– フレームワークは、異なるコンパイラと最適化ツールの技術を単一のコンパイルフローで組み合わせることをサポートしている。
– IBMのQiskitとQuantinuumのTKETからのコンパイル手法を組み合わせたフレームワークは、期待される信頼性に関して、個々のコンパイラを73％のケースで上回った。
– フレームワークは、Munich Quantum Toolkit（MQT）の一部としてGitHub（https://github.com/cda-tum/MQTPredictor）で利用可能である。

要約(オリジナル)

Any quantum computing application, once encoded as a quantum circuit, must be compiled before being executable on a quantum computer. Similar to classical compilation, quantum compilation is a sequential process with many compilation steps and numerous possible optimization passes. Despite the similarities, the development of compilers for quantum computing is still in its infancy — lacking mutual consolidation on the best sequence of passes, compatibility, adaptability, and flexibility. In this work, we take advantage of decades of classical compiler optimization and propose a reinforcement learning framework for developing optimized quantum circuit compilation flows. Through distinct constraints and a unifying interface, the framework supports the combination of techniques from different compilers and optimization tools in a single compilation flow. Experimental evaluations show that the proposed framework — set up with a selection of compilation passes from IBM’s Qiskit and Quantinuum’s TKET — significantly outperforms both individual compilers in 73% of cases regarding the expected fidelity. The framework is available on GitHub (https://github.com/cda-tum/MQTPredictor) as part of the Munich Quantum Toolkit (MQT).

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI