Optimal Quantum Circuit Design via Unitary Neural Networks

要約

量子アルゴリズムを量子コンピューティング プラットフォームでの実装に適した形式に変換するプロセスは重要ですが、それでも困難です。
これには、量子操作を正確に指定することが必要ですが、これは通常複雑なタスクです。
この論文では、代替アプローチ、つまり量子アルゴリズムの機能を量子回路モデル表現に合成する自動化された方法を紹介します。
私たちの方法論には、量子アルゴリズムのさまざまな入出力マッピングを使用してニューラル ネットワーク モデルをトレーニングすることが含まれます。
この訓練されたモデルが元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証します。
注目すべきことに、私たちの観察は、トレーニングされたモデルが目に見えない入力をそれぞれの出力にほぼ完璧にマッピングしていることを示しています。

要約(オリジナル)

The process of translating a quantum algorithm into a form suitable for implementation on a quantum computing platform is crucial but yet challenging. This entails specifying quantum operations with precision, a typically intricate task. In this paper, we present an alternative approach: an automated method for synthesizing the functionality of a quantum algorithm into a quantum circuit model representation. Our methodology involves training a neural network model using diverse input-output mappings of the quantum algorithm. We demonstrate that this trained model can effectively generate a quantum circuit model equivalent to the original algorithm. Remarkably, our observations indicate that the trained model achieves near-perfect mapping of unseen inputs to their respective outputs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google