Computing the gradients with respect to all parameters of a quantum neural network using a single circuit

要約

勾配を見つけることは、機械学習モデルをトレーニングする上で重要なステップです。
量子ニューラルネットワークの場合、パラメーターシフトルールを使用した勾配を計算するには、ネットワーク内の各調整可能パラメーターのコスト関数を2回計算する必要があります。
パラメーターの総数が大きい場合、量子回路を繰り返し調整および実行する必要があり、重要な計算オーバーヘッドにつながる必要があります。
ここでは、単一の回路のみを使用してすべての勾配を計算するアプローチを提案し、回路の深さと必要な古典的なレジスタの数の両方を大幅に削減します。
量子シミュレーターとIBMの実際の量子ハードウェアの両方でアプローチを実験的に検証し、この方法が従来のアプローチと比較して回路の編集時間を大幅に削減し、合計ランタイムの大幅な高速化をもたらすことを示しています。

要約(オリジナル)

Finding gradients is a crucial step in training machine learning models. For quantum neural networks, computing gradients using the parameter-shift rule requires calculating the cost function twice for each adjustable parameter in the network. When the total number of parameters is large, the quantum circuit must be repeatedly adjusted and executed, leading to significant computational overhead. Here we propose an approach to compute all gradients using a single circuit only, significantly reducing both the circuit depth and the number of classical registers required. We experimentally validate our approach on both quantum simulators and IBM’s real quantum hardware, demonstrating that our method significantly reduces circuit compilation time compared to the conventional approach, resulting in a substantial speedup in total runtime.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google