TQml Simulator: Optimized Simulation of Quantum Machine Learning

要約

量子機械学習で使用されるハードウェア効率の高い回路は、通常、均一に適用されたゲートの交互の層で構成されています。
このような回路の高速数値シミュレーターは、この分野で研究を進めるために重要です。
この作業では、量子機械学習アルゴリズムの全体的なシミュレーションを加速することを目的とした、量子状態ベクトル上のゲートの層の作用をシミュレートするためのユニバーサルおよびゲート固有の手法を数値的にベンチマークします。
私たちの分析は、ゲートの特定の層の最適なシミュレーション方法は、関与するキュービットの数に依存し、テクニックの調整された組み合わせが特定の回路の前方パスと後方パスでかなりのパフォーマンスの向上をもたらす可能性があることを示しています。
これらの洞察に基づいて、特定の回路の各レイヤーに対して最も効率的なシミュレーション方法を採用するTQMLシミュレーターという名前の数値シミュレーターを開発しました。
回転やCNOTなどの標準のゲートセットから構築された回路、およびIONQおよびIBM量子処理ユニットのネイティブゲートでTQMLシミュレーターを評価しました。
ほとんどの場合、当社のシミュレーターは、回路、キッツの数、入力データのバッチサイズ、および使用されているハードウェアに応じて、同等のPennylaneのdefault_Qubitシミュレーターを10倍まで上回ります。

要約(オリジナル)

Hardware-efficient circuits employed in Quantum Machine Learning are typically composed of alternating layers of uniformly applied gates. High-speed numerical simulators for such circuits are crucial for advancing research in this field. In this work, we numerically benchmark universal and gate-specific techniques for simulating the action of layers of gates on quantum state vectors, aiming to accelerate the overall simulation of Quantum Machine Learning algorithms. Our analysis shows that the optimal simulation method for a given layer of gates depends on the number of qubits involved, and that a tailored combination of techniques can yield substantial performance gains in the forward and backward passes for a given circuit. Building on these insights, we developed a numerical simulator, named TQml Simulator, that employs the most efficient simulation method for each layer in a given circuit. We evaluated TQml Simulator on circuits constructed from standard gate sets, such as rotations and CNOTs, as well as on native gates from IonQ and IBM quantum processing units. In most cases, our simulator outperforms equivalent Pennylane’s default_qubit simulator by up to a factor of 10, depending on the circuit, the number of qubits, the batch size of the input data, and the hardware used.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google