世界

自動設計ツールにより機械学習タスクの量子回路パフォーマンスが向上

科学者は変分量子回路を有望な機械学習モデルとして研究していますが、最適なパフォーマンスを達成するには慎重な回路設計が必要であり、これは多くの場合困難で時間のかかるプロセスです。 Grier M. Jones 氏と Viki Kumar Prasad 氏は、カナダのトロント大学エドワード S. ロジャース シニア電気・コンピューター工学部およびカナダのトロント大学ミシサガ大学化学・物理科学部の両氏、カナダのトロント大学エドワード S. ロジャース シニア電気・コンピューター工学部、カナダのトロント大学コンピューターサイエンス学部および Vector Institute for Artificial Institute の Aviraj Newatia 氏と並んでいます。 Intelligence、Canada、および同僚は、ローカルゲート変更を通じてこれらの回路を最適化するための、進化にインスピレーションを得た新しいアルゴリズムを発表しました。この研究は、カナダのカルガリー大学化学科の研究者と共同で行われ、競合する回路アーキテクチャを自動的に発見する方法を導入しており、合成回帰タスクや結合分離エネルギーや水の配座異性体データなどの複雑なデータセットへの適用の成功を通じて実証されています。高性能の量子回路を効率的に設計できることは、量子機械学習の可能性を実現し、これらのモデルを現在のハードウェアに展開するための重要な一歩となります。 パラメータ化された量子回路は柔軟ですが、多くの場合、特定のタスクに対して最適なパフォーマンスを達成するには、骨の折れる手動設計が必要です。ゲートレベルのアクションの固定セットを既存の回路に適用することにより、アルゴリズムは有望な構成を効率的に探索します。 この局所的な探索戦略は、多くの効果的な量子回路が、すでに機能している設計の比較的小さな摂動から導き出せるという観察によって動機づけられています。このパフォーマンス メトリクスは、状態ベクトル シミュレーションを通じて計算され、各計算ステップ中にモデルによって行われる誤った予測の頻度を示します。 発見された回路の分析により、このアルゴリズムは改良中に構造の保存を優先し、機能の完全性を維持しながら目標を絞った改善を可能にしていることが明らかになりました。最高のパフォーマンスを誇るモデルは、最先端の量子ハードウェア上に正常に展開され、シミュレーションを超えた実用的な適用可能性が検証されました。この展開により、アルゴリズム的に設計された回路を具体的な量子計算に変換する実現可能性が確認されます。 このデータセットの選択は、化学および材料科学における計算集約的なタスクを加速する量子機械学習の可能性を反映しています。ただし、この可能性を実現するには、アルゴリズムだけでは不十分です。特定のタスクに合わせた量子回路の効率的な設計が必要です。 この研究は、そのプロセスの自動化に向けた重要な一歩を示し、局所的な確率的探索を通じて量子回路アーキテクチャを進化させる方法を実証します。さらに、ゲートレベルのアクションのセットが固定されているため、真に新しい回路トポロジの探索が制限される可能性があります。将来的には、これらのアーキテクチャ検索アルゴリズムと、回路コンパイルとエラー修正を最適化するための技術が収束することが予想されます。次世代のツールは、優れた回路を見つけるだけでなく、それを構築し、利用可能なハードウェアの特定の制約に適応して、計算可能な限界を押し広げます。 #自動設計ツールにより機械学習タスクの量子回路パフォーマンスが向上