1716537158
2024-05-24 07:42:00
インスブルック大学の研究者らは、機械学習生成モデルを使用して量子演算を実行するための適切な量子ゲートのシーケンスを見つけ、特定の量子コンピューターで量子演算を準備する新しい方法を発表しました。最近 Nature Machine Intelligence に掲載されたこの研究は、量子コンピューティングの限界を解き放つための大きな一歩となります。
拡散モデルのような生成モデルは、機械学習（ML）における最近の最も重要な開発の1つであり、安定拡散やDall.eなどのモデルは画像生成の分野に革命をもたらしました。これらのモデルは、テキスト記述に基づいて高品質の画像を生成することができます。「量子コンピュータをプログラミングするための新しいモデルも同じことを行いますが、画像を生成する代わりに、実行する量子操作のテキスト記述に基づいて量子回路を生成します」と、Gorka Muñoz-Gilは説明しています。 理論物理学科 オーストリア、インスブルック大学の。
量子コンピュータで特定の量子状態を準備したり、アルゴリズムを実行したりするには、そのような操作を実行するための適切な量子ゲートのシーケンスを見つける必要があります。これは、従来のコンピューティングでは比較的簡単ですが、量子の世界の特殊性のため、量子コンピューティングでは大きな課題となります。最近、多くの科学者が、さまざまな機械学習手法を使用して量子回路を構築する方法を提案しています。ただし、これらの ML モデルのトレーニングは、マシンが学習するときに量子回路をシミュレートする必要があるため、非常に難しいことがよくあります。拡散モデルは、トレーニング方法により、このような問題を回避します。「これは非常に大きな利点を提供します」と、Hans J. Briegel および Florian Fürrutter とともにこの新しい方法を開発した Gorka Muñoz-Gil は説明します。「さらに、ノイズ除去拡散モデルは生成が正確で、非常に柔軟であるため、さまざまな量子ビット数、およびさまざまな量子ゲートの種類と数を持つ回路を生成できることが示されています。」モデルは、量子ハードウェアの接続性、つまり量子コンピュータで量子ビットがどのように接続されているかを考慮して回路を準備するように調整することもできます。 「モデルを一度トレーニングしてしまえば、新しい回路を作成するのは非常に安価になるため、それを使って興味のある量子演算に関する新しい洞察を発見することができます」と、ゴルカ・ムニョス・ギル氏は新しい方法のもう一つの可能性を挙げています。
インスブルック大学で開発されたこの手法は、ユーザーの仕様に基づいて量子回路を生成し、回路が実行される量子ハードウェアの機能に合わせて調整します。これは、量子コンピューティングの限界を解き放つための大きな一歩となります。この研究は Nature Machine Intelligence で発表されており、オーストリア科学基金 FWF や欧州連合などから資金援助を受けています。
出版物: 拡散モデルによる量子回路合成。Florian Fürrutter、Gorka Muñoz-Gil、Hans J. Briegel。Nature Machine Intelligence 2024 DOI: 10.1038/s42256-024-00831-9
/公開リリース。発信元組織/著者からのこの資料は、その時点のものである可能性があり、明瞭性、スタイル、長さのために編集されています。Mirage.News は組織的な立場や立場をとらず、ここで表明されているすべての見解、立場、結論は、著者の見解のみに基づいています。全文を見る ここ。
#AIが量子コンピュータのプログラミングにどのように役立つか