Machine Learning Optimization of Quantum Circuit Layouts
Machine Learning Optimization of Quantum Circuit Layouts
复制标题
量子电路布局的机器学习优化
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Razvan Andonie
中科院分区：
文献类型：
--
作者：
A. Paler;L. Sasu;A. Florea;Razvan Andonie
量子电路布局(QCL)问题涉及绘制量子电路，以便满足器件的约束。我们介绍了量子电路映射启发式算法Qxx及其机器学习版本Qxx-MLP。后者自动推断最佳Qxx参数值，使得所布置的电路具有减小的深度。为了加快电路编译的速度，在布局电路之前，我们使用高斯函数来估计编译后的电路的深度。该高斯还向编译器通知对结果电路的深度影响最大的电路区域。我们给出了使用近似学习布局方法的可行性的经验证据。Qxx和Qxx-MLP为可行的大规模QCL方法开辟了道路。
The quantum circuit layout (QCL) problem involves mapping out a quantum circuit such that the constraints of the device are satisfied. We introduce a quantum circuit mapping heuristic, QXX, and its machine learning version, QXX-MLP. The latter automatically infers the optimal QXX parameter values such that the laid out circuit has a reduced depth. In order to speed up circuit compilation, before laying the circuits out, we use a Gaussian function to estimate the depth of the compiled circuits. This Gaussian also informs the compiler about the circuit region that influences most the resulting circuit’s depth. We present empiric evidence for the feasibility of learning the layout method using approximation. QXX and QXX-MLP open the path to feasible large-scale QCL methods.
影响因子：
2.9
作者：
Pablo Andr'es-Mart'inez;C. Heunen
通讯作者：
Pablo Andr'es-Mart'inez;C. Heunen
影响因子：
6.4
作者：
Preskill, John
通讯作者：
Preskill, John
时间最优量子位映射
DOI：
10.1145/3445814.3446706
发表时间：
2021
期刊：
Proceedings of the 26th ACM International Conference on Architectural Support for Programming Languages and Operating Systems
影响因子：
--
作者：
Zhang, Chi;Hayes, Ari B.;Qiu, Longfei;Jin, Yuwei;Chen, Yanhao;Zhang, Eddy Z.
通讯作者：
Zhang, Eddy Z.