Core Concepts
비지도 표현 학습을 활용한 양자 아키텍처 탐색 기법은 NISQ 장치에서 잠재적인 양자 이점을 실현할 수 있는 선도적인 접근법을 나타낸다.
Abstract
이 연구는 양자 아키텍처 탐색(QAS)을 위한 일반적인 프레임워크를 제시한다. 이 프레임워크는 비지도 아키텍처 표현 학습 부분과 QAS 프로세스 부분을 분리한다. 이를 통해 레이블된 양자 회로가 필요 없어지며, 예측기 없이도 QAS를 수행할 수 있다.
구체적으로 다음과 같은 내용을 포함한다:
양자 회로 구조를 그래프로 인코딩하고, 그래프 등장 네트워크(GIN)를 이용해 비지도 학습을 통해 잠재 표현을 학습한다.
PCA와 t-SNE를 통해 학습된 잠재 표현 공간을 시각화하고 분석한다. 이를 통해 유사한 성능의 양자 회로가 군집화되는 것을 확인할 수 있다.
학습된 잠재 표현을 활용하여 REINFORCE와 베이지안 최적화 알고리즘으로 직접 탐색을 수행한다. 이를 통해 레이블된 회로가 필요 없는 QAS를 달성할 수 있다.
양자 상태 준비, 최대 컷, 양자 화학 등 다양한 응용 분야에서 실험을 수행하여 제안 기법의 효과를 입증한다.
Stats
양자 상태 준비 4큐비트 실험에서 QASURL 모델의 Accuracyops는 99.99%, Accuracyadj는 99.99%, Validity는 86.91%, Uniqueness는 100%이다.
양자 상태 준비 8큐비트 실험에서 QASURL 모델의 Accuracyops는 99.99%, Accuracyadj는 99.99%, Validity는 81.55%, Uniqueness는 100%이다.