PulseAugur
中
实时 10:36:25

AI框架优化GPU量子电路模拟计划

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的学习排序框架，用于优化GPU上的量子电路模拟的张量网络收缩计划。该方法利用收缩计划的结构特征和在GPU测量上训练的梯度提升排序器，以选择比随机选择或MinFill等传统方法更有效的计划。该框架在各种电路家族中均表现出改进的性能，并且在应用于不同GPU架构时显示出实质性但非完美的稳定性，表明其在减少最佳收缩计划搜索时间方面具有实际效用。 AI

影响 这项研究可以通过提高经典模拟的效率来加速量子算法的开发和验证。

排序理由 学术论文，详细介绍了一种用于科学计算任务的新机器学习方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI框架优化GPU量子电路模拟计划

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Alfred M. Pastor, Maribel Castillo, Jose M. Badia ·

    为 GPU 加速量子电路模拟学习排序张量网络收缩计划

    arXiv:2608.05819v1 Announce Type: new Abstract: Classical simulation remains essential for developing and validating quantum algorithms, but its cost grows rapidly with circuit size. Tensor-network contraction can reduce this cost by exploiting circuit structure, although its eff…

相关实体

相关话题