論文の概要: Divide and Conquer for Combinatorial Optimization and Distributed Quantum Computation

• arxiv url: http://arxiv.org/abs/2107.07532v2
• Date: Mon, 25 Jul 2022 21:26:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 05:02:36.911193
• Title: Divide and Conquer for Combinatorial Optimization and Distributed Quantum Computation
• Title（参考訳）: 組合せ最適化と分散量子計算のための分割と克服
• Authors: Zain H. Saleem, Teague Tomesh, Michael A. Perlin, Pranav Gokhale, Martin Suchara
• Abstract要約: 本稿では,大規模な最適化問題を分散量子アーキテクチャにマッピングする一般的な方法として量子分割・量子アルゴリズム(QDCA)を紹介する。 結果は、利用可能な古典的または量子的な計算資源の量に合わせて調整できる、非常に柔軟なアルゴリズムである。 我々は、短期アーキテクチャにおけるQDCAの実行をシミュレートし、多くの小さな量子プロセッサが最大独立セット問題のより大きなインスタンスを解く能力を示す。
• 参考スコア（独自算出の注目度）: 0.719973338079758
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasing the size of monolithic quantum computer systems is a difficult task. As the number of qubits within a device increases, a number of factors contribute to decreases in yield and performance. To meet this challenge, distributed architectures composed of many networked quantum computers have been proposed as a viable path to scalability. Such systems will need algorithms and compilers that are tailored to their distributed architectures. In this work we introduce the Quantum Divide and Conquer Algorithm (QDCA) as a general method for mapping large combinatorial optimization problems onto distributed quantum architectures. This is achieved through the use of graph partitioning and \textit{quantum circuit cutting} techniques. The QDCA is an example of codesign -- allowing the features of both the distributed quantum architectures and the compilation overheads of circuit cutting to inform the algorithm design. The result of this cross-layer codesign is a highly flexible algorithm which can be tuned to the amount of classical or quantum computational resources that are available. The compilation techniques built into the QDCA are applicable to both near- and long-term distributed quantum architectures. We simulate the execution of the QDCA for near-term architectures and demonstrate the ability for many smaller quantum processors to solve larger instances of the Maximum Independent Set problem. We also observe improved performance as the amount of quantum communication between subproblems is increased, motivating the development and potential of large scale distributed quantum computing.
• Abstract（参考訳）: モノリシックな量子コンピュータシステムのサイズを増やすことは難しい課題である。 デバイス内の量子ビット数が増加するにつれて、多くの要因が収量と性能の低下に寄与する。 この課題に対処するため、ネットワーク化された多くの量子コンピュータからなる分散アーキテクチャが拡張性への有効な経路として提案されている。 このようなシステムには、分散アーキテクチャに適したアルゴリズムとコンパイラが必要です。 本研究では、大規模な組合せ最適化問題を分散量子アーキテクチャにマッピングする一般的な方法として量子除算法(QDCA)を導入する。 これはグラフ分割と \textit{quantum circuit cutting} 技術を用いて実現されている。 QDCAはコードサインの例で、分散量子アーキテクチャと回路切断のコンパイルオーバーヘッドの両方の特徴をアルゴリズム設計に通知することを可能にする。 このクロスレイヤー符号の結果は、利用可能な古典的あるいは量子的な計算資源の量に合わせて調整できる非常に柔軟なアルゴリズムである。 QDCAに組み込まれたコンパイル技術は、近距離および長期の分散量子アーキテクチャの両方に適用できる。 我々は、短期アーキテクチャにおけるQDCAの実行をシミュレートし、多くの小さな量子プロセッサが最大独立セット問題のより大きなインスタンスを解く能力を示す。 また,サブプロブレム間の量子通信量が増大するにつれて,大規模分散量子コンピューティングの発展とポテンシャルを動機とする性能向上も観察した。

関連論文リスト

• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
  本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。 そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
  論文  参考訳（メタデータ） (2024-05-01T20:49:50Z)
• Revisiting the Mapping of Quantum Circuits: Entering the Multi-Core Era [2.465579331213113]
  本稿では,コア間通信の削減を目的として,コアへのキュービット割り当てを最適化するために設計されたマルチコアマッピングアルゴリズムである,ハンガリークビット割り当て(HQA)アルゴリズムを紹介する。 モジュラーアーキテクチャの最先端回路マッピングアルゴリズムに対するHQAの評価では、実行時間と非ローカル通信の点で4.9times$と1.6times$の改善が示されている。
  論文  参考訳（メタデータ） (2024-03-25T21:31:39Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Applying an Evolutionary Algorithm to Minimize Teleportation Costs in Distributed Quantum Computing [3.0846297887400977]
  量子通信ネットワークは、古典的および量子チャネルを介して複数の量子コンピュータ(QC)を接続することによって形成することができる。 分散量子コンピューティングでは、QCは集合的に量子計算を行う。 本稿では,この問題に対する進化的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-30T13:10:28Z)
• Hungarian Qubit Assignment for Optimized Mapping of Quantum Circuits on Multi-Core Architectures [1.1288814203214292]
  量子コンピュータは、これらのクラスタ間のスペーサー接続を備えた密結合量子ビットのクラスタを特徴とするモジュラーアプローチを採用することが期待されている。 複数の処理コアにキュービットを効率よく分散させることは、量子コンピューティングシステムの性能とスケーラビリティを向上させる上で重要である。 ハンガリーのQubit Assignment(HQA)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-21T15:48:45Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Quantum Algorithms and Simulation for Parallel and Distributed Quantum Computing [0.0]
  大規模量子コンピュータを構築するための実行可能なアプローチは、小規模量子コンピュータと量子ネットワークを相互接続することである。 並列および分散量子アルゴリズムの設計と検証を簡単にすることを目的としたシミュレーションプラットフォームであるInterlin-qを提案する。
  論文  参考訳（メタデータ） (2021-06-12T19:41:48Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。