論文の概要: HybridQ: A Hybrid Simulator for Quantum Circuits
- arxiv url: http://arxiv.org/abs/2111.06868v1
- Date: Fri, 12 Nov 2021 18:43:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 07:43:44.180590
- Title: HybridQ: A Hybrid Simulator for Quantum Circuits
- Title（参考訳）: HybridQ: 量子回路用ハイブリッドシミュレータ
- Authors: Salvatore Mandr\`a, Jeffrey Marshall, Eleanor G. Rieffel, Rupak Biswas
- Abstract要約: HybridQは、さまざまなハードウェア上で動作する複数の最先端技術を統合するように設計されたプラットフォームである。
その開発の背景にある哲学は、"Easy to Use"、"Easy to Extend"、"Use the Best available technology"の3つの柱によって推進されている。
- 参考スコア（独自算出の注目度）: 0.9659642285903421
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Developing state-of-the-art classical simulators of quantum circuits is of
utmost importance to test and evaluate early quantum technology and understand
the true potential of full-blown error-corrected quantum computers. In the past
few years, multiple theoretical and numerical advances have continuously pushed
the boundary of what is classically simulable, hence the development of a
plethora of tools which are often limited to a specific purpose or designed for
a particular hardware (e.g. CPUs vs. GPUs). Moreover, such tools are typically
developed using tailored languages and syntax, which makes it hard to compare
results from, and create hybrid approaches using, different simulation
techniques.
To support unified and optimized use of these techniques across platforms, we
developed HybridQ, a highly extensible platform designed to provide a common
framework to integrate multiple state-of-the-art techniques to run on a variety
of hardware. The philosophy behind its development has been driven by three
main pillars: "Easy to Use", "Easy to Extend", and "Use the Best Available
Technology". The powerful tools of HybridQ allow users to manipulate, develop,
and extend noiseless and noisy circuits for different hardware architectures.
HybridQ supports large-scale high-performance computing (HPC) simulations,
automatically balancing workload among different processor nodes and enabling
the use of multiple backends to maximize parallel efficiency. Everything is
then glued together by a simple and expressive language that allows seamless
switching from one technique to another as well as from one hardware to the
next, without the need to write lengthy translations, thus greatly simplifying
the development of new hybrid algorithms and techniques.
- Abstract（参考訳）: 量子回路の最先端の古典シミュレータの開発は、初期の量子技術を試して評価し、完全な誤り訂正量子コンピュータの真の可能性を理解することが最も重要である。
過去数年間、複数の理論と数値の進歩が、古典的なシミュレート可能なものの境界を継続的に押し付けてきたため、特定の目的に限定されたり、特定のハードウェア(例えばcpuとgpu)用に設計されたツールが多数開発されてきた。
さらに、このようなツールは通常、カスタマイズされた言語と構文を使用して開発されるため、結果の比較や、さまざまなシミュレーション技術を用いたハイブリッドアプローチの作成が困難になる。
プラットフォーム間の統一的かつ最適化された利用を支援するために,HybridQを開発した。HybridQは,さまざまなハードウェア上で動作する複数の最先端技術を統合する共通フレームワークを提供するために設計された,高度に拡張可能なプラットフォームである。
その開発の背景にある哲学は、"Easy to Use"、"Easy to Extend"、"Use the Best available Technology"の3つの柱によって推進されている。
hybridqの強力なツールは、異なるハードウェアアーキテクチャのためにノイズのない、ノイズの多い回路を操作、開発、拡張できる。
HybridQは大規模ハイパフォーマンスコンピューティング(HPC)シミュレーションをサポートし、異なるプロセッサノード間で自動的にワークロードをバランスさせ、並列効率を最大化するために複数のバックエンドを使用することができる。
全ては単純で表現力のある言語で結合され、ある技術から別のハードウェアへシームレスに切り替えることができ、長い翻訳を書く必要がなく、新しいハイブリッドアルゴリズムや技術の開発を大幅に単純化する。
関連論文リスト
- Hybrid Meta-Solving for Practical Quantum Computing [0.0]
本稿では,最適化問題の解決を目的とした,アクセス可能なハイブリッドソフトウェアスタックの構築に向けた研究を行う。
古典的および量子最適化技術を組み合わせたハイブリッドメタソルビングと呼ばれる新しいアプローチを導入する。
論文 参考訳（メタデータ） (2024-05-15T06:19:39Z) - Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。
本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。
我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
論文 参考訳（メタデータ） (2024-03-26T16:33:12Z) - QPLEX: Realizing the Integration of Quantum Computing into Combinatorial
Optimization Software [1.9109292348200242]
組合せ最適化は、量子コンピュータの重要なターゲット領域の1つとして登場した。
量子リソースを利用するには、ユーザーは量子アルゴリズム、SDK、ライブラリのドメイン固有の知識を必要とする。
本稿では,古典的インタフェースによる量子資源のシームレス利用のためのツールを提案する。
論文 参考訳（メタデータ） (2023-07-26T17:18:07Z) - Parallelizing Quantum-Classical Workloads: Profiling the Impact of
Splitting Techniques [4.741651490006498]
我々はIBMのQuantum Cloud上で2つのワークロード分割手法を評価した。
その結果,(1)回路切断によるVQEは,アンカット版よりも基底状態推定が39%向上し,(2)データ並列化と特徴量削減を組み合わせたQSVMは,量子ワークロード実行時間の最大3倍向上することがわかった。
論文 参考訳（メタデータ） (2023-05-11T05:46:55Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - The Basis of Design Tools for Quantum Computing: Arrays, Decision
Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。
完全に自動化された量子ソフトウェアスタックを開発する必要がある。
この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文 参考訳（メタデータ） (2023-01-10T19:00:00Z) - Deep learning applied to computational mechanics: A comprehensive
review, state of the art, and the classics [77.34726150561087]
人工知能,特に深層学習(DL)の最近の進歩を概観する。
ハイブリッドおよび純粋機械学習(ML)の手法について論じる。
AIの歴史と限界は、特に古典の誤解や誤解を指摘し、議論され、議論される。
論文 参考訳（メタデータ） (2022-12-18T02:03:00Z) - Adaptive Compilation of Multi-Level Quantum Operations [2.4156605437030216]
量子コンピュータは、古典的コンピュータよりも高い効率で、重要な産業的および科学的な問題を解決する可能性がある。
単一量子系に対するエネルギー結合グラフの概念を導入し、任意のユニタリをコンパイルするためにこの表現を利用する適応アルゴリズムを提案する。
これにより、最先端のコンパイル方式よりも大幅に改善され、最悪のケースコストとランタイムをトレードオフするオプションも提供される。
論文 参考訳（メタデータ） (2022-06-08T12:35:54Z) - 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) - Quantum simulation with just-in-time compilation [0.0]
ジャスト・イン・タイム(JIT)コンパイル技術を用いて回路ベースの量子シミュレーションを行う。
QibojitはQibo量子コンピューティングフレームワークの新しいモジュールで、Pythonによるジャストインタイムコンパイルアプローチを使用している。
論文 参考訳（メタデータ） (2022-03-16T18:00:00Z) - Generation of High-Resolution Handwritten Digits with an Ion-Trap
Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。
我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
論文 参考訳（メタデータ） (2020-12-07T18:51:28Z)
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。