論文の概要: Practical application-specific advantage through hybrid quantum computing

• arxiv url: http://arxiv.org/abs/2205.04858v1
• Date: Tue, 10 May 2022 12:58:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-13 17:52:56.143059
• Title: Practical application-specific advantage through hybrid quantum computing
• Title（参考訳）: ハイブリッド量子コンピューティングによる応用特異的優位性
• Authors: Michael Perelshtein, Asel Sagingalieva, Karan Pinto, Vishal Shete, Alexey Pakhomchik, Artem Melnikov, Florian Neukart, Georg Gesek, Alexey Melnikov, Valerii Vinokur
• Abstract要約: メモリ中心で異質なマルチプロセッシングアーキテクチャに基づくハイブリッド量子クラウドを提案する。 計算速度と解の質の両方において,従来のアルゴリズムと比較して,ハイブリッドアルゴリズムの利点を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing promises to tackle technological and industrial problems insurmountable for classical computers. However, today's quantum computers still have limited demonstrable functionality, and it is expected that scaling up to millions of qubits is required for them to live up to this touted promise. The feasible route in achieving practical quantum advantage goals is to implement a hybrid operational mode that realizes the cohesion of quantum and classical computers. Here we present a hybrid quantum cloud based on a memory-centric and heterogeneous multiprocessing architecture, integrated into a high-performance computing data center grade environment. We demonstrate that utilizing the quantum cloud, our hybrid quantum algorithms including Quantum Encoding (QuEnc), Hybrid Quantum Neural Networks and Tensor Networks enable advantages in optimization, machine learning, and simulation fields. We show the advantage of hybrid algorithms compared to standard classical algorithms in both the computational speed and quality of the solution. The achieved advance in hybrid quantum hardware and software makes quantum computing useful in practice today.
• Abstract（参考訳）: 量子コンピューティングは、古典的なコンピュータでは克服できない技術的および工業的な問題に取り組むことを約束する。 しかし、今日の量子コンピュータはまだ実証可能な機能に限られており、この有望な約束を果たすためには数百万の量子ビットのスケーリングが必要であると期待されている。 実用的な量子優位を達成するための実現可能なルートは、量子コンピュータと古典コンピュータの結合を実現するハイブリッド操作モードを実装することである。 本稿では、メモリ中心で異種なマルチプロセッサアーキテクチャに基づくハイブリッド量子クラウドを、高性能なコンピューティングデータセンターグレード環境に統合する。 量子クラウドを利用することで、Quantum Encoding (QuEnc)、Hybrid Quantum Neural Networks、Tensor Networksなどのハイブリッド量子アルゴリズムが最適化、機械学習、シミュレーションフィールドの利点を享受できることを実証する。 計算速度と解の質の両方において,標準古典的アルゴリズムと比較してハイブリッドアルゴリズムの利点を示す。 ハイブリッド量子ハードウェアとソフトウェアの進歩により、今日では量子コンピューティングが実用的になっている。

関連論文リスト

• LatentQGAN: A Hybrid QGAN with Classical Convolutional Autoencoder [7.945302052915863]
  量子機械学習の潜在的な応用は、古典的なデータを生成するために量子コンピュータのパワーを利用することである。 本稿では,自己エンコーダと結合したハイブリッド量子古典的GANを用いた新しい量子モデルであるLatntQGANを提案する。
  論文  参考訳（メタデータ） (2024-09-22T23:18:06Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Multi-GPU-Enabled Hybrid Quantum-Classical Workflow in Quantum-HPC Middleware: Applications in Quantum Simulations [1.9922905420195367]
  本研究では,革新的な分散型量子古典量子アーキテクチャを提案する。 最先端の量子ソフトウェアフレームワークを高性能な古典コンピューティングリソースと統合する。 物質と凝縮物質物理学の量子シミュレーションにおける課題に対処する。
  論文  参考訳（メタデータ） (2024-03-09T07:38:45Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Quantum Algorithm Cards: Streamlining the development of hybrid classical-quantum applications [0.0]
  量子コンピューティングの出現は、多くの科学と産業の応用領域を根本的に変換できる革命的パラダイムを提案する。 量子コンピュータが計算をスケールする能力は、現在のコンピュータが提供しているものよりも、特定のアルゴリズムタスクのパフォーマンスと効率が向上することを意味している。 このような改善の恩恵を得るためには、量子コンピュータは既存のソフトウェアシステムと統合されなければならない。
  論文  参考訳（メタデータ） (2023-10-04T06:02:59Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Towards practical and massively parallel quantum computing emulation for quantum chemistry [10.095945254794906]
  量子コンピューティングは初期の段階を超えて、化学・生物医学の商業的応用を模索している。 量子アルゴリズムを開発し、量子ハードウェアを検証するために、古典的なコンピュータ上で量子コンピューティングをエミュレートすることが重要である。 本稿では,行列積状態に基づく高性能かつ大規模に並列な量子固有解法シミュレータについて述べる。
  論文  参考訳（メタデータ） (2023-03-07T06:44:18Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• The Future of Quantum Computing with Superconducting Qubits [2.6668731290542222]
  量子処理ユニット(QPU)の出現に伴い、計算パラダイムの分岐点が見られます。 超多項式スピードアップによる計算の可能性を抽出し、量子アルゴリズムを実現するには、量子誤り訂正技術の大幅な進歩が必要になる可能性が高い。 長期的には、より効率的な量子誤り訂正符号を実現するために、2次元トポロジ以上の量子ビット接続を利用するハードウェアが見られます。
  論文  参考訳（メタデータ） (2022-09-14T18:00:03Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)

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。