Fugu-MT 論文翻訳(概要): ScaleQC: A Scalable Framework for Hybrid Computation on Quantum and Classical Processors

論文の概要: ScaleQC: A Scalable Framework for Hybrid Computation on Quantum and Classical Processors

arxiv url: http://arxiv.org/abs/2207.00933v1
Date: Sun, 3 Jul 2022 01:44:31 GMT
ステータス: 処理完了
システム内更新日: 2023-02-06 21:28:01.379215
Title: ScaleQC: A Scalable Framework for Hybrid Computation on Quantum and Classical Processors
Title（参考訳）: ScaleQC: 量子プロセッサと古典プロセッサのハイブリッド計算のためのスケーラブルなフレームワーク
Authors: Wei Tang, Margaret Martonosi
Abstract要約: 量子処理ユニット(QPU)は、その量子ビットの要求量と品質の要求を満たす必要がある。量子回路切断技術は、より強力なQPUを実現するために、大きな量子回路を複数の小さなサブ回路に切断して分散する。われわれのツールはScaleQCと呼ばれ、新しいアルゴリズム技術を開発することでボトルネックに対処する。
参考スコア（独自算出の注目度）: 25.18520278107402
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Quantum processing unit (QPU) has to satisfy highly demanding quantity and quality requirements on its qubits to produce accurate results for problems at useful scales. Furthermore, classical simulations of quantum circuits generally do not scale. Instead, quantum circuit cutting techniques cut and distribute a large quantum circuit into multiple smaller subcircuits feasible for less powerful QPUs. However, the classical post-processing incurred from the cutting introduces runtime and memory bottlenecks. Our tool, called ScaleQC, addresses the bottlenecks by developing novel algorithmic techniques including (1) a quantum states merging framework that quickly locates the solution states of large quantum circuits; (2) an automatic solver that cuts complex quantum circuits to fit on less powerful QPUs; and (3) a tensor network based post-processing that minimizes the classical overhead. Our experiments demonstrate both QPU requirement advantages over the purely quantum platforms, and runtime advantages over the purely classical platforms for benchmarks up to 1000 qubits.
Abstract（参考訳）: 量子処理ユニット(QPU)は、量子ビットの要求量と品質要件を満たし、有用なスケールで問題の正確な結果を生成する必要がある。さらに、量子回路の古典的なシミュレーションは一般にスケールしない。代わりに、量子回路切断技術は、より強力なQPUを実現するために、大きな量子回路を複数の小さなサブ回路に切断して分散する。しかし、カットから生じる古典的な後処理は、ランタイムとメモリのボトルネックをもたらす。当社のツールであるScaleQCは,(1)大規模量子回路の解状態を高速に検出する量子状態マージフレームワーク,(2)低消費電力QPUに適合するように複雑な量子回路を切断する自動解法,(3)古典的オーバーヘッドを最小限に抑えるテンソルネットワークベースの後処理など,新たなアルゴリズム技術を開発することでボトルネックに対処する。我々の実験は、純粋に量子プラットフォームに対するQPU要求の利点と、1000キュービットまでのベンチマークのための純粋に古典的なプラットフォームに対する実行時の利点の両方を示している。

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)
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)
State-Averaged Orbital-Optimized VQE: A quantum algorithm for the democratic description of ground and excited electronic states [0.0]
SA-OO-VQEパッケージは、典型的な変分量子固有解法に基づくハイブリッド量子古典的概念によって両方の問題を解決することを目的としている。 SA-OO-VQEは、同じ足場上で退化状態(または準退化状態)を処理できるので、回避された交差や円錐交差に関する既知の数値最適化問題を回避することができる。
論文参考訳（メタデータ） (2024-01-22T12:16:37Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Sparse Quantum State Preparation for Strongly Correlated Systems [0.0]
原理として、指数関数的にスケールする多電子波関数を線形にスケールする量子ビットレジスタに符号化することは、従来の量子化学法の限界を克服するための有望な解決策を提供する。基底状態量子アルゴリズムが実用的であるためには、量子ビットの初期化が要求される基底状態の高品質な近似に必須である。量子状態準備(QSP)は、古典的な計算から得られる近似固有状態の生成を可能にするが、量子情報のオラクルとして頻繁に扱われる。
論文参考訳（メタデータ） (2023-11-06T18:53:50Z)
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)
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)
Cutting Quantum Circuits to Run on Quantum and Classical Platforms [25.18520278107402]
CutQCは、大規模量子回路を量子(QPU)と古典的なプラットフォーム(CPUまたはGPU)に分散して、コプロセッシングを行うスケーラブルなハイブリッドコンピューティングアプローチである。これは、実システム実行時に達成される大きなNISQデバイスよりもはるかに高い量子回路評価忠実性を達成する。
論文参考訳（メタデータ） (2022-05-12T02:09:38Z)
CutQC: Using Small Quantum Computers for Large Quantum Circuit Evaluations [18.78105450344374]
本稿では,古典コンピュータと量子コンピュータを組み合わせたスケーラブルなハイブリッドコンピューティングアプローチであるCutQCを紹介する。 CutQCは、大きな量子回路を小さなサブ回路に分割し、小さな量子デバイスで実行する。実システムでは、CutQCは小さなプロトタイプの量子コンピュータを用いて、はるかに高い量子回路評価フィリティを達成する。
論文参考訳（メタデータ） (2020-12-03T23:52:04Z)
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。