論文の概要: Optimal Stochastic Resource Allocation for Distributed Quantum Computing

• arxiv url: http://arxiv.org/abs/2210.02886v1
• Date: Fri, 16 Sep 2022 02:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-26 09:17:06.759107
• Title: Optimal Stochastic Resource Allocation for Distributed Quantum Computing
• Title（参考訳）: 分散量子コンピューティングのための最適確率的資源割当て
• Authors: Napat Ngoenriang, Minrui Xu, Sucha Supittayapornpong, Dusit Niyato, Han Yu, and Xuemin (Sherman) Shen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.809738453571015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the advent of interconnected quantum computers, i.e., distributed quantum computing (DQC), multiple quantum computers can now collaborate via quantum networks to perform massively complex computational tasks. However, DQC faces problems sharing quantum information because it cannot be cloned or duplicated between quantum computers. Thanks to advanced quantum mechanics, quantum computers can teleport quantum information across quantum networks. However, challenges to utilizing efficiently quantum resources, e.g., quantum computers and quantum channels, arise in DQC due to their capabilities and properties, such as uncertain qubit fidelity and quantum channel noise. In this paper, we propose a resource allocation scheme for DQC based on stochastic programming to minimize the total deployment cost for quantum resources. Essentially, the two-stage stochastic programming model is formulated to handle the uncertainty of quantum computing demands, computing power, and fidelity in quantum networks. The performance evaluation demonstrates the effectiveness and ability of the proposed scheme to balance the utilization of quantum computers and on-demand quantum computers while minimizing the overall cost of provisioning under uncertainty.
• Abstract（参考訳）: 量子コンピュータの相互接続、すなわち分散量子コンピューティング(DQC)の出現により、複数の量子コンピュータが量子ネットワークを介して協調して巨大な計算タスクを実行できるようになった。 しかし、DQCは、量子コンピュータ間で複製または複製できないため、量子情報を共有する問題に直面している。 高度な量子力学のおかげで、量子コンピュータは量子ネットワークを介して量子情報をテレポートすることができる。 しかし、量子コンピュータや量子チャネルなどの効率的な量子資源を利用するための課題は、不確実な量子ビットの忠実さや量子チャネルノイズなどの特性と能力のためにDQCに現れる。 本稿では,量子資源の総配置コストを最小化するために,確率計画に基づくDQCの資源割当方式を提案する。 本質的には、量子コンピューティングの要求、計算能力、量子ネットワークの忠実性の不確実性を扱うために、2段階確率プログラミングモデルが定式化されている。 性能評価は、不確実性の下での供給コストを最小化しつつ、量子コンピュータとオンデマンド量子コンピュータの利用のバランスをとるための提案手法の有効性と能力を示す。

関連論文リスト

• 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)
• 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)
• 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)
• QuBEC: Boosting Equivalence Checking for Quantum Circuits with QEC Embedding [4.15692939468851]
  本稿では,従来の手法に比べてレイテンシの低い量子同値チェック手法QuBECを提案する。 提案手法は,ベンチマーク回路の検証時間を最大271.49倍に短縮する。
  論文  参考訳（メタデータ） (2023-09-19T16:12:37Z)
• Preparing random state for quantum financing with quantum walks [1.2074552857379273]
  本稿では,古典的ハードウェア上で量子コンピュータや量子シミュレータで実行可能な量子状態に古典的データをロードする効率的な手法を提案する。 Qiskitを使ったSSQWの実装の実践例がオープンソースソフトウェアとしてリリースされた。 所望の確率振幅分布を生成するための有望な方法として、その可能性を示すことは、量子シミュレーションによるオプション価格設定におけるSSQWの適用の可能性を強調している。
  論文  参考訳（メタデータ） (2023-02-24T08:01:35Z)
• DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization in Future Networks [54.03701670739067]
  本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。 提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-09-16T02:44:52Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Distributed Quantum Computing with QMPI [11.71212583708166]
  本稿では,分散量子アルゴリズムの高性能実装を実現するために,MPI(Message Passing Interface)の拡張を提案する。 量子MPIの試作実装に加えて,分散量子コンピューティングの性能モデルであるSENDQを提案する。
  論文  参考訳（メタデータ） (2021-05-03T18:30:43Z)
• Simulating quantum chemistry in the seniority-zero space on qubit-based quantum computers [0.0]
  計算量子化学の近似をゲートベースの量子コンピュータ上で分子化学をシミュレートする手法と組み合わせる。 基本集合を増大させるために解放された量子資源を用いることで、より正確な結果が得られ、必要な数の量子コンピューティングの実行が削減されることが示される。
  論文  参考訳（メタデータ） (2020-01-31T19:44:37Z)

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。