Fugu-MT 論文翻訳(概要): PyQBench: a Python library for benchmarking gate-based quantum computers

論文の概要: PyQBench: a Python library for benchmarking gate-based quantum computers

arxiv url: http://arxiv.org/abs/2304.00045v1
Date: Fri, 31 Mar 2023 18:02:43 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 20:08:14.623121
Title: PyQBench: a Python library for benchmarking gate-based quantum computers
Title（参考訳）: PyQBench: ゲートベースの量子コンピュータをベンチマークするためのPythonライブラリ
Authors: Konrad Ja{\l}owiecki, Paulina Lewandowska, {\L}ukasz Pawela
Abstract要約: PyQBenchはゲートベースの量子コンピュータをベンチマークするための革新的なフレームワークである。 NISQデバイスを2つのフォン・ノイマン測度間で識別する能力を検証することでベンチマークすることができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce PyQBench, an innovative open-source framework for benchmarking gate-based quantum computers. PyQBench can benchmark NISQ devices by verifying their capability of discriminating between two von Neumann measurements. PyQBench offers a simplified, ready-to-use, command line interface (CLI) for running benchmarks using a predefined parametrized Fourier family of measurements. For more advanced scenarios, PyQBench offers a way of employing user-defined measurements instead of predefined ones.
Abstract（参考訳）: 我々はゲートベースの量子コンピュータをベンチマークする革新的なオープンソースフレームワークであるPyQBenchを紹介する。 PyQBenchは、2つのフォン・ノイマン測度を識別する能力を検証することで、NISQデバイスをベンチマークすることができる。 PyQBenchは、予め定義されたパラメタライズされたFourierファミリを使用してベンチマークを実行するための、シンプルで使いやすいコマンドラインインターフェース(CLI)を提供する。より高度なシナリオでは、PyQBenchは、事前に定義されたものではなく、ユーザ定義の測定を使用する方法を提供する。

関連論文リスト

Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文参考訳（メタデータ） (2024-11-13T23:56:20Z)
QParallel: Explicit Parallelism for Programming Quantum Computers [62.10004571940546]
並列量子プログラミングのための言語拡張を提案する。 QParallelは、現在の量子プログラミング言語における並列性に関する曖昧さを取り除く。並列化によって最も利益を上げるサブルーチンを識別し,並列領域の配置にプログラマを誘導するツールを提案する。
論文参考訳（メタデータ） (2022-10-07T16:35:16Z)
QPack Scores: Quantitative performance metrics for application-oriented quantum computer benchmarking [1.0323063834827415]
本稿では,量子コンピュータとシミュレータ用のアプリケーション指向クロスプラットフォームベンチマークスイートであるQPackのベンチマークスコア定義について述べる。さまざまな量子コンピュータシミュレータの比較が行われ、ローカルおよびベンダーのリモートクラウドサービス上で実行される。
論文参考訳（メタデータ） (2022-05-24T15:18:24Z)
SupermarQ: A Scalable Quantum Benchmark Suite [3.6806897290408305]
SupermarQはスケーラブルでハードウェアに依存しない量子ベンチマークスイートで、アプリケーションレベルのメトリクスを使用してパフォーマンスを測定する。 SupermarQは、古典的なベンチマーク手法から量子領域への手法を体系的に適用する最初の試みである。量子ベンチマークは、オープンソースで常に進化しているベンチマークスイート上に構築された、大規模なコミュニティ間の取り組みを包含することを期待しています。
論文参考訳（メタデータ） (2022-02-22T17:24:07Z)
PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
論文参考訳（メタデータ） (2022-01-12T07:32:36Z)
Extending Python for Quantum-Classical Computing via Quantum Just-in-Time Compilation [78.8942067357231]
Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
論文参考訳（メタデータ） (2021-05-10T21:11:21Z)
QPack: Quantum Approximate Optimization Algorithms as universal benchmark for quantum computers [1.1602089225841632]
ノイズ中間スケール量子(NISQ)コンピュータの普遍的ベンチマークであるQPackを提案する。 QPackは、量子コンピュータが解決できる最大問題サイズ、必要なランタイム、および達成された精度を評価する。
論文参考訳（メタデータ） (2021-03-31T16:20:51Z)
A MLIR Dialect for Quantum Assembly Languages [78.8942067357231]
量子コンピューティングにおけるMLIR(Multi-Level Intermediate Representation)の有用性を実証する。我々は、共通量子集合言語の表現とコンパイルを可能にする新しい量子方言でMLIRを拡張した。我々はQIR量子ランタイムAPIのqcor対応実装を活用して、再ターゲット可能な(量子ハードウェアに依存しない)コンパイラワークフローを実現する。
論文参考訳（メタデータ） (2021-01-27T13:00:39Z)
QASMBench: A Low-level QASM Benchmark Suite for NISQ Evaluation and Simulation [10.80688326599566]
我々は、OpenQASMアセンブリ表現に基づくQASMBenchと呼ばれる低レベルで使いやすいベンチマークスイートを提案する。化学、シミュレーション、線形代数、探索、最適化、算術、機械学習、耐障害性、暗号など、様々な分野からよく使われる量子ルーチンとカーネルを統合する。 QASMBenchはIBM-Q、Rigetti、IonQ、Quantinuumなど、いくつかのNISQプラットフォーム上で起動および検証できる。
論文参考訳（メタデータ） (2020-05-26T20:25:44Z)
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks [133.93803565077337]
検索強化生成モデルは、事前訓練されたパラメトリックメモリと非パラメトリックメモリを組み合わせて言語生成を行う。我々は、RAGモデルが、最先端パラメトリックのみのセク2セックベースラインよりも、より具体的で、多様で、現実的な言語を生成することを示す。
論文参考訳（メタデータ） (2020-05-22T21:34:34Z)
Parametric Probabilistic Quantum Memory [1.412197703754359]
確率量子メモリ(Probabilistic Quantum Memory, PQM)は、メモリ上の重畳に格納されたバイナリパターンからの距離を計算するデータ構造である。本研究では,パターン分類を行うためのPQMのパラメトリックバージョンを提案する。また、ノイズ中間スケール量子(NISQ)コンピュータに適したPQM量子回路を提案する。
論文参考訳（メタデータ） (2020-01-11T11:41:05Z)

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。