論文の概要: Architectural Vision for Quantum Computing in the Edge-Cloud Continuum
- arxiv url: http://arxiv.org/abs/2305.05238v1
- Date: Tue, 9 May 2023 08:00:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 13:38:37.085303
- Title: Architectural Vision for Quantum Computing in the Edge-Cloud Continuum
- Title（参考訳）: エッジクラウド連続体における量子コンピューティングのアーキテクチャビジョン
- Authors: Alireza Furutanpey, Johanna Barzen, Marvin Bechtold, Schahram Dustdar,
Frank Leymann, Philipp Raith, Felix Truger
- Abstract要約: QPUを統合するために,従来のエッジコンピューティングにおける既存の作業を拡張する必要性,課題,ソリューションアプローチについて論じる。
複合古典量子ニューラルネットワーク(QNN)を用いた分散エンジンを導入し,システム設計者が複雑な要求を満たすアプリケーションを収容するのを支援する。
- 参考スコア（独自算出の注目度）: 2.4815104578619653
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum processing units (QPUs) are currently exclusively available from
cloud vendors. However, with recent advancements, hosting QPUs is soon possible
everywhere. Existing work has yet to draw from research in edge computing to
explore systems exploiting mobile QPUs, or how hybrid applications can benefit
from distributed heterogeneous resources. Hence, this work presents an
architecture for Quantum Computing in the edge-cloud continuum. We discuss the
necessity, challenges, and solution approaches for extending existing work on
classical edge computing to integrate QPUs. We describe how warm-starting
allows defining workflows that exploit the hierarchical resources spread across
the continuum. Then, we introduce a distributed inference engine with hybrid
classical-quantum neural networks (QNNs) to aid system designers in
accommodating applications with complex requirements that incur the highest
degree of heterogeneity. We propose solutions focusing on classical layer
partitioning and quantum circuit cutting to demonstrate the potential of
utilizing classical and quantum computation across the continuum. To evaluate
the importance and feasibility of our vision, we provide a proof of concept
that exemplifies how extending a classical partition method to integrate
quantum circuits can improve the solution quality. Specifically, we implement a
split neural network with optional hybrid QNN predictors. Our results show that
extending classical methods with QNNs is viable and promising for future work.
- Abstract（参考訳）: 量子処理ユニット(QPU)は現在、クラウドベンダーからのみ利用可能である。
しかし、最近の進歩により、QPUのホスティングはすぐに至るところで可能になる。
既存の研究はまだエッジコンピューティングの研究から、モバイルQPUを利用したシステムや、ハイブリッドアプリケーションが分散異種リソースの恩恵を受ける方法を探っている。
したがって、この研究はエッジクラウド連続体における量子コンピューティングのアーキテクチャを示す。
QPUを統合するために,従来のエッジコンピューティングにおける既存の作業を拡張する必要性,課題,ソリューションアプローチについて論じる。
ウォームスタートは、連続体全体に広がる階層的リソースを利用するワークフローをどのように定義できるかを説明する。
次に,複合古典量子ニューラルネットワーク(qnns)を用いた分散推論エンジンを提案する。
古典的層分割と量子回路切断に着目し,古典的および量子的計算を連続体全体にわたって活用する可能性を示す。
ビジョンの重要性と実現可能性を評価するため,古典的分割法を拡張して量子回路を統合することにより,解の質が向上することを示した。
具体的には、任意のハイブリッドQNN予測器を備えた分割ニューラルネットワークを実装する。
この結果から,従来の手法をQNNで拡張することは可能であり,今後の作業に有望であることが示唆された。
関連論文リスト
- Quantum Neural Networks for Solving Power System Transient Simulation Problem [0.0]
本稿では2つの新しい量子ニューラルネットワーク(QNN)を導入し,従来のシミュレーション手法の代替として提案する。
これらのQNNの応用は、2つの小さな電力系統をシミュレートし、その可能性を実証する。
この研究は、量子コンピューティングを電力システムシミュレーションに適用する先駆的な取り組みであると同時に、複雑なエンジニアリング課題に対処する量子技術の可能性も拡大している。
論文 参考訳（メタデータ） (2024-05-19T02:18:04Z) - Quantum Multi-Agent Reinforcement Learning for Aerial Ad-hoc Networks [0.19791587637442667]
本稿では,航空通信のユースケースを提示し,それを解くためのハイブリッド量子古典型MLアルゴリズムを提案する。
その結果,古典的アルゴリズムに匹敵する量子化解の性能はわずかに向上した。
これらの有望な結果は、産業関連複雑なユースケースに対するQMARLの可能性を示している。
論文 参考訳（メタデータ） (2024-04-26T15:57:06Z) - 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) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳（メタデータ） (2023-03-27T22:48:28Z) - Problem-Dependent Power of Quantum Neural Networks on Multi-Class
Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。
本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。
我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文 参考訳（メタデータ） (2022-12-29T10:46:40Z) - 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) - Quantum Robustness Verification: A Hybrid Quantum-Classical Neural
Network Certification Algorithm [1.439946676159516]
本研究では、堅牢性多変数混合整数プログラム(MIP)の解法を含むReLUネットワークの検証について検討する。
この問題を軽減するために、ニューラルネットワーク検証にQCを用い、証明可能な証明書を計算するためのハイブリッド量子プロシージャを導入することを提案する。
シミュレーション環境では,我々の証明は健全であり,問題の近似に必要な最小量子ビット数に制限を与える。
論文 参考訳（メタデータ） (2022-05-02T13:23:56Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - Quantum Machine Learning with HQC Architectures using non-Classically Simulable Feature Maps [0.30723404270319693]
本稿では,QSVM(Quantum Support Vector Machines)を応用して,将来,精神的な治療を必要とするかどうかを予測する。
我々は、NISQ HQC Architectures for Quantum Machine Learningが、短期実世界のアプリケーションで優れたパフォーマンスモデルを作成するために、代替として使用できることを証明した。
論文 参考訳（メタデータ） (2021-03-21T12:28:46Z)
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。