Fugu-MT 論文翻訳(概要): Multithreaded parallelism for heterogeneous clusters of QPUs

論文の概要: Multithreaded parallelism for heterogeneous clusters of QPUs

arxiv url: http://arxiv.org/abs/2311.17490v1
Date: Wed, 29 Nov 2023 09:54:04 GMT
ステータス: 処理完了
システム内更新日: 2023-11-30 21:53:19.037108
Title: Multithreaded parallelism for heterogeneous clusters of QPUs
Title（参考訳）: qpuの異種クラスタに対するマルチスレッド並列処理
Authors: Philipp Seitz, Manuel Geiger, Christian B. Mendl
Abstract要約: 我々は、量子無関係な並列マシンスケジューラとカッターであるMILQを紹介する。複数の量子デバイスにスケジュールされた一連の回路の実行時間を優先順位付けする。その結果, ベースラインアプローチに比べて最大26%の改善が見られた。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we present MILQ, a quantum unrelated parallel machines scheduler and cutter. The setting of unrelated parallel machines considers independent hardware backends, each distinguished by differing setup and processing times. MILQ optimizes the total execution time of a batch of circuits scheduled on multiple quantum devices. It leverages state-of-the-art circuit-cutting techniques to fit circuits onto the devices and schedules them based on a mixed-integer linear program. Our results show a total improvement of up to 26 % compared to a baseline approach.
Abstract（参考訳）: 本稿では,量子無関係な並列マシンスケジューラとカッターであるmilqを提案する。非関連並列マシンの設定は独立したハードウェアバックエンドを考慮し、それぞれが異なるセットアップと処理時間によって区別される。 milqは複数の量子デバイスでスケジュールされた回路の合計実行時間を最適化する。最先端の回路切断技術を利用して、デバイスに回路を取り付け、混合整数線形プログラムに基づいてスケジュールする。その結果,ベースラインアプローチと比較して,最大26パーセントの改善が見られた。

関連論文リスト

Lazy Qubit Reordering for Accelerating Parallel State-Vector-based Quantum Circuit Simulation [0.0]
量子回路シミュレーションのための2つの量子演算スケジューリング手法を提案する。提案手法は、qubitリオーダーによる全対全通信を削減する。本稿では,変分量子固有解法(VQE)シミュレーションにおける2つの主要な手順に適したこれらの手法を開発した。
論文参考訳（メタデータ） (2024-10-05T18:20:37Z)
Quantum circuit scheduler for QPUs usage optimization [0.31635222504032556]
本稿では,待ち時間を短縮し,異なるユーザの回路を同時に実行する組み合わせ回路にスケジューリングすることで,量子コンピュータの利用を最適化する手法を提案する。その結果,提案したスケジューラによる回路の組み合わせによるノイズは,結果に重大な影響を与えないことが示唆された。
論文参考訳（メタデータ） (2024-04-01T11:34:26Z)
One-Time Compilation of Device-Level Instructions for Quantum Subroutines [21.79238078751215]
デバイスレベルの部分コンパイル(DLPC)技術を開発し,コンパイルオーバーヘッドをほぼ一定に抑える。我々は、この修正パイプラインを実際の捕捉イオン量子コンピュータ上で実行し、コンパイル時間の大幅な削減を観察する。
論文参考訳（メタデータ） (2023-08-21T15:23:09Z)
Parallel hybrid quantum-classical machine learning for kernelized time-series classification [0.0]
本稿では,時間系列ハミルトニアン(TSHK)アルゴリズムを用いて,ペアインスタンス間の時間的時間差を推定するハイブリッド量子古典機械に挑戦する。カーネル重み付けステップを微分可能な微分可能なカーネル関数として扱うため、本手法はエンドラージ可能なハイブリッド量子系列技術とみなすことができる。
論文参考訳（メタデータ） (2023-05-10T04:01:15Z)
Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
論文参考訳（メタデータ） (2023-04-10T23:01:10Z)
Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。我々は距離の計算を高速化するために量子現象を利用する。我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文参考訳（メタデータ） (2022-12-13T16:04:16Z)
Parallel Simulation of Quantum Networks with Distributed Quantum State Management [56.24769206561207]
我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
論文参考訳（メタデータ） (2021-11-06T16:51:17Z)
Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文参考訳（メタデータ） (2021-06-24T08:18:42Z)
Enabling Multi-programming Mechanism for Quantum Computing in the NISQ Era [0.0]
NISQデバイスにはいくつかの物理的制限と避けられないノイズ量子演算がある。小さな回路のみが量子マシン上で実行され、信頼性の高い結果が得られる。本稿では,量子ハードウェア上で複数の量子回路を同時に実行するためのQuantum Multi-gramming Compiler (QuMC)を提案する。
論文参考訳（メタデータ） (2021-02-10T08:46:16Z)
Minimal Filtering Algorithms for Convolutional Neural Networks [82.24592140096622]
我々は,M=3,5,7,9,11の基本的なフィルタリング操作を実装するための完全並列ハードウェア指向アルゴリズムを開発した。各ケースにおける提案アルゴリズムの完全な並列ハードウェア実装は、組込み乗算器の数を約30%削減する。
論文参考訳（メタデータ） (2020-04-12T13:18:25Z)
Accelerating Feedforward Computation via Parallel Nonlinear Equation Solving [106.63673243937492]
ニューラルネットワークの評価や自己回帰モデルからのサンプリングなどのフィードフォワード計算は、機械学習においてユビキタスである。本稿では,非線形方程式の解法としてフィードフォワード計算の課題を定式化し,ジャコビ・ガウス・シーデル固定点法とハイブリッド法を用いて解を求める。提案手法は, 並列化可能な繰り返し回数の削減(あるいは等値化)により, 元のフィードフォワード計算と全く同じ値が与えられることを保証し, 十分な並列化計算能力を付与する。
論文参考訳（メタデータ） (2020-02-10T10:11:31Z)

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。