論文の概要: Quantum-HPC Framework with multi-GPU-Enabled Hybrid Quantum-Classical
Workflow: Applications in Quantum Simulations
- arxiv url: http://arxiv.org/abs/2403.05828v1
- Date: Sat, 9 Mar 2024 07:38:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 12:15:11.638669
- Title: Quantum-HPC Framework with multi-GPU-Enabled Hybrid Quantum-Classical
Workflow: Applications in Quantum Simulations
- Title（参考訳）: マルチGPU対応ハイブリッド量子古典ワークフローを用いた量子HPCフレームワーク:量子シミュレーションへの応用
- Authors: Kuan-Cheng Chen, Xiaoren Li, Xiaotian Xu, Yun-Yuan Wang and Chen-Yu
Liu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.1374208474242815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Achieving high-performance computation on quantum systems presents a
formidable challenge that necessitates bridging the capabilities between
quantum hardware and classical computing resources. This study introduces an
innovative distribution-aware Quantum-Classical-Quantum (QCQ) architecture,
which integrates cutting-edge quantum software framework works with
high-performance classical computing resources to address challenges in quantum
simulation for materials and condensed matter physics. At the heart of this
architecture is the seamless integration of VQE algorithms running on QPUs for
efficient quantum state preparation, Tensor Network states, and QCNNs for
classifying quantum states on classical hardware.
For benchmarking quantum simulators, the QCQ architecture utilizes the
cuQuantum SDK to leverage multi-GPU acceleration, integrated with PennyLane's
Lightning plugin, demonstrating up to tenfold increases in computational speed
for complex phase transition classification tasks compared to traditional
CPU-based methods. This significant acceleration enables models such as the
transverse field Ising and XXZ systems to accurately predict phase transitions
with a 99.5% accuracy. The architecture's ability to distribute computation
between QPUs and classical resources addresses critical bottlenecks in
Quantum-HPC, paving the way for scalable quantum simulation.
The QCQ framework embodies a synergistic combination of quantum algorithms,
machine learning, and Quantum-HPC capabilities, enhancing its potential to
provide transformative insights into the behavior of quantum systems across
different scales. As quantum hardware continues to improve, this hybrid
distribution-aware framework will play a crucial role in realizing the full
potential of quantum computing by seamlessly integrating distributed quantum
resources with the state-of-the-art classical computing infrastructure.
- Abstract（参考訳）: 量子システム上で高性能な計算を実現するには、量子ハードウェアと古典的コンピューティングリソースの能力の橋渡しが不可欠である。
このアーキテクチャは、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計算資源と統合し、材料や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ものである。
このアーキテクチャの中心は、量子状態の効率的な準備のためにQPUで実行されるVQEアルゴリズムをシームレスに統合すること、テンソルネットワーク状態、古典的なハードウェア上で量子状態の分類のためのQCNNである。
量子シミュレータのベンチマークでは、QCQアーキテクチャはcuQuantum SDKを使用して、PennyLaneのLightningプラグインと統合されたマルチGPUアクセラレーションを活用し、従来のCPUベースの手法と比較して、複雑な相転移分類タスクの計算速度を最大10倍に向上させる。
この大きな加速により、横フィールドIsingやXXZシステムのようなモデルは99.5%の精度で位相遷移を正確に予測できる。
QPUと古典的なリソース間で計算を分散するアーキテクチャの能力は、量子HPCの重要なボトルネックに対処し、スケーラブルな量子シミュレーションの道を開く。
QCQフレームワークは、量子アルゴリズム、機械学習、量子-HPC機能の相乗的な組み合わせを具現化し、異なるスケールにわたる量子システムの振る舞いに関する変革的な洞察を提供する可能性を高める。
量子ハードウェアの改善が進むにつれて、このハイブリッド分散認識フレームワークは、分散量子リソースを最先端の古典的コンピューティング基盤とシームレスに統合することにより、量子コンピューティングの潜在能力を実現する上で重要な役割を果たす。
関連論文リスト
- Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - 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) - A Conceptual Architecture for a Quantum-HPC Middleware [1.82035221675293]
量子コンピューティングは、古典的なコンピュータよりも高速に計算に複雑な問題を解くことによって、科学と産業の可能性を約束する。
規模が大きくなるにつれ、量子古典コンピューティングの効率的な結合を促進するシステムが重要になってきている。
論文 参考訳（メタデータ） (2023-08-12T16:48:56Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - 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) - The Future of Quantum Computing with Superconducting Qubits [2.6668731290542222]
量子処理ユニット(QPU)の出現に伴い、計算パラダイムの分岐点が見られます。
超多項式スピードアップによる計算の可能性を抽出し、量子アルゴリズムを実現するには、量子誤り訂正技術の大幅な進歩が必要になる可能性が高い。
長期的には、より効率的な量子誤り訂正符号を実現するために、2次元トポロジ以上の量子ビット接続を利用するハードウェアが見られます。
論文 参考訳（メタデータ） (2022-09-14T18:00:03Z) - 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) - 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) - 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) - 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)
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。