論文の概要: HamilToniQ: An Open-Source Benchmark Toolkit for Quantum Computers
- arxiv url: http://arxiv.org/abs/2404.13971v1
- Date: Mon, 22 Apr 2024 08:27:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 14:45:41.431281
- Title: HamilToniQ: An Open-Source Benchmark Toolkit for Quantum Computers
- Title（参考訳）: HamilToniQ: 量子コンピュータのためのオープンソースのベンチマークツールキット
- Authors: Xiaotian Xu, Kuan-Cheng Chen, Robert Wille,
- Abstract要約: HamilToniQは、QPU(Quantum Processing Units)の包括的な評価のための、オープンソースのアプリケーション指向ベンチマークツールキットである。
QPUタイプ、トポロジ、マルチQPUシステムを評価する方法論のフレームワークが組み込まれている。
HamilToniQの標準スコアであるH-Scoreは、QPUの忠実度と信頼性を定量化する。
- 参考スコア（独自算出の注目度）: 4.795321943127061
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce HamilToniQ, an open-source, and application-oriented benchmarking toolkit for the comprehensive evaluation of Quantum Processing Units (QPUs). Designed to navigate the complexities of quantum computations, HamilToniQ incorporates a methodological framework assessing QPU types, topologies, and multi-QPU systems. The toolkit facilitates the evaluation of QPUs' performance through multiple steps including quantum circuit compilation and quantum error mitigation (QEM), integrating strategies that are unique to each stage. HamilToniQ's standardized score, H-Score, quantifies the fidelity and reliability of QPUs, providing a multidimensional perspective of QPU performance. With a focus on the Quantum Approximate Optimization Algorithm (QAOA), the toolkit enables direct, comparable analysis of QPUs, enhancing transparency and equity in benchmarking. Demonstrated in this paper, HamilToniQ has been validated on various IBM QPUs, affirming its effectiveness and robustness. Overall, HamilToniQ significantly contributes to the advancement of the quantum computing field by offering precise and equitable benchmarking metrics.
- Abstract（参考訳）: 本稿では,Quantum Processing Units (QPUs) の包括的な評価を行うための,オープンソースおよびアプリケーション指向ベンチマークツールキットであるHamilToniQを紹介する。
量子計算の複雑さをナビゲートするために設計されたHamilToniQは、QPUタイプ、トポロジ、マルチQPUシステムを評価する方法論のフレームワークを組み込んでいる。
このツールキットは、量子回路コンパイルやQEM(Quantum error mitigation)を含む複数のステップを通じて、各ステージに固有の戦略を統合することで、QPUの性能評価を容易にする。
HamilToniQの標準スコアであるH-Scoreは、QPUの忠実度と信頼性を定量化し、QPU性能の多次元的視点を提供する。
量子近似最適化アルゴリズム(QAOA)に焦点をあてて、このツールキットはQPUの直接的かつ同等な分析を可能にし、ベンチマークにおける透明性とエクイティを向上する。
この論文で実証されたHamilToniQは、様々なIBM QPUで検証され、その有効性と堅牢性を確認している。
全体として、HamilToniQは、正確で公平なベンチマーク指標を提供することで、量子コンピューティング分野の発展に大きく貢献している。
関連論文リスト
- Distributing Quantum Computations, Shot-wise [1.2061873132374783]
NISQ時代の制約、ノイズに対する高感度、および量子ビット数制限は、QPUのユーザビリティに重大な障壁を課している。
本稿では,複数のQPUにまたがる単一回路におけるショットの分配を可能にする,ショットワイズ(shot-wise)と呼ばれる方法論的フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-25T16:16:54Z) - QuAS: Quantum Application Score for benchmarking the utility of quantum computers [0.0]
本稿では,Quantum Application Score (QuAS) と呼ばれる改訂された総合的スコア法を提案する。
本稿では,量子コンピュータの実用性をよりよく評価するアプリケーションレベルの計量値を得る方法について論じる。
D-WaveやIBM、量子インスパイアやリゲッティの量子シミュレータなど、さまざまなハードウェアプラットフォーム上で新しいメトリクスを評価する。
論文 参考訳（メタデータ） (2024-06-06T09:39:58Z) - QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。
量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。
4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文 参考訳（メタデータ） (2023-08-25T15:08:19Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - 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) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - Open Source Variational Quantum Eigensolver Extension of the Quantum
Learning Machine (QLM) for Quantum Chemistry [0.0]
我々は,化学に着想を得た適応手法の使用と開発のための新しいオープンソースQCパッケージ,Open-VQEを紹介した。
Atos Quantum Learning Machine (QLM)は、コンピュータプログラムを記述、最適化できる汎用プログラミングフレームワークである。
OpenVQEとともに、新しいオープンソースモジュールであるmyQLMFermion(QC開発において重要な重要なQLMリソースを含む)を紹介します。
論文 参考訳（メタデータ） (2022-06-17T14:24:22Z) - 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) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳（メタデータ） (2022-01-04T01:53:42Z) - 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) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。