論文の概要: Distributing Quantum Computations, Shot-wise
- arxiv url: http://arxiv.org/abs/2411.16530v1
- Date: Mon, 25 Nov 2024 16:16:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:24:23.443744
- Title: Distributing Quantum Computations, Shot-wise
- Title（参考訳）: 分散量子計算, ショットワイズ
- Authors: Giuseppe Bisicchia, Giuseppe Clemente, Jose Garcia-Alonso, Juan Manuel Murillo Rodríguez, Massimo D'Elia, Antonio Brogi,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.2061873132374783
- License:
- Abstract: NISQ (Noisy Intermediate-Scale Quantum) era constraints, high sensitivity to noise and limited qubit count, impose significant barriers on the usability of QPUs (Quantum Process Units) capabilities. To overcome these challenges, researchers are exploring methods to maximize the utility of existing QPUs despite their limitations. Building upon the idea that the execution of a quantum circuit's shots needs not to be treated as a singular monolithic unit, we propose a methodological framework, termed shot-wise, which enables the distribution of shots for a single circuit across multiple QPUs. Our framework features customizable policies to adapt to various scenarios. Additionally, it introduces a calibration method to pre-evaluate the accuracy and reliability of each QPU's output before the actual distribution process and an incremental execution mechanism for dynamically managing the shot allocation and policy updates. Such an approach enables flexible and fine-grained management of the distribution process, taking into account various user-defined constraints and (contrasting) objectives. Experimental findings show that while these strategies generally do not exceed the best individual QPU results, they maintain robustness and align closely with average outcomes. Overall, the shot-wise methodology improves result stability and often outperforms single QPU runs, offering a flexible approach to managing variability in quantum computing.
- Abstract（参考訳）: NISQ (Noisy Intermediate-Scale Quantum) 時代の制約、ノイズに対する高感度、および限定キュービットカウントは、QPU(Quantum Process Units) の機能のユーザビリティに重大な障壁を課している。
これらの課題を克服するため、研究者は制限にもかかわらず既存のQPUの有用性を最大化する方法を模索している。
量子回路のショットの実行を単一のモノリシック単位として扱う必要はないという考えに基づいて、複数のQPUにまたがる単一回路に対するショットの分布を可能にする、ショットワイズと呼ばれる方法論的枠組みを提案する。
我々のフレームワークは、様々なシナリオに適応するカスタマイズ可能なポリシーを備えている。
さらに、実際の配信プロセスの前に各QPUの出力の精度と信頼性を事前に評価するキャリブレーション手法と、ショットアロケーションとポリシー更新を動的に管理するインクリメンタル実行機構を導入する。
このようなアプローチは、様々なユーザ定義の制約や(対照的に)目的を考慮して、分散プロセスの柔軟できめ細かい管理を可能にします。
実験結果から,これらの戦略は一般に最高のQPU結果を超えないが,ロバスト性を維持し,平均結果と密接に一致していることが示唆された。
全体として、ショットワイズ手法は結果の安定性を向上し、量子コンピューティングにおける可変性を管理する柔軟なアプローチを提供することで、単一のQPU実行を上回ります。
関連論文リスト
- Non-Variational Quantum Random Access Optimization with Alternating Operator Ansatz [3.5773675235837974]
量子ランダムアクセス最適化(QRAO)は、量子最適化の空間要求を減らすために提案されている。
インスタンスに依存しない'固定'パラメータは優れた性能を示し、変分パラメータ最適化の必要性を排除した。
本研究は,早期のフォールトトレラント量子コンピュータ上でのQRAOの実践的実行の道を開くものである。
論文 参考訳（メタデータ） (2025-02-06T18:25:31Z) - Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - Resource Management and Circuit Scheduling for Distributed Quantum Computing Interconnect Networks [4.0985912998349345]
分散量子コンピューティング(DQC)は、モノリシック量子プロセッサのスケーラビリティ制限を克服するための有望なアプローチとして登場した。
本稿では,このようなネットワークにおける資源割り当ての問題に対処し,量子ファーム環境における資源管理に焦点をあてる。
本稿では,QPU間通信遅延による劣化の最小化を目的とした,QPU割り当てのための多目的最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-19T11:39:46Z) - Artificial-Intelligence-Driven Shot Reduction in Quantum Measurement [6.649102874357367]
変量量子固有解法(VQE)は、分子基底エネルギーを近似するための強力な解を提供する。
量子ハードウェアにおける推定確率は繰り返し測定を必要とする(ショット)
本稿では,全撮影量を最小化するために,自動でショット割り当てポリシーを学習する強化学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-05-03T21:51:07Z) - HamilToniQ: An Open-Source Benchmark Toolkit for Quantum Computers [4.795321943127061]
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。
論文 参考訳（メタデータ） (2024-04-22T08:27:14Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - Scaling Limits of Quantum Repeater Networks [62.75241407271626]
量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。
量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。
本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
論文 参考訳（メタデータ） (2023-05-15T14:57:01Z) - Benchmarking the Reliability of Post-training Quantization: a Particular
Focus on Worst-case Performance [53.45700148820669]
ポストトレーニング量子化(PTQ)は、独自のアーキテクチャやトレーニング手順を変更することなく、ディープニューラルネットワーク(DNN)を圧縮するための一般的な方法である。
その有効性と利便性にもかかわらず、分散シフトやデータノイズといった極端ケースの存在下でのPTQ手法の信頼性は明らかにされていない。
そこで本研究では,様々なPTQ手法を用いてこの問題について検討する。
論文 参考訳（メタデータ） (2023-03-23T02:55:50Z) - 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) - 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。