論文の概要: BOSS: Blocking algorithm for optimizing shuttling scheduling in Ion Trap

• arxiv url: http://arxiv.org/abs/2412.03443v1
• Date: Wed, 04 Dec 2024 16:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:06:54.804233
• Title: BOSS: Blocking algorithm for optimizing shuttling scheduling in Ion Trap
• Title（参考訳）: BOSS:イオントラップにおけるシャットリングスケジューリング最適化のためのブロッキングアルゴリズム
• Authors: Xian Wu, Chenghong Zhu, Jingbo Wang, Xin Wang,
• Abstract要約: イオントラップは量子ハードウェア技術の最先端に立ち、量子コンピューティングの非並列的な利点を提示している。 我々は,シャットリング効率を向上させるために,効率的なブロッキングアルゴリズムであるBOSSを開発した。 本手法は、ほとんどのアプリケーションにおいて、最大96.1%の削減で、シャトルの数を著しく削減する。
• 参考スコア（独自算出の注目度）: 33.720436732911644
• License:
• Abstract: Ion traps stand at the forefront of quantum hardware technology, presenting unparalleled benefits for quantum computing, such as high-fidelity gates, extensive connectivity, and prolonged coherence times. In this context, we explore the critical role of shuttling operations within these systems, especially their influence on the fidelity loss and elongated execution times. To address these challenges, we have developed BOSS, an efficient blocking algorithm tailored to enhance shuttling efficiency. This optimization not only bolsters the shuttling process but also elevates the overall efficacy of ion trap devices. We experimented on multiple applications using two qubit gates up to 4000+ and qubits ranging from 64 to 78. Our method significantly reduces the number of shuttles on most applications, with a maximum reduction of 96.1%. Additionally, our investigation includes simulations of realistic experimental parameters that incorporate sympathetic cooling, offering a higher fidelity and a refined estimate of execution times that align more closely with practical scenarios.
• Abstract（参考訳）: イオントラップは量子ハードウェア技術の最前線に立ち、高忠実度ゲート、広範囲の接続、長いコヒーレンス時間などの量子コンピューティングの非並列的な利点を提示している。 本稿では,これらのシステムにおける操作を停止させる重要な役割,特に不確かさの喪失と実行時間の延長に対する影響について考察する。 これらの課題に対処するため、我々はシャットリング効率を向上させるために最適化された効率的なブロッキングアルゴリズムであるBOSSを開発した。 この最適化により、シャットリングプロセスが促進されるだけでなく、イオントラップ装置の全体的な有効性が向上する。 我々は64から78までの2つのキュービットゲートと4000以上のキュービットを用いた複数の応用実験を行った。 本手法は、ほとんどのアプリケーションにおいて、最大96.1%の削減で、シャトルの数を著しく削減する。 さらに,同調冷却を取り入れた現実的な実験パラメータのシミュレーションや,より忠実度の高い実行時間推定,実用的なシナリオとの整合性の向上などについても検討した。

関連論文リスト

• Scaling and assigning resources on ion trap QCCD architectures [0.0]
  イオントラップ技術は量子情報処理の候補として大きな注目を集めている。 提案手法は,従来の手法と比較して最大50%の精度向上を図り,初期量子ビット配置に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-01T01:35:55Z)
• Optimal control in large open quantum systems: the case of transmon readout and reset [44.99833362998488]
  本稿では, 随伴状態法と逆時間バックプロパゲーションを組み合わせることで, 極めて大規模なオープンシステム量子制御問題を解く枠組みを提案する。 超伝導量子ビットにおける2つの本質的に散逸する演算を最適化するために、この枠組みを適用した。 システムパラメータの固定化により,制御パルスの形状は両操作の忠実度と持続時間において2倍の改善が得られた。
  論文  参考訳（メタデータ） (2024-03-21T18:12:51Z)
• The Surprising Effectiveness of Skip-Tuning in Diffusion Sampling [78.6155095947769]
  Skip-Tuningは、スキップ接続上でシンプルだが驚くほど効果的にトレーニング不要なチューニング方法である。 ImageNet 64 では 19 NFE (1.75) で事前訓練された EDM に対して100% FID の改善が可能である。 Skip-Tuningは画素空間におけるスコアマッチング損失を増加させる一方、特徴空間における損失は減少する。
  論文  参考訳（メタデータ） (2024-02-23T08:05:23Z)
• High-fidelity transmon coupler activated CCZ gate on fluxonium qubits [0.0]
  本研究では,カプラ上のマイクロ波パルスによって活性化されるトランスモン量子ビットを介して容量的に接続されたフラキソニウム上で,高忠実なCCZゲートを動作させる新しい方法を提案する。 ノイズレスモデルでは,95n長ゲートの99.99%以上の忠実度を実測回路パラメータで数値シミュレーションし,従来のデコヒーレンス率で約0.25%の誤差を推定する。
  論文  参考訳（メタデータ） (2023-08-29T11:36:19Z)
• Optimizing quantum gates towards the scale of logical qubits [78.55133994211627]
  量子ゲート理論の基本的な前提は、量子ゲートはフォールトトレランスの誤差閾値を超えることなく、大きなプロセッサにスケールできるということである。 ここでは、このような問題を克服できる戦略について報告する。 我々は、68個の周波数可変ビットの周波数軌跡をコレオグラフィーして、超伝導エラー中に単一量子ビットを実行することを示した。
  論文  参考訳（メタデータ） (2023-08-04T13:39:46Z)
• Clifford Assisted Optimal Pass Selection for Quantum Transpilation [2.8192289321660153]
  量子トランスパイレーションのための最適パスセットを選択するためのフレームワークである OPTRAN を提案する。 OPTRAN は IBM Qiskit が使用するベースラインの最大限界の87.66% で忠実さを向上することを示す。 また,OPTRANよりも78.33%,76.66%の許容限界を58.33%,69.44%のコスト削減で改善するOPTRAN-E-3およびOPTRAN-E-1の低コスト版を提案する。
  論文  参考訳（メタデータ） (2023-06-26T19:21:45Z)
• Tuning Particle Accelerators with Safety Constraints using Bayesian Optimization [73.94660141019764]
  粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。 我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
  論文  参考訳（メタデータ） (2022-03-26T02:21:03Z)
• ATTACC the Quadratic Bottleneck of Attention Layers [3.2741800634280245]
  本稿では、ディープニューラルネットワーク(DNN)アクセラレーターのための新しいアテンション調整データフローであるFLATを紹介する。 高帯域幅で低容量のオンチップバッファを効率的に利用することで、効果的なメモリ帯域幅を増大させる。 評価では,ATTACCは最先端エッジやクラウドアクセラレータと比較して1.94倍,1.76倍,49%,42%のエネルギー削減を達成した。
  論文  参考訳（メタデータ） (2021-07-13T22:23:40Z)
• Ps and Qs: Quantization-aware pruning for efficient low latency neural network inference [56.24109486973292]
  超低遅延アプリケーションのためのニューラルネットワークのトレーニング中の分級と量子化の相互作用を研究します。 量子化アウェアプルーニングは,タスクのプルーニングや量子化のみよりも計算効率のよいモデルであることが判明した。
  論文  参考訳（メタデータ） (2021-02-22T19:00:05Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。