論文の概要: Optimal multicore quantum computing with few interconnects
- arxiv url: http://arxiv.org/abs/2501.10247v1
- Date: Fri, 17 Jan 2025 15:23:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-20 13:59:25.709376
- Title: Optimal multicore quantum computing with few interconnects
- Title(参考訳): 相互接続の少ない最適マルチコア量子コンピューティング
- Authors: J. Montes, F. Borondo, Gabriel G. Carlo,
- Abstract要約: 本研究では,複数のコアに分散したランダム回路のパラダイム的普遍系列の複雑性挙動について検討する。
最適複雑性は相互接続がほとんどない状態で達成される。
また、同じサイズのコアを追加することで、プロセッサをスケールアップする際の複雑性特性も分析します。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Noisy intermediate-scale quantum processors have produced a quantum computation revolution in recent times. However, to make further advances new strategies to overcome the error rate growth are needed. One possible way out is dividing these devices into many cores. On the other hand, the majorization criterion efficiently classifies quantum circuits in terms of their complexity, which can be directly related to their ability of performing non classically simulatable computations. In this paper, we use this criterion to study the complexity behavior of a paradigmatic universal family of random circuits distributed into several cores with different architectures. We find that the optimal complexity is reached with few interconnects, this giving further hope to actual implementations in nowadays available devices. A universal behavior is found irrespective of the architecture and (approximately) of the core size. We also analyze the complexity properties when scaling processors up by means of adding cores of the same size. We provide a conjecture to explain the results.
- Abstract(参考訳): ノイズの多い中間スケール量子プロセッサは近年、量子計算革命を生み出している。
しかし、さらなる進歩のためには、エラー率の増大を克服する新たな戦略が必要である。
可能な方法のひとつは、これらのデバイスを多くのコアに分割することだ。
一方、偏化基準は量子回路をその複雑性の観点から効率的に分類し、非古典的にシミュレート可能な計算を行う能力と直接的に関連付けることができる。
本稿では、この基準を用いて、異なるアーキテクチャを持つ複数のコアに分散されたランダム回路のパラダイム的普遍的ファミリーの複雑さの挙動を研究する。
最適複雑性は相互接続がほとんどない状態で達成できることに気付き、これによって、現在利用可能なデバイスでの実際の実装がさらに期待できる。
普遍的な振る舞いは、アーキテクチャと(およそ)コアサイズに関係なく見出される。
また、同じサイズのコアを追加することで、プロセッサをスケールアップする際の複雑性特性も分析します。
結果を説明するための予想を提供する。
関連論文リスト
- Improving the Reliability of Quantum Circuits by Evolving Heterogeneous Ensembles [4.014524824655107]
量子コンピュータは、従来のコンピュータよりも指数関数的に高速な演算を実行できるが、量子回路の設計は困難である。
進化的アルゴリズムを用いて確率論的量子回路を作り、どの入力に対してもより頻繁に正しい出力を与える。
この結果から,異種アンサンブルの進化は,量子回路の信頼性向上に有効な戦略であることが示唆された。
論文 参考訳(メタデータ) (2024-09-13T12:38:17Z) - Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。
短絡の新規・ハードウェア対応回路の発見能力を示す。
本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文 参考訳(メタデータ) (2024-06-18T01:49:48Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - Mapping quantum circuits to modular architectures with QUBO [3.0148208709026005]
マルチコアアーキテクチャでは、アルゴリズムの実行時にコア間の通信量を最小化することが重要である。
問題と解をエンコードする擬似非制約バイナリ最適化手法を初めて提案する。
提案手法は有望な結果を示し,非常に高密度かつ並列化された回路で極めて良好に動作した。
論文 参考訳(メタデータ) (2023-05-11T09:45:47Z) - 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) - The Basis of Design Tools for Quantum Computing: Arrays, Decision
Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。
完全に自動化された量子ソフトウェアスタックを開発する必要がある。
この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文 参考訳(メタデータ) (2023-01-10T19:00:00Z) - 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) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Divide and Conquer for Combinatorial Optimization and Distributed
Quantum Computation [3.8221353389253676]
本稿では、大規模最適化問題を分散量子アーキテクチャにマッピングするハイブリッド変分法である量子除算法(QDCA)を紹介する。
これはグラフ分割と量子回路切断の組み合わせによって達成される。
我々は、最大独立集合問題のインスタンス上でQDCAをシミュレートし、類似の古典的アルゴリズムよりも優れた性能が得られることを確かめる。
論文 参考訳(メタデータ) (2021-07-15T18:00:32Z) - Quantum Ensemble for Classification [2.064612766965483]
機械学習のパフォーマンスを改善する強力な方法は、複数のモデルの予測を組み合わせたアンサンブルを構築することである。
量子重ね合わせ,絡み合い,干渉を利用して分類モデルのアンサンブルを構築する新しい量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-02T11:26:54Z)
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。