論文の概要: QuSplit: Achieving Both High Fidelity and Throughput via Job Splitting on Noisy Quantum Computers

• arxiv url: http://arxiv.org/abs/2501.12492v2
• Date: Tue, 11 Mar 2025 22:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:34:48.428799
• Title: QuSplit: Achieving Both High Fidelity and Throughput via Job Splitting on Noisy Quantum Computers
• Title（参考訳）: QuSplit: ノイズの多い量子コンピュータ上でのジョブ分割による高忠実性とスループットの両面での達成
• Authors: Jinyang Li, Yuhong Song, Yipei Liu, Jianli Pan, Lei Yang, Travis Humble, Weiwen Jiang,
• Abstract要約: 我々は、ジョブ分割を組み込んだ遺伝的アルゴリズムに基づくスケジューリングフレームワークを開発し、忠実度とスループットを最適化する。 実験の結果,本手法はシステムスループットを著しく向上しつつ,全ジョブにわたって高い忠実性を維持していることがわかった。
• 参考スコア（独自算出の注目度）: 6.46676684248918
• License:
• Abstract: With the progression into the quantum utility era, computing is shifting toward quantum-centric architectures, where multiple quantum processors collaborate with classical computing resources. Platforms such as IBM Quantum and Amazon Braket exemplify this trend, enabling access to diverse quantum backends. However, efficient resource management remains a challenge, as quantum processors are highly susceptible to noise, which significantly impacts computation fidelity. Additionally, the heterogeneous noise characteristics across different processors add further complexity to scheduling and resource allocation. Existing scheduling strategies typically focus on mapping and scheduling jobs to these heterogeneous backends, which leads to some jobs suffering extremely low fidelity. Targeting quantum optimization jobs (e.g., VQC, VQE, QAOA) - among the most promising quantum applications in the NISQ era - we hypothesize that executing the later stages of a job on a high-fidelity quantum processor can significantly improve overall fidelity. To verify this, we use VQE as a case study and develop a Genetic Algorithm-based scheduling framework that incorporates job splitting to optimize fidelity and throughput. Experimental results demonstrate that our approach consistently maintains high fidelity across all jobs while significantly enhancing system throughput. Furthermore, the proposed algorithm exhibits excellent scalability in handling an increasing number of quantum processors and larger workloads, making it a robust and practical solution for emerging quantum computing platforms. To further substantiate its effectiveness, we conduct experiments on a real quantum processor, IBM Strasbourg, which confirm that job splitting improves fidelity and reduces the number of iterations required for convergence.
• Abstract（参考訳）: 量子ユーティリティ時代が進むにつれ、コンピューティングは量子中心アーキテクチャへとシフトし、複数の量子プロセッサが古典的なコンピューティングリソースと協調している。 IBM QuantumやAmazon Braketといったプラットフォームはこの傾向を実証し、さまざまな量子バックエンドへのアクセスを可能にしている。 しかし、量子プロセッサはノイズの影響を受けやすいため、計算精度に大きな影響を及ぼすため、効率的なリソース管理は依然として課題である。 さらに、異なるプロセッサ間の異種ノイズ特性により、スケジューリングとリソース割り当てがさらに複雑になる。 既存のスケジューリング戦略は、通常、これらの異種バックエンドへのジョブのマッピングとスケジューリングに重点を置いている。 量子最適化ジョブ(例えば、VQC、VQE、QAOA)のターゲットは、NISQ時代で最も有望な量子アプリケーションである。 これを検証するために、我々はVQEをケーススタディとして使用し、ジョブ分割を組み込んだ遺伝的アルゴリズムに基づくスケジューリングフレームワークを開発し、忠実度とスループットを最適化する。 実験の結果,本手法はシステムスループットを著しく向上しつつ,全ジョブにわたって高い忠実性を維持していることがわかった。 さらに,提案アルゴリズムは,多数の量子プロセッサや大規模ワークロードを扱う上で優れたスケーラビリティを示し,新たな量子コンピューティングプラットフォームのための堅牢で実用的なソリューションである。 さらに、実量子プロセッサであるIBM Strasbourgの実験を行い、ジョブ分割が忠実性を改善し、収束に必要なイテレーション数を減少させることを確認した。

関連論文リスト

• Variational Quantum Algorithms for Combinatorial Optimization [0.571097144710995]
  変分アルゴリズム (VQA) は, NISQシステムの実用化に向けた最有力候補の1つである。 本稿では,VQAの現状と最近の発展を考察し,近似最適化への適用性を強調した。 10ノードと20ノードのグラフ上でMaxCut問題を解くために,深さの異なるQAOA回路を実装した。
  論文  参考訳（メタデータ） (2024-07-08T22:02:39Z)
• Quantum Multi-Agent Reinforcement Learning for Aerial Ad-hoc Networks [0.19791587637442667]
  本稿では,航空通信のユースケースを提示し,それを解くためのハイブリッド量子古典型MLアルゴリズムを提案する。 その結果,古典的アルゴリズムに匹敵する量子化解の性能はわずかに向上した。 これらの有望な結果は、産業関連複雑なユースケースに対するQMARLの可能性を示している。
  論文  参考訳（メタデータ） (2024-04-26T15:57:06Z)
• Unlocking Quantum Optimization: A Use Case Study on NISQ Systems [0.0]
  本稿では、電気自動車の充電スケジュールを最適化する分野における産業関連ユースケースと、トラック走行経路の最適化に関するユースケースについて考察する。 我々の中心的なコントリビューションは、IBMのゲートベース量子コンピュータの異なるプロセッサとD-Waveの量子アニール上で実行されるこれらのユースケースから導かれる系統的な一連の例である。
  論文  参考訳（メタデータ） (2024-04-10T17:08:07Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Preparing random state for quantum financing with quantum walks [1.2074552857379273]
  本稿では,古典的ハードウェア上で量子コンピュータや量子シミュレータで実行可能な量子状態に古典的データをロードする効率的な手法を提案する。 Qiskitを使ったSSQWの実装の実践例がオープンソースソフトウェアとしてリリースされた。 所望の確率振幅分布を生成するための有望な方法として、その可能性を示すことは、量子シミュレーションによるオプション価格設定におけるSSQWの適用の可能性を強調している。
  論文  参考訳（メタデータ） (2023-02-24T08:01:35Z)
• 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)
• 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)
• 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。