論文の概要: HAQA: A Hardware-Guided and Fidelity-Aware Strategy for Efficient Qubit Mapping Optimization

• arxiv url: http://arxiv.org/abs/2504.16468v1
• Date: Wed, 23 Apr 2025 07:27:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.032919
• Title: HAQA: A Hardware-Guided and Fidelity-Aware Strategy for Efficient Qubit Mapping Optimization
• Title（参考訳）: HAQA: 効率的なビットマッピング最適化のためのハードウェアガイドと忠実度を考慮した戦略
• Authors: Wenjie Sun, Xiaoyu Li, Lianhui Yu, Zhigang Wang, Geng Chen, Desheng Zheng, Guowu Yang,
• Abstract要約: 既存のマッピング手法は、難解な量子ハードウェアの忠実度特性を見落とし、回路実行品質を低下させる。 本稿では、ハードウェアの忠実度情報をマッピングプロセスに統合し、忠実度量子ビット割り当てを可能にする新しい量子ビットマッピング手法HAQAを提案する。 最先端の量子マッピング技術に適用すると、HAQAはそれぞれ632.76と286.87の加速比を達成し、忠実度は52.69%と238.28%に向上する。
• 参考スコア（独自算出の注目度）: 13.658067843596733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum algorithms rely on quantum computers for implementation, but the physical connectivity constraints of modern quantum processors impede the efficient realization of quantum algorithms. Qubit mapping, a critical technology for practical quantum computing applications, directly determines the execution efficiency and feasibility of algorithms on superconducting quantum processors. Existing mapping methods overlook intractable quantum hardware fidelity characteristics, reducing circuit execution quality. They also exhibit prolonged solving times or even failure to complete when handling large-scale quantum architectures, compromising efficiency. To address these challenges, we propose a novel qubit mapping method HAQA. HAQA first introduces a community-based iterative region identification strategy leveraging hardware connection topology, achieving effective dimensionality reduction of mapping space. This strategy avoids global search procedures, with complexity analysis demonstrating quadratic polynomial-level acceleration. Furthermore, HAQA implements a hardware-characteristic-based region evaluation mechanism, enabling quantitative selection of mapping regions based on fidelity metrics. This approach effectively integrates hardware fidelity information into the mapping process, enabling fidelity-aware qubit allocation. Experimental results demonstrate that HAQA significantly improves solving speed and fidelity while ensuring solution quality. When applied to state-of-the-art quantum mapping techniques Qsynth-v2 and TB-OLSQ2, HAQA achieves acceleration ratios of 632.76 and 286.87 respectively, while improving fidelity by up to 52.69% and 238.28%
• Abstract（参考訳）: 量子アルゴリズムは実装には量子コンピュータに依存するが、現代の量子プロセッサの物理的接続制約は量子アルゴリズムの効率的な実現を妨げている。 量子コンピューティング応用のための重要な技術であるクビットマッピングは、超伝導量子プロセッサ上でのアルゴリズムの実行効率と実現可能性を直接決定する。 既存のマッピング手法は、難解な量子ハードウェアの忠実度特性を見落とし、回路実行品質を低下させる。 それらはまた、大規模な量子アーキテクチャを扱う際に、長時間の解決時間や完了の失敗を示し、効率を損なう。 これらの課題に対処するために、新しい量子ビットマッピング法HAQAを提案する。 HAQAはまず,ハードウェア接続トポロジを利用したコミュニティベースの反復的領域識別戦略を導入し,マッピング空間の有効次元化を実現する。 この戦略は、二次多項式レベルの加速度を示す複雑性解析を用いて、大域的な探索手順を回避する。 さらに、HAQAはハードウェア特性に基づく領域評価機構を実装し、忠実度測定値に基づくマッピング領域の定量的選択を可能にする。 このアプローチは、ハードウェアの忠実度情報をマッピングプロセスに統合し、忠実度を意識した量子ビット割り当てを可能にする。 実験の結果,HAQAは解法品質を確保しつつ,解法速度と忠実度を著しく向上することがわかった。 最先端の量子マッピング技術 Qsynth-v2 と TB-OLSQ2 に適用すると、HAQA はそれぞれ 632.76 と 286.87 の加速比を達成し、忠実度は 52.69% と 238.28% まで向上する。

関連論文リスト

• CutQAS: Topology-aware quantum circuit cutting via reinforcement learning [0.0]
  量子回路切断と量子アーキテクチャ探索(QAS)を統合して量子化学シミュレーションを強化するフレームワークであるCutQASを提案する。 まず、RLエージェントが最適回路構造を特定するために可能な全てのトポロジを探索し、次いで第2のRLエージェントが最適な回路切断を決定することにより選択したトポロジを洗練し、制約のあるハードウェア上での効率的な実行を保証する。
  論文  参考訳（メタデータ） (2025-04-05T13:13:50Z)
• Hardware-aware Circuit Cutting and Distributed Qubit Mapping for Connected Quantum Systems [23.861374790490576]
  DisMapは、チップからチップまでの分散量子システムのための、自己適応的でハードウェア対応のフレームワークである。 量子ビットノイズとエラー率を分析し、仮想システムトポロジを構築し、回路分割を誘導し、分散量子ビットマッピングを行う。 DisMapは20.8%の忠実度向上を実現し、SWAPオーバーヘッドを最大80.2%削減した。
  論文  参考訳（メタデータ） (2024-12-24T14:32:06Z)
• MLQM: Machine Learning Approach for Accelerating Optimal Qubit Mapping [13.958125071955742]
  最適量子ビットマッピング(MLQM)の高速化のための機械学習手法を提案する。 まず,事前知識と機械学習に基づくグローバル検索空間の探索手法を提案する。 第2に,学習課題における有効サンプルの可用性の限界に対処するため,MLQMは新たなデータ拡張と改善手法を導入した。
  論文  参考訳（メタデータ） (2024-12-04T11:49:09Z)
• Noise-Aware Distributed Quantum Approximate Optimization Algorithm on Near-term Quantum Hardware [2.753858051267023]
  本稿では,短期量子ハードウェア上での動作に適した雑音対応分散量子近似最適化アルゴリズム(QAOA)を提案する。 我々は、現在のノイズ中間量子(NISQ)デバイスの限界に対処し、量子ビット数の制限と高いエラー率によって妨げられている。
  論文  参考訳（メタデータ） (2024-07-24T14:50:01Z)
• Revisiting the Mapping of Quantum Circuits: Entering the Multi-Core Era [2.465579331213113]
  本稿では,コア間通信の削減を目的として,コアへのキュービット割り当てを最適化するために設計されたマルチコアマッピングアルゴリズムである,ハンガリークビット割り当て(HQA)アルゴリズムを紹介する。 モジュラーアーキテクチャの最先端回路マッピングアルゴリズムに対するHQAの評価では、実行時間と非ローカル通信の点で4.9times$と1.6times$の改善が示されている。
  論文  参考訳（メタデータ） (2024-03-25T21:31:39Z)
• 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)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Algorithm-Oriented Qubit Mapping for Variational Quantum Algorithms [3.990724104767043]
  短期デバイスに実装された量子アルゴリズムは、ノイズと限定的な量子ビット接続による量子ビットマッピングを必要とする。 本稿では,アルゴリズム指向キュービットマッピング(AOQMAP)と呼ばれる手法を提案する。
  論文  参考訳（メタデータ） (2023-10-15T13:18:06Z)
• On-Chip Hardware-Aware Quantization for Mixed Precision Neural Networks [52.97107229149988]
  エッジデバイス上でハードウェア対応の混合精度量子化を行うOn-Chipハードウェア・アウェア量子化フレームワークを提案する。 このパイプラインは、量子化プロセスが量子化演算子の実際のハードウェア効率を知覚することを可能にする。 精度測定のために,マルチチップシナリオにおける演算子の精度への影響を効果的に推定するMask-Guided Quantization Estimation技術を提案する。
  論文  参考訳（メタデータ） (2023-09-05T04:39:34Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• 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。