論文の概要: SAT Strikes Back: Parameter and Path Relations in Quantum Toolchains
- arxiv url: http://arxiv.org/abs/2505.22060v1
- Date: Wed, 28 May 2025 07:32:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 20:07:45.801825
- Title: SAT Strikes Back: Parameter and Path Relations in Quantum Toolchains
- Title（参考訳）: SAT:量子ツールチェーンにおけるパラメータとパスの関係
- Authors: Lukas Schmidbauer, Wolfgang Mauerer,
- Abstract要約: ハードウェア固有の)メトリクスのために最適化された(複数の)変換パスを見つけることが重要です。
我々は、k-SATインスタンスを入力としてフォーカスし、QUBOへの変換を行うことにより、この変換ツリーを拡大する。
私たちの結果は、自動(量子)ツールチェーンにおいても、前もって変換の有効なパスを評価するために使用できます。
- 参考スコア（独自算出の注目度）: 3.0189109720302207
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the foreseeable future, toolchains for quantum computing should offer automatic means of transforming a high level problem formulation down to a hardware executable form. Thereby, it is crucial to find (multiple) transformation paths that are optimised for (hardware specific) metrics. We zoom into this pictured tree of transformations by focussing on k-SAT instances as input and their transformation to QUBO, while considering structure and characteristic metrics of input, intermediate and output representations. Our results can be used to rate valid paths of transformation in advance -- also in automated (quantum) toolchains. We support the automation aspect by considering stability and therefore predictability of free parameters and transformation paths. Moreover, our findings can be used in the manifesting era of error correction (since considering structure in a high abstraction layer can benefit error correcting codes in layers below). We also show that current research is closely linked to quadratisation techniques and their mathematical foundation.
- Abstract（参考訳）: 近い将来、量子コンピューティングのツールチェーンは、ハイレベルな問題の定式化をハードウェア実行可能な形式に変換する自動的な手段を提供するべきである。
これにより、(ハードウェア固有の)メトリクスに最適化された(複数の)変換パスを見つけることが重要です。
我々は、入力、中間および出力表現の構造と特性指標を考慮して、k-SATインスタンスを入力とし、QUBOへの変換に焦点をあてることで、この変換ツリーを拡大する。
私たちの結果は、自動(量子)ツールチェーンにおいても、前もって変換の有効なパスを評価するために使用できます。
我々は,自由パラメータと変換経路の安定性と予測可能性を考慮することにより,自動化の側面を支援する。
さらに, この発見は, エラー訂正の顕在化時代にも有効である(高抽象化層の構造を考えると, 下層のエラー訂正符号の恩恵を受けることができる)。
また,本研究は,2次化手法とその数学的基礎と密接に関連していることが示唆された。
関連論文リスト
- A Scalable Synthesis Algorithm for Reversible Functions [1.3654846342364308]
本稿では,変換に基づく可逆回路の正確な合成法を提案する。
実験により, 最先端の精密合成法に比べ, T-ゲートの量で最大99%の改善が得られた。
論文 参考訳（メタデータ） (2025-04-03T14:29:33Z) - Transformers to Predict the Applicability of Symbolic Integration Routines [0.0]
我々は、このタスクをコンピュータシステムで最適化するために機械学習がどのように使われるかを検討する。
我々は、特定の統合手法が成功するかどうかを予測するトランスフォーマーを訓練し、既存の人造アルジェブラと比較する。
変換器はこれらのガードより優れており、最大30%の精度と70%の精度が得られる。
論文 参考訳（メタデータ） (2024-10-31T14:03:37Z) - Circuit Transformer: A Transformer That Preserves Logical Equivalence [20.8279111910994]
生成型ニューラルモデル "Circuit Transformer" を導入し,論理回路を与えられたブール関数と厳密に等価に生成する。
回路の特定の目的を最適化するためにマルコフ決定過程の定式化も提案されている。
論文 参考訳（メタデータ） (2024-03-14T03:24:14Z) - Quantum Fourier Transformation Circuits Compilation [7.1069624340204465]
本研究は、量子変換(QFT)回路におけるドメイン固有のハードウェアマッピング戦略に焦点を当てる。
我々は、技術的直観(しばしば「教育された推測」と呼ばれる)と洗練された合成プログラムツールを組み合わせた新しいアプローチを採用する。
我々の研究の画期的な成果は、Google Sycamore、IBM Heavy-hex、および従来の2次元(2D)グリッド構成のために設計された最初の線形深度変換QFT回路の導入である。
論文 参考訳（メタデータ） (2023-12-17T21:26:17Z) - Learning Transformer Programs [78.9509560355733]
設計によって機械的に解釈可能なトランスフォーマーの訓練手順を導入する。
人書きプログラムをTransformerにコンパイルする代わりに、勾配に基づく最適化を用いてトレーニングできる改良されたTransformerを設計する。
Transformer Programsは適切なソリューションを自動的に見つけ、同等のサイズの標準のTransformerと同等に動作する。
論文 参考訳（メタデータ） (2023-06-01T20:27:01Z) - Vision Transformer with Quadrangle Attention [76.35955924137986]
窓面に基づく注意を一般的な四角形定式化に拡張する新しい四角形注意法(QA)を提案する。
提案手法では,既定のウィンドウを対象の四角形に変換するために,変換行列を予測し,エンドツーエンドで学習可能な四角形回帰モジュールを用いる。
QAをプレーンかつ階層的な視覚変換器に統合し、QFormerという名の新しいアーキテクチャを作成します。
論文 参考訳（メタデータ） (2023-03-27T11:13:50Z) - Suppressing quantum circuit errors due to system variability [0.0]
本稿では,現在のノイズの多い量子コンピューティングプラットフォームに固有の誤差率の変動を考慮した量子回路最適化手法を提案する。
コスト関数を効率よく計算することで、より優れた量子ビット選択を用いて、平均的な不確かさのほとんどを回復できることが示される。
論文 参考訳（メタデータ） (2022-09-30T15:00:38Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳（メタデータ） (2022-01-06T21:02:30Z) - Statistically Meaningful Approximation: a Case Study on Approximating
Turing Machines with Transformers [50.85524803885483]
本研究は,統計的学習性を示すために近似ネットワークを必要とする統計有意(SM)近似の形式的定義を提案する。
回路とチューリングマシンの2つの機能クラスに対するSM近似について検討する。
論文 参考訳（メタデータ） (2021-07-28T04:28:55Z) - Transformer-based Machine Learning for Fast SAT Solvers and Logic
Synthesis [63.53283025435107]
CNFベースのSATとMaxSATは論理合成と検証システムの中心である。
そこで本研究では,Transformerアーキテクチャから派生したワンショットモデルを用いて,MaxSAT問題の解法を提案する。
論文 参考訳（メタデータ） (2021-07-15T04:47:35Z)
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。