論文の概要: Entanglement-Efficient Distribution of Quantum Circuits over Large-Scale Quantum Networks
- arxiv url: http://arxiv.org/abs/2507.16036v2
- Date: Wed, 23 Jul 2025 08:24:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 12:00:05.677052
- Title: Entanglement-Efficient Distribution of Quantum Circuits over Large-Scale Quantum Networks
- Title(参考訳): 大規模量子ネットワーク上の量子回路のエンタングルメント効率分布
- Authors: Felix Burt, Kuan-Cheng Chen, Kin K. Leung,
- Abstract要約: 異なるネットワークトポロジ上での様々な量子回路の絡み合い条件と時間での性能について検討する。
我々は, 直接分割法よりも実行時間が大幅に低い場合において, 粗大化法は解の質を向上できることを示した。
- 参考スコア(独自算出の注目度): 2.9078970632232104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computers face inherent scaling challenges, a fact that necessitates investigation of distributed quantum computing systems, whereby scaling is achieved through interconnection of smaller quantum processing units. However, connecting large numbers of QPUs will eventually result in connectivity constraints at the network level, where the difficulty of entanglement sharing increases with network path lengths. This increases the complexity of the quantum circuit partitioning problem, since the cost of generating entanglement between end nodes varies with network topologies and existing links. We address this challenge using a simple modification to existing partitioning schemes designed for all-to-all connected networks, that efficiently accounts for both of these factors. We investigate the performance in terms of entanglement requirements and optimisation time of various quantum circuits over different network topologies, achieving lower entanglement costs in the majority of cases than state-of-the-art methods. We provide techniques for scaling to large-scale quantum networks employing both network and problem coarsening. We show that coarsened methods can achieve improved solution quality in most cases with significantly lower run-times than direct partitioning methods.
- Abstract(参考訳): 量子コンピュータは、分散量子コンピューティングシステムの研究を必要とし、より小さな量子処理ユニットの相互接続によってスケーリングが達成されるという事実により、本質的にスケーリングの課題に直面している。
しかし、多数のQPUを接続するとネットワークレベルでの接続制約が発生し、ネットワークパスの長さによって絡み合いの共有が困難になる。
これにより、終端ノード間の絡み合いの発生コストがネットワークトポロジや既存のリンクによって異なるため、量子回路分割問題の複雑さが増大する。
本課題は,これら2つの要因を効果的に説明できる,オール・ツー・オール接続ネットワーク用に設計された既存のパーティショニング方式に,簡単な修正を加えて解決する。
本稿では,様々なネットワークトポロジ上での量子回路の絡み合い要求や最適化時間の観点からの性能を考察し,現状よりもほとんどの場合において絡み合いコストが低いことを示す。
ネットワークと問題粗大化の両方を利用した大規模量子ネットワークへのスケーリング技術を提供する。
我々は, 直接分割法よりも実行時間が大幅に低い場合において, 粗大化法は解の質を向上できることを示した。
関連論文リスト
- Embedding of Tree Tensor Networks into Shallow Quantum Circuits [0.0]
本研究では,木ネットワーク(TTN)を浅い量子回路に埋め込む手法を提案する。
我々の数値的な結果は、TTNの埋め込みは、マトリックス生成状態(MPS)よりも優れた初期量子回路を提供することを示している。
この研究は、VQAの2次元システムと長距離相関系への応用を拡大することが期待されている。
論文 参考訳(メタデータ) (2025-01-31T02:38:17Z) - Exact Quantum Algorithm for Unit Commitment Optimization based on Partially Connected Quantum Neural Networks [12.688426228429604]
本稿では、量子ニューラルネットワーク(QNN)に基づく正確な量子アルゴリズムによる単位コミットメント問題の実装に焦点を当てる。
その結果、改良されたアルゴリズムにより正確な解を得ることができ、量子回路の深さを同時に低減できることがわかった。
論文 参考訳(メタデータ) (2024-11-18T08:29:50Z) - Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。
そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
論文 参考訳(メタデータ) (2024-05-01T20:49:50Z) - Routing in Quantum Repeater Networks with Mixed Efficiency Figures [10.955844285189373]
我々は、より効率のよいノードの分数など、運用量子ネットワークにおけるいくつかの重要なパラメータに焦点を当てる。
シミュレーションにより,ノード品質の知識を取り入れることで,ルーティングパスの忠実度が向上することが示された。
調査ではまた、エンドツーエンドの忠実度における高品質なノードのごく一部の役割を強調し、すべてのノードを高品質にアップグレードしたり、低品質なノードのサブセットを保持することのトレードオフを探究している。
論文 参考訳(メタデータ) (2023-10-13T10:13:16Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳(メタデータ) (2023-09-11T18:00:00Z) - Multi-User Entanglement Distribution in Quantum Networks Using Multipath
Routing [55.2480439325792]
マルチパスルーティングを活用することで,マルチユーザアプリケーションの絡み合い率を高める3つのプロトコルを提案する。
これらのプロトコルは、制限された量子メモリや確率的絡み合い生成を含む、NISQ制約のある量子ネットワーク上で評価される。
論文 参考訳(メタデータ) (2023-03-06T18:06:00Z) - 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) - Entanglement Rate Optimization in Heterogeneous Quantum Communication
Networks [79.8886946157912]
量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。
近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。
量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
論文 参考訳(メタデータ) (2021-05-30T11:34:23Z) - Robustness of Noisy Quantum Networks [0.0]
典型的な雑音の量子-リピータノードに基づく量子ネットワークは、不連続な相転移を起こしやすいことを示す。
以上の結果から,大規模量子インターネットを実現するためには,スケールフリートポロジが重要な設計原則であることが示された。
論文 参考訳(メタデータ) (2021-03-04T19:01:49Z) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-11-23T19:00:01Z)
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。