論文の概要: Qubit Health Analytics and Clustering for HPC-Integrated Quantum Processors

• arxiv url: http://arxiv.org/abs/2508.21231v1
• Date: Thu, 28 Aug 2025 21:48:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.883123
• Title: Qubit Health Analytics and Clustering for HPC-Integrated Quantum Processors
• Title（参考訳）: HPC集積量子プロセッサのためのQubit Health Analyticsとクラスタリング
• Authors: Xiaolong Deng, Laura Schulz, Martin Schulz,
• Abstract要約: 本稿では、キャリブレーションメトリクスを処理するためのデータ駆動型フレームワークを提案する。 我々は、時間的パターンとクロスメトリック相関を明らかにするために詳細なデータ分析を適用した。 本研究は,健康指標およびハードウェア駆動型メンテナンスと再校正勧告を提供する。
• 参考スコア（独自算出の注目度）: 4.004329206052807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing in supercomputing centers requires robust tools to analyze calibration datasets, predict hardware performance, and optimize operational workflows. This paper presents a data-driven framework for processing calibration metrics. Our model is based on a real calibration quality metrics dataset from our in-house 20-qubit NISQ device and for more than 250 days. We apply detailed data analysis to uncover temporal patterns and cross-metric correlations. Using unsupervised clustering, we identify stable and noisy qubits. We also validate our model using GHZ state experiments. Our study provides health indicators as well as hardware-driven maintenance and recalibration recommendations, thus motivating the integration of relevant schedulers with HPCQC workflows.
• Abstract（参考訳）: スーパーコンピュータセンターでの量子コンピューティングには、キャリブレーションデータセットを分析し、ハードウェアパフォーマンスを予測し、運用ワークフローを最適化するための堅牢なツールが必要である。 本稿では、キャリブレーションメトリクスを処理するためのデータ駆動型フレームワークを提案する。 我々のモデルは、社内20ビットのNISQデバイスから、250日以上にわたって、実際のキャリブレーション品質のメトリクスデータセットに基づいています。 我々は、時間的パターンとクロスメトリック相関を明らかにするために詳細なデータ分析を適用した。 教師なしクラスタリングを用いて、安定かつノイズの多い量子ビットを同定する。 また、GHZ状態実験を用いてモデルを検証する。 本研究は,HPCQCワークフローと関連するスケジューラの統合を動機とする,ハードウェア駆動のメンテナンスとリカバリの推奨に加えて,健康指標も提供する。

関連論文リスト

• Tailored Quantum Device Calibration with Statistical Model Checking [1.5747310757562871]
  量子デバイスは、複雑で時間を要する、正確に調整されたアナログ信号を必要とする。 我々は、量子キャリブレーション手順の厳密な統計的評価を可能にするために統計モデル検査(SMC)を利用する。 我々は、SPAQを使用して、障害情報、隠れノード依存性、パラメータしきい値に対する低い境界時間を見つける方法を示す。
  論文  参考訳（メタデータ） (2025-07-16T15:14:57Z)
• Post-Training Quantization of Generative and Discriminative LSTM Text Classifiers: A Study of Calibration, Class Balance, and Robustness [0.0]
  生成的・識別的長短記憶(LSTM)に基づくテキスト分類モデルとポストトレーニング量子化(PTQ)の比較 識別型分類器は頑健なままであるが、生成型分類器はビット幅、PTQで使用されるキャリブレーションデータ、量子化推論時の入力ノイズに敏感である。
  論文  参考訳（メタデータ） (2025-07-13T15:48:16Z)
• Integration of nested cross-validation, automated hyperparameter optimization, high-performance computing to reduce and quantify the variance of test performance estimation of deep learning models [2.4901555666568624]
  本研究では,ディープラーニングモデルの試験性能指標の分散を低減・定量化するためにNACHOSを導入する。 NACHOS は NCV と AHPO を並列化された高性能コンピューティングフレームワークに統合する。 DACHOSは、AHPOとクロスバリデーションを活用するために導入され、完全なデータセット上で最終モデルを構築する。
  論文  参考訳（メタデータ） (2025-03-11T16:25:44Z)
• LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
  鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。 本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。 この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
  論文  参考訳（メタデータ） (2024-05-09T11:49:05Z)
• KPIs-Based Clustering and Visualization of HPC jobs: a Feature Reduction Approach [0.0]
  HPCシステムは、安定性を確保するために常に監視される必要がある。 監視システムは、リソース使用量やIO待ち時間など、さまざまなパラメータやキーパフォーマンス指標(KPI)に関する膨大なデータを収集します。 通常時系列として保存されるこのデータの適切な分析は、適切な管理戦略の選択と問題の早期検出に関する洞察を与えることができる。
  論文  参考訳（メタデータ） (2023-12-11T17:13:54Z)
• On the Calibration of Large Language Models and Alignment [63.605099174744865]
  信頼性キャリブレーションは、ディープモデルの信頼性を高める重要なツールである。 構築プロセス全体を通して、アライメント言語モデルの校正を体系的に検討する。 我々の研究は、人気のあるLCMが十分に校正されているか、トレーニングプロセスがモデルの校正にどのように影響するかに光を当てています。
  論文  参考訳（メタデータ） (2023-11-22T08:57:55Z)
• On the Impact of Calibration Data in Post-training Quantization and Pruning [36.1039389951318]
  量子化とプルーニングは、ニューラルネットワークの圧縮の基礎となる。 モデル圧縮法におけるキャリブレーションデータの影響に関する実験的検討を行った。
  論文  参考訳（メタデータ） (2023-11-16T10:30:00Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)
• Post-training Model Quantization Using GANs for Synthetic Data Generation [57.40733249681334]
  量子化法における実データを用いたキャリブレーションの代用として合成データを用いた場合について検討する。 本稿では,StyleGAN2-ADAが生成したデータと事前学習したDiStyleGANを用いて定量化したモデルの性能と,実データを用いた量子化とフラクタル画像に基づく代替データ生成手法との比較を行った。
  論文  参考訳（メタデータ） (2023-05-10T11:10:09Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• Tracking Performance of Online Stochastic Learners [57.14673504239551]
  オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。 一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。 定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
  論文  参考訳（メタデータ） (2020-04-04T14:16:27Z)

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。