論文の概要: Accelerating Transpilation in Quantum Machine Learning with Haiqu's Rivet-transpiler

• arxiv url: http://arxiv.org/abs/2508.21342v1
• Date: Fri, 29 Aug 2025 06:00:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.932556
• Title: Accelerating Transpilation in Quantum Machine Learning with Haiqu's Rivet-transpiler
• Title（参考訳）: ハイクのリベットトランスパイラを用いた量子機械学習における高速化
• Authors: Aleksander Kaczmarek, Dikshant Dulal,
• Abstract要約: 我々は、以前にトランスパイルされた回路を再利用してトランスパイラを高速化するリベットトランスパイラを開発した。 量子層学習において,600%のトランスパイル時間の改善を実証した。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transpilation is a crucial process in preparing quantum circuits for execution on hardware, transforming virtual gates to match device-specific topology by introducing swap gates and basis gates, and applying optimizations that reduce circuit depth and gate count, particularly for two-qubit gates. As the number of qubits increases, the cost of transpilation escalates significantly, especially when trying to find the optimal layout with minimal noise under the qubit connectivity constraints imposed by device topology. In this work, we use the Rivet transpiler, which accelerates transpilation by reusing previously transpiled circuits. This approach is relevant for cases such as quantum chemistry, where multiple Pauli terms need to be measured by appending a series of rotation gates at the end for non-commuting Paulis, and for more complex cases when quantum circuits need to be modified iteratively, as occurs in quantum layerwise learning. We demonstrate up to 600% improvement in transpilation time for quantum layerwise learning using the Rivet transpiler compared to standard transpilation without reuse.
• Abstract（参考訳）: トランスパイレーションは、ハードウェア上で実行するための量子回路を作成する上で重要なプロセスであり、スワップゲートとベースゲートを導入して、仮想ゲートをデバイス固有のトポロジーに合わせて変換し、特に2ビットゲートにおいて、回路深さとゲート数を削減する最適化を適用する。 量子ビットの数が増加するにつれて、特にデバイストポロジによって課されるクビット接続制約の下で最小限のノイズで最適レイアウトを見つけようとすると、トランスパイレーションのコストは大幅に増大する。 本研究では,以前にトランスパイルされた回路を再利用してトランスパイラを高速化するリベットトランスパイラを用いる。 このアプローチは、量子化学のような場合において、非可換なパウリのために終端に一連の回転ゲートを付加することで複数のパウリ項を測定する必要がある。 我々は、リベットトランスパイラを用いた量子層学習において、再利用のない標準的なトランスパイラと比較して600%のトランスパイラ時間の改善を実証した。

関連論文リスト

• Optimization Driven Quantum Circuit Reduction [20.697821016522358]
  本稿では,回路長を大幅に削減する3つの異なるトランスパイレーション手法を提案する。 最初の変種は検索スキームに基づいており、他の変種はデータベース検索スキームと機械学習に基づく意思決定支援によって駆動される。 提案手法は,異なるキースキット最適化レベルを用いて得られた典型的な結果に比較して,制限ゲート集合に対する短い量子回路を生成する。
  論文  参考訳（メタデータ） (2025-02-20T16:41:10Z)
• Efficient compilation of quantum circuits using multi-qubit gates [0.0]
  本稿では,Ising型,長距離,マルチキュービット・エンタングリングゲートのシーケンスに一般回路分解を実装したコンパイル方式を提案する。 我々は,2量子ゲートを用いた従来の実現法と比較して,量子ボリュームの対数関係を20%$から25%$に改善することを示した。
  論文  参考訳（メタデータ） (2025-01-28T19:08:13Z)
• Efficient Quantum Circuit Compilation for Near-Term Quantum Advantage [17.38734393793605]
  本稿では,ターゲット量子回路をレンガ壁配置に近似的にコンパイルする手法を提案する。 この新しい回路設計は、実際の量子コンピュータで直接実装できる2量子CNOTゲートで構成されている。
  論文  参考訳（メタデータ） (2025-01-13T15:04:39Z)
• 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)
• 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)
• Universal qudit gate synthesis for transmons [44.22241766275732]
  超伝導量子プロセッサを設計する。 本稿では,2量子共振共振ゲートを備えたユニバーサルゲートセットを提案する。 ノイズの多い量子ハードウェアのための$rm SU(16)$ゲートの合成を数値的に実証する。
  論文  参考訳（メタデータ） (2022-12-08T18:59:53Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Estimating gate-set properties from random sequences [0.0]
  現在の量子デバイスは、非構造ゲート列の短い後、ネイティブな測定しかできない。 ランダムシーケンス推定という単一の実験は、多くの推定問題を解く。 我々は、最適性能保証付きシャドウ推定の頑健なチャネル変種を導出する。
  論文  参考訳（メタデータ） (2021-10-25T18:01:25Z)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)

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。