論文の概要: Evolutionary-Based Circuit Optimization for Distributed Quantum Computing

• arxiv url: http://arxiv.org/abs/2509.08074v1
• Date: Tue, 09 Sep 2025 18:23:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.221615
• Title: Evolutionary-Based Circuit Optimization for Distributed Quantum Computing
• Title（参考訳）: 分散量子コンピューティングのための進化的回路最適化
• Authors: Leo Sünkel, Jonas Stein, Gerhard Stenzel, Michael Kölle, Thomas Gabor, Claudia Linnhoff-Popien,
• Abstract要約: 進化的アルゴリズム(EA)を評価し、必要な通信量を減らすために、所定の回路を最適化する。 必要なグローバルゲートを89%以上削減できると同時に,高い忠実度を達成できることを示す。
• 参考スコア（独自算出の注目度）: 3.5852827516109564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we evaluate an evolutionary algorithm (EA) to optimize a given circuit in such a way that it reduces the required communication when executed in the Distributed Quantum Computing (DQC) paradigm. We evaluate our approach for a state preparation task using Grover circuits and show that it is able to reduce the required global gates by more than 89% while still achieving high fidelity as well as the ability to extract the correct solution to the given problem. We also apply the approach to reduce circuit depth and number of CX gates. Additionally, we run experiments in which a circuit is optimized for a given network topology after each qubit has been assigned to specific nodes in the network. In these experiments, the algorithm is able to reduce the communication cost (i.e., number of hops between QPUs) by up to 19%.
• Abstract（参考訳）: 本研究では、分散量子コンピューティング(DQC)パラダイムで実行されるときに必要な通信量を削減できるように、所定の回路を最適化するための進化的アルゴリズム(EA)を評価する。 我々は,Grover回路を用いた状態準備作業に対するアプローチを評価し,必要なグローバルゲートを89%以上削減できるとともに,高い忠実度を保ちながら,与えられた問題に対する正しい解を抽出できることを示す。 また,回路深さとCXゲート数の削減にもアプローチを適用した。 さらに、各キュービットがネットワーク内の特定のノードに割り当てられた後、所定のネットワークトポロジに対して回路を最適化する実験を行う。 これらの実験では、このアルゴリズムは通信コスト(QPU間のホップ数)を最大19%削減することができる。

関連論文リスト

• Optimization and Synthesis of Quantum Circuits with Global Gates [44.99833362998488]
  我々は、イオントラップハードウェアに存在するGlobal Molmer-Sorensenゲートのようなグローバルな相互作用を用いて量子回路を最適化し、合成する。 このアルゴリズムはZX計算に基づいており、係留ゲートをGlobal MolmerSorensenゲートにグループ化する特別な回路抽出ルーチンを使用する。 我々は,このアルゴリズムを様々な回路でベンチマークし,最新ハードウェアによる性能向上の方法を示す。
  論文  参考訳（メタデータ） (2025-07-28T10:25:31Z)
• SSR: A Swapping-Sweeping-and-Rewriting Optimizer for Quantum Circuit Transformation [6.585746777304379]
  本稿ではQCT回路の深さを最小化するスワッピング・スウィーピング・アンド・リライトアルゴリズムを提案する。 実験の結果,QCT回路の深さを26.68%,平均12.18%,ベンチマーク回路全体の深さを著しく低減できることがわかった。
  論文  参考訳（メタデータ） (2025-03-05T06:52:14Z)
• A multiple-circuit approach to quantum resource reduction with application to the quantum lattice Boltzmann method [39.671915199737846]
  量子格子ボルツマン法(QLBM)における非圧縮性ナビエ-ストークス方程式の多重回路アルゴリズムを提案する。 提案法は2次元蓋駆動キャビティフローに対して検証および実証を行った。
  論文  参考訳（メタデータ） (2024-01-20T15:32:01Z)
• Reinforcement Learning Based Quantum Circuit Optimization via ZX-Calculus [0.0]
  本稿では,ZX-ダイアグラムのグラフ理論的単純化規則を用いて,量子回路を最適化するための新しい強化学習法を提案する。 そこで本研究では,ZX-Calculusをベースとした最良性能のアルゴリズムと比較し,提案手法の能力を示す。
  論文  参考訳（メタデータ） (2023-12-18T17:59:43Z)
• Evaluating the Practicality of Quantum Optimization Algorithms for Prototypical Industrial Applications [44.88678858860675]
  本稿では,量子近似最適化アルゴリズム (QAOA) と量子断熱アルゴリズム (QAA) の応用について検討する。 我々は,これらの2つのアルゴリズムの性能を,選択した評価指標を用いて,ソリューションの品質の観点から比較する。
  論文  参考訳（メタデータ） (2023-11-20T09:09:55Z)
• Optimized fermionic SWAP networks with equivalent circuit averaging for QAOA [2.3362993651992863]
  量子近似最適化アルゴリズム(QAOA)のためのフェミオンSWAPネットワークの実行を最適化する。 等価回路平均化(Equivalent Circuit Averaging)を導入し,量子回路コンパイルにおける自由度をランダム化する。 超伝導量子プロセッサ上の4つのトランスモン量子ビット上での深さp = 1のQAOAの誤差(経時変化距離)を平均60%低減する。
  論文  参考訳（メタデータ） (2021-11-08T15:32:05Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)
• Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
  本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。 我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。 計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-12T15:54:20Z)

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。