論文の概要: Evaluating Variational Quantum Circuit Architectures for Distributed Quantum Computing
- arxiv url: http://arxiv.org/abs/2509.12005v1
- Date: Mon, 15 Sep 2025 14:50:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:23.352954
- Title: Evaluating Variational Quantum Circuit Architectures 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変分量子回路アーキテクチャの評価
- Authors: Leo Sünkel, Jonas Stein, Jonas Nüßlein, Tobias Rohe, Claudia Linnhoff-Popien,
- Abstract要約: 我々は分散量子コンピューティング環境での変動量子回路のアーキテクチャ、特に絡み合いパターンを評価する。
計算キュービットと通信キュービットの4つのQPUを用いて8量子ビット回路の実行をシミュレートする。
本研究では,二項分類タスクにおける各種回路の性能を比較し,理想的条件下での学習と雑音条件下での試験を行う。
- 参考スコア（独自算出の注目度）: 3.1224202646855894
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scaling quantum computers, i.e., quantum processing units (QPUs) to enable the execution of large quantum circuits is a major challenge, especially for applications that should provide a quantum advantage over classical algorithms. One approach to scale QPUs is to connect multiple machines through quantum and classical channels to form clusters or even quantum networks. Using this paradigm, several smaller QPUs can collectively execute circuits that each would not be able on its own. However, communication between QPUs is costly as it requires generating and maintaining entanglement, and hence it should be used wisely. In this paper, we evaluate the architectures, and in particular the entanglement patterns, of variational quantum circuits in a distributed quantum computing (DQC) setting. That is, using Qiskit, we simulate the execution of an eight qubit circuit using four QPUs each with two computational and two communication qubits where non-local CX-gates are performed using the remote-CX protocol. We compare the performance of various circuits on a binary classification task where training is executed under ideal and testing under noisy conditions. The study provides initial results on suitable VQC architectures for the DQC paradigm, and indicates that a standard VQC baseline is not always the best choice, and alternative architectures that use entanglement between QPUs sparingly deliver better results under noise.
- Abstract（参考訳）: 量子コンピュータ、すなわち量子処理ユニット(QPU)をスケールして、大きな量子回路の実行を可能にすることは、特に古典的アルゴリズムよりも量子的に有利なアプリケーションにとって大きな課題である。
QPUをスケールする1つのアプローチは、複数のマシンを量子チャネルと古典チャネルで接続し、クラスタや量子ネットワークを形成することである。
このパラダイムを用いて、いくつかの小さなQPUは、それぞれが単独ではできないような回路をまとめて実行することができる。
しかし、QPU間の通信は、絡み合いの生成と維持を必要とするためコストがかかるため、賢明に使用すべきである。
本稿では,分散量子コンピューティング(DQC)環境での変動量子回路のアーキテクチャ,特に絡み合いパターンを評価する。
すなわち、Qiskitを用いて、ローカルでないCXゲートがリモートCXプロトコルを用いて実行される2つの計算キュービットと2つの通信キュービットを持つ4つのQPUを用いて、8つのキュービット回路の実行をシミュレートする。
本研究では,二項分類タスクにおける各種回路の性能を比較し,理想的条件下での学習と雑音条件下での試験を行う。
この研究は、DQCパラダイムに適したVQCアーキテクチャの初期結果を提供し、標準VQCベースラインが必ずしも最善の選択ではないことを示すとともに、QPU間の絡み合いを利用した代替アーキテクチャは、ノイズ下でより優れた結果をもたらす。
関連論文リスト
- A Framework for Quantum Data Center Emulation Using Digital Quantum Computers [4.4249067508724815]
本稿では,単一量子プロセッサを用いた分散量子コンピューティングシステムをエミュレートするフレームワークを提案する。
本稿では,相互に発生する雑音を定量的に定量化するために,量子衝突力学に基づく実験的な基底雑音モデルを提案する。
このフレームワークはIBMの量子ハードウェアを使って検証されており、リモートゲートの実行が成功したことを実証している。
論文 参考訳（メタデータ） (2025-09-04T09:04:54Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - 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) - A Modular Quantum Compilation Framework for Distributed Quantum
Computing [0.0]
分散量子コンピューティングは、計算タスクで利用可能なキュービットの数を増やすためのスケーラブルなアプローチである。
ネットワーク制約とデバイス制約を考慮に入れたDQC用のモジュール型量子コンパイルフレームワークを提案する。
また,TeleGateとTeleDataの両方の操作を活用できる遠隔スケジューリング戦略も考案した。
論文 参考訳（メタデータ） (2023-05-04T16:13:23Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Schrödinger as a Quantum Programmer: Estimating Entanglement via Steering [3.187381965457262]
我々は、量子ステアリング効果を用いて、一般的な二部状態の分離性をテストし、定量化する量子アルゴリズムを開発した。
我々の発見は、ステアリング、絡み合い、量子アルゴリズム、量子計算複雑性理論の間の有意義な関係を提供する。
論文 参考訳（メタデータ） (2023-03-14T13:55:06Z) - ScaleQC: A Scalable Framework for Hybrid Computation on Quantum and
Classical Processors [25.18520278107402]
量子処理ユニット(QPU)は、その量子ビットの要求量と品質の要求を満たす必要がある。
量子回路切断技術は、より強力なQPUを実現するために、大きな量子回路を複数の小さなサブ回路に切断して分散する。
われわれのツールはScaleQCと呼ばれ、新しいアルゴリズム技術を開発することでボトルネックに対処する。
論文 参考訳（メタデータ） (2022-07-03T01:44:31Z) - Cutting Quantum Circuits to Run on Quantum and Classical Platforms [25.18520278107402]
CutQCは、大規模量子回路を量子(QPU)と古典的なプラットフォーム(CPUまたはGPU)に分散して、コプロセッシングを行うスケーラブルなハイブリッドコンピューティングアプローチである。
これは、実システム実行時に達成される大きなNISQデバイスよりもはるかに高い量子回路評価忠実性を達成する。
論文 参考訳（メタデータ） (2022-05-12T02:09:38Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。