論文の概要: A Closeness Centrality-based Circuit Partitioner for Quantum Simulations

• arxiv url: http://arxiv.org/abs/2509.14098v2
• Date: Thu, 18 Sep 2025 02:53:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 13:12:58.957203
• Title: A Closeness Centrality-based Circuit Partitioner for Quantum Simulations
• Title（参考訳）: 量子シミュレーションのための近接集中型回路分割器
• Authors: Doru Thom Popovici, Harlin Lee, Mauro Del Ben, Naoki Yoshioka, Nobuyasu Ito, Katherine Klymko, Daan Camps, Anastasiia Butko,
• Abstract要約: 高性能コンピューティングシステム上での量子回路(QC)のシミュレーションは,現在の量子ハードウェアの限界にもかかわらず,アルゴリズムをベンチマークし,大規模量子計算の可能性を探るための重要な方法となっている。 我々は,大規模QCに対して,フレキシブルコードジェネレータとともに効率的なパーティショニングスキームを提供するエンドツーエンドフレームワークを導入し,計算ノード間のデータ移動を最小限に抑えるポータブルソリューションを提供する。
• 参考スコア（独自算出の注目度）: 1.8202149041424323
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Simulating quantum circuits (QC) on high-performance computing (HPC) systems has become an essential method to benchmark algorithms and probe the potential of large-scale quantum computation despite the limitations of current quantum hardware. However, these simulations often require large amounts of resources, necessitating the use of large clusters with thousands of compute nodes and large memory footprints. In this work, we introduce an end-to-end framework that provides an efficient partitioning scheme for large-scale QCs alongside a flexible code generator to offer a portable solution that minimizes data movement between compute nodes. By formulating the distribution of quantum states and circuits as a graph problem, we apply closeness centrality to assess gate importance and design a fast, scalable partitioning method. The resulting partitions are compiled into highly optimized codes that run seamlessly on a wide range of supercomputers, providing critical insights into the performance and scalability of quantum algorithm simulations.
• Abstract（参考訳）: 高速コンピューティング(HPC)システム上での量子回路(QC)のシミュレーションは,現在の量子ハードウェアの限界にもかかわらず,アルゴリズムをベンチマークし,大規模量子計算の可能性を探るための重要な手法となっている。 しかし、これらのシミュレーションは大量のリソースを必要とし、数千の計算ノードと大きなメモリフットプリントを持つ大規模なクラスタを使用する必要がある。 本研究では,大規模QCに対して,フレキシブルコード生成器とともに効率的なパーティショニングスキームを提供するエンドツーエンドフレームワークを導入し,計算ノード間のデータ移動を最小限に抑えるポータブルソリューションを提供する。 グラフ問題として量子状態と回路の分布を定式化することにより、ゲートの重要性を評価し、高速でスケーラブルな分割法を設計する。 結果のパーティションは高度に最適化されたコードにコンパイルされ、幅広いスーパーコンピュータ上でシームレスに動作し、量子アルゴリズムシミュレーションの性能とスケーラビリティに関する重要な洞察を提供する。

関連論文リスト

• Efficient Time-Aware Partitioning of Quantum Circuits for Distributed Quantum Computing [10.919776355400282]
  分散量子コンピューティング(DQC)は、複数の小型量子処理ユニット(QPU)を相互接続して量子ネットワークを形成する。 この通信オーバーヘッドを最小限に抑えるため、DQCコンパイラは論理量子ビットを分散物理QPUにマッピングすることで、量子回路を戦略的に分割する必要がある。 本稿では,通信オーバヘッドを最小限に抑えるために,連続する時間ステップにまたがる低コストなキュービット代入列を段階的に構築する時間認識アルゴリズムを提案する。 提案アルゴリズムは, 回路サイズ, 深さ, ネットワークトポロジにまたがる静的ベースラインよりも, 通信コストを大幅に低減する。
  論文  参考訳（メタデータ） (2026-03-04T14:43:10Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• 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)
• 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)
• Revisiting the Mapping of Quantum Circuits: Entering the Multi-Core Era [2.465579331213113]
  本稿では,コア間通信の削減を目的として,コアへのキュービット割り当てを最適化するために設計されたマルチコアマッピングアルゴリズムである,ハンガリークビット割り当て(HQA)アルゴリズムを紹介する。 モジュラーアーキテクチャの最先端回路マッピングアルゴリズムに対するHQAの評価では、実行時間と非ローカル通信の点で4.9times$と1.6times$の改善が示されている。
  論文  参考訳（メタデータ） (2024-03-25T21:31:39Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• 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)
• Divide and Conquer for Combinatorial Optimization and Distributed Quantum Computation [3.8221353389253676]
  本稿では、大規模最適化問題を分散量子アーキテクチャにマッピングするハイブリッド変分法である量子除算法(QDCA)を紹介する。 これはグラフ分割と量子回路切断の組み合わせによって達成される。 我々は、最大独立集合問題のインスタンス上でQDCAをシミュレートし、類似の古典的アルゴリズムよりも優れた性能が得られることを確かめる。
  論文  参考訳（メタデータ） (2021-07-15T18:00:32Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。