論文の概要: AI Methods for Permutation Circuit Synthesis Across Generic Topologies

• arxiv url: http://arxiv.org/abs/2509.16020v1
• Date: Fri, 19 Sep 2025 14:28:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.201203
• Title: AI Methods for Permutation Circuit Synthesis Across Generic Topologies
• Title（参考訳）: 汎用トポロジー間の置換回路合成のためのAI手法
• Authors: Victor Villar, Juan Cruz-Benito, Ismael Faro, David Kremer,
• Abstract要約: 提案手法では, 最大25キュービットまでの置換回路のほぼ最適合成を実現するために, 強化学習(RL)技術を用いる。 一般化矩形格子上に基礎モデルをトレーニングし、合成中にトポロジの部分集合を動的に選択するためにマスキング機構を用いる。 これにより、モデルを再訓練することなく、長方形格子内に埋め込まれる任意の位相上の置換回路の合成が可能になる。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates artificial intelligence (AI) methodologies for the synthesis and transpilation of permutation circuits across generic topologies. Our approach uses Reinforcement Learning (RL) techniques to achieve near-optimal synthesis of permutation circuits up to 25 qubits. Rather than developing specialized models for individual topologies, we train a foundational model on a generic rectangular lattice, and employ masking mechanisms to dynamically select subsets of topologies during the synthesis. This enables the synthesis of permutation circuits on any topology that can be embedded within the rectangular lattice, without the need to re-train the model. In this paper we show results for 5x5 lattice and compare them to previous AI topology-oriented models and classical methods, showing that they outperform classical heuristics, and match previous specialized AI models, and performs synthesis even for topologies that were not seen during training. We further show that the model can be fine tuned to strengthen the performance for selected topologies of interest. This methodology allows a single trained model to efficiently synthesize circuits across diverse topologies, allowing its practical integration into transpilation workflows.
• Abstract（参考訳）: 本稿では,汎用トポロジにおける置換回路の合成とトランスパイルのための人工知能(AI)手法について検討する。 提案手法では, 最大25キュービットまでの置換回路のほぼ最適合成を実現するために, 強化学習(RL)技術を用いる。 個々のトポロジの特殊モデルを開発するのではなく、一般的な長方形格子上で基礎モデルを訓練し、合成中のトポロジの部分集合を動的に選択するためにマスキング機構を用いる。 これにより、モデルを再訓練することなく、長方形格子内に埋め込まれる任意の位相上の置換回路の合成が可能になる。 本稿では,従来のAIトポロジ指向モデルと古典的手法を比較し,古典的ヒューリスティックを上回り,従来の専門的AIモデルと一致し,訓練中に見られなかったトポロジに対しても合成を行うことを示す。 さらに、選択した興味のあるトポロジのパフォーマンスを高めるために、モデルが微調整可能であることを示す。 この手法により、単一の訓練されたモデルが様々なトポロジにまたがる回路を効率的に合成することができ、その実践的な統合をトランスパイレーションワークフローに統合することができる。

関連論文リスト

• Data-Driven Dimensional Synthesis of Diverse Planar Four-bar Function Generation Mechanisms via Direct Parameterization [2.499517394718329]
  本稿では,教師付き学習を活用することによって,従来の方程式解法や最適化を回避したデータ駆動型フレームワークを提案する。 提案手法は, 合成データセット, LSTMに基づく逐次精度点処理ニューラルネットワーク, および異なるリンクタイプに適したMixture of Expertsアーキテクチャを組み合わせる。 実験により,本手法は様々な構成にまたがって,正確な欠陥のないリンクを生成することを示した。
  論文  参考訳（メタデータ） (2025-07-11T02:32:29Z)
• STAR: Synthesis of Tailored Architectures [61.080157488857516]
  本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。 提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。 STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
  論文  参考訳（メタデータ） (2024-11-26T18:42:42Z)
• AI-Aided Kalman Filters [65.35350122917914]
  カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。 最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。 本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
  論文  参考訳（メタデータ） (2024-10-16T06:47:53Z)
• Learnable & Interpretable Model Combination in Dynamical Systems Modeling [0.0]
  この研究は、動的システムモデリングにおいて、どのタイプのモデルが通常結合されるかを簡単に議論する。 本稿では,混合代数的,離散的,微分方程式に基づくモデルを表現可能なモデルのクラスを提案する。 最後に,モデルの任意の組み合わせを,容易に解釈可能な方法で記述できる新しいワイルドカードアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-06-12T11:17:11Z)
• ECToNAS: Evolutionary Cross-Topology Neural Architecture Search [0.0]
  ECToNASは、コスト効率のよい進化的クロストポロジーニューラルアーキテクチャ探索アルゴリズムである。 トレーニングとトポロジの最適化を融合して,軽量でリソースフレンドリなプロセスにします。
  論文  参考訳（メタデータ） (2024-03-08T07:36:46Z)
• Structured Reordering for Modeling Latent Alignments in Sequence Transduction [86.94309120789396]
  本稿では,分離可能な置換の辺りを正確に推定する効率的な動的プログラミングアルゴリズムを提案する。 結果のSeq2seqモデルは、合成問題やNLPタスクの標準モデルよりも体系的な一般化が優れている。
  論文  参考訳（メタデータ） (2021-06-06T21:53:54Z)
• Automated and Formal Synthesis of Neural Barrier Certificates for Dynamical Models [70.70479436076238]
  バリア証明書(BC)の自動的,形式的,反例に基づく合成手法を提案する。 このアプローチは、ニューラルネットワークとして構造化されたBCの候補を操作する誘導的フレームワークと、その候補の有効性を認証するか、反例を生成する音検証器によって支えられている。 その結果,音のBCsを最大2桁の速度で合成できることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T07:39:42Z)

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。