論文の概要: Orchestrating multi-level magic state distillation: a dynamic pipeline architecture

• arxiv url: http://arxiv.org/abs/2509.24402v1
• Date: Mon, 29 Sep 2025 07:49:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.828846
• Title: Orchestrating multi-level magic state distillation: a dynamic pipeline architecture
• Title（参考訳）: マルチレベルマジック状態蒸留のオーケストレーション--動的パイプラインアーキテクチャ
• Authors: Junshi Wang, Prakash Murali,
• Abstract要約: マジックステート蒸留工場は、多くの低忠実度入力魔法状態を消費し、より少ない高忠実度状態を生成する。 高忠実度に達するためには、複数の蒸留工場が多層パイプラインに連結されるのが一般的である。 蒸留パイプラインの資源利用を最適化する新しい動的パイプラインアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 0.8021197489470756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Practical quantum computation requires high-fidelity instruction executions on qubits. Among them, Clifford instructions are relatively easy to perform, while non-Clifford instructions require the use of magic states. This makes magic state distillation a central procedure in fault-tolerant quantum computing. A magic state distillation factory consumes many low-fidelity input magic states and produces fewer, higher-fidelity states. To reach high fidelities, multiple distillation factories are typically chained together into a multi-level pipeline, consuming significant quantum computational resources. Our work optimizes the resource usage of distillation pipelines by introducing a novel dynamic pipeline architecture. Observing that distillation pipelines consume magic states in a burst-then-steady pattern, we develop dynamic factory scheduling and resource allocation techniques that go beyond existing static pipeline organizations. Dynamic pipelines reduce the qubit cost by 16%-70% for large-scale quantum applications and achieve average reductions of 26%-37% in qubit-time volume on generated distillation benchmarks compared to state-of-the-art static architectures. By significantly reducing the resource overhead of this building block, our work accelerates progress towards the practical realization of fault-tolerant quantum computers.
• Abstract（参考訳）: 量子計算は量子ビット上での高忠実性命令の実行を必要とする。 クリフォードの命令は比較的容易に実行でき、クリフォード以外の命令は魔法の状態を使う必要がある。 これにより、マジック状態蒸留はフォールトトレラント量子コンピューティングにおける中心的な手順となる。 マジックステート蒸留工場は、多くの低忠実度入力魔法状態を消費し、より少ない高忠実度状態を生成する。 高忠実度に達するために、複数の蒸留工場は典型的には多段階のパイプラインに連鎖し、重要な量子計算資源を消費する。 本研究では,新しい動的パイプラインアーキテクチャを導入することで,蒸留パイプラインの資源利用を最適化する。 蒸留パイプラインがバースト・ザ・スタンステッドパターンのマジックステートを消費するのを見て、我々は既存の静的パイプライン組織を超えた動的工場スケジューリングとリソース割り当て技術を開発します。 動的パイプラインは、大規模量子アプリケーションにおいてキュービットコストを16%-70%削減し、生成した蒸留ベンチマークにおいて、最先端の静的アーキテクチャと比較して平均26%-37%削減する。 このビルディングブロックのリソースオーバーヘッドを大幅に削減することで、フォールトトレラントな量子コンピュータの実現に向けた作業が加速する。

関連論文リスト

• Unlocking early fault-tolerant quantum computing with mitigated magic dilution [47.23243191431113]
  我々は小角回転の合成手法として緩和魔法希釈(MMD)を導入する。 雑音を符号化したマジック状態の論理回路をサンプリングするために、量子誤差軽減手法を用いる。 この研究は、数百万の量子演算をサポートするデバイス上での早期フォールトトレラントなデモの道を開いた。
  論文  参考訳（メタデータ） (2025-05-15T17:19:19Z)
• Surpassing the fundamental limits of distillation with catalysts [2.107610564835429]
  量子触媒は、これまで知られていた蒸留オーバーヘッドの基本的な限界を超えることができることを示す。 特に, マジック状態蒸留では, コードベースの低オーバーヘッド蒸留プロトコルをワンショット設定に推し進めることが可能であることが示唆された。 オーバヘッドと成功確率の間の時空のトレードオフを可能にすることを実証する。
  論文  参考訳（メタデータ） (2024-10-18T15:41:52Z)
• Realistic Cost to Execute Practical Quantum Circuits using Direct Clifford+T Lattice Surgery Compilation [0.618727087412292]
  本稿では,Clifford+Tゲートセットを用いて表現された量子回路を表面コード格子手術命令セットに明示的にコンパイルする資源推定パイプラインについて報告する。 コンパイルされた回路からのマジック状態要求のケイデンスにより、ポストホック解析においてマジック状態の蒸留と貯蔵要求の最適化が可能となる。
  論文  参考訳（メタデータ） (2023-11-17T18:15:36Z)
• On-Chip Hardware-Aware Quantization for Mixed Precision Neural Networks [52.97107229149988]
  エッジデバイス上でハードウェア対応の混合精度量子化を行うOn-Chipハードウェア・アウェア量子化フレームワークを提案する。 このパイプラインは、量子化プロセスが量子化演算子の実際のハードウェア効率を知覚することを可能にする。 精度測定のために,マルチチップシナリオにおける演算子の精度への影響を効果的に推定するMask-Guided Quantization Estimation技術を提案する。
  論文  参考訳（メタデータ） (2023-09-05T04:39:34Z)
• Virtual quantum resource distillation [0.29998889086656577]
  蒸留または精製は、ノイズの多い環境での量子資源の実用的利用の中心である。 仮想資源蒸留は蒸留の標準概念よりもかなり有利であることを示す。 我々はコヒーレンス、絡み合い、魔法の蒸留への応用と量子テレポーテーションの明確な例を考える。
  論文  参考訳（メタデータ） (2023-03-02T04:15:52Z)
• Where Is My Training Bottleneck? Hidden Trade-Offs in Deep Learning Preprocessing Pipelines [77.45213180689952]
  ディープラーニングにおける前処理パイプラインは、トレーニングプロセスを忙しくするための十分なデータスループットの提供を目的としている。 エンドツーエンドのディープラーニングパイプラインのためのデータセットを効率的に準備する新たな視点を導入する。 チューニングされていないシステムに比べてスループットが3倍から13倍に向上する。
  論文  参考訳（メタデータ） (2022-02-17T14:31:58Z)
• ALF: Autoencoder-based Low-rank Filter-sharing for Efficient Convolutional Neural Networks [63.91384986073851]
  オートエンコーダを用いた低ランクフィルタ共有技術(ALF)を提案する。 ALFは、ネットワークパラメータの70%、オペレーションの61%、実行時間の41%を削減し、精度の低下を最小限にしている。
  論文  参考訳（メタデータ） (2020-07-27T09:01:22Z)
• Very low overhead fault-tolerant magic state preparation using redundant ancilla encoding and flag qubits [1.2891210250935146]
  冗長アンシラ符号化と呼ばれる新しい概念を導入する。 提案手法は, 桁違いの量子ビットと時空オーバーヘッドを用いて, マジックステートを生成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-06T06:24:02Z)

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。