論文の概要: HPQEA: A Scalable and High-Performance Quantum Emulator with High-Bandwidth Memory for Diverse Algorithms Support

• arxiv url: http://arxiv.org/abs/2510.07110v1
• Date: Wed, 08 Oct 2025 15:01:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.581691
• Title: HPQEA: A Scalable and High-Performance Quantum Emulator with High-Bandwidth Memory for Diverse Algorithms Support
• Title（参考訳）: HPQEA: 分散アルゴリズムのための高帯域メモリを備えたスケーラブルで高性能な量子エミュレータ
• Authors: Tran Van Duy, Tuan Hai Vu, Vu Trung Duong Le, Hoai Luan Pham, Yasuhiko Nakashima,
• Abstract要約: HPQEAは状態ベクトルエミュレーションアプローチに基づく量子エミュレータである。 量子回路を最大30キュービットでエミュレートし、高い忠実度と平均二乗誤差を維持する。 FPGAベースのシステムよりも高速な実行を実現し、幅広いアルゴリズムをサポートし、低ハードウェアリソースを必要とする。
• 参考スコア（独自算出の注目度）: 0.8481798330936976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, there has been a growing interest in the development of quantum emulation. However, existing studies often struggle to achieve broad applicability, high performance, and efficient resource and memory utilization. To address these challenges, we provide HPQEA, a quantum emulator based on the state-vector emulation approach. HPQEA includes three main features: a high-performance computing core, an optimized controlled-NOT gate computation strategy, and effective utilization of high-bandwidth memory. Verification and evaluation on the Alveo U280 board show that HPQEA can emulate quantum circuits with up to 30 qubits while maintaining high fidelity and low mean square error. It outperforms comparable FPGA-based systems by producing faster execution, supporting a wider range of algorithms, and requiring low hardware resources. Furthermore, it exceeds the Nvidia A100 in normalized gate speed for systems with up to 20 qubits. These results demonstrate the scalability and efficiency of HPQEA as a platform for emulating quantum algorithms.
• Abstract（参考訳）: 近年、量子エミュレーションの発展への関心が高まっている。 しかし、既存の研究はしばしば、幅広い適用性、高性能、効率的なリソースとメモリ利用を達成するのに苦労している。 これらの課題に対処するため、状態ベクトルエミュレーションアプローチに基づく量子エミュレータHPQEAを提供する。 HPQEAには、高性能コンピューティングコア、最適化された制御NOTゲート計算戦略、高帯域メモリの有効利用の3つの主要な特徴がある。 Alveo U280ボードの検証と評価により、HPQEAは最大30キュービットの量子回路をエミュレートでき、高い忠実度と平均二乗誤差を維持している。 FPGAベースのシステムよりも高速な実行を実現し、幅広いアルゴリズムをサポートし、低ハードウェアリソースを必要とする。 さらに、最大20キュービットのシステムでは、正規化ゲート速度でNvidia A100を上回っている。 これらの結果は、量子アルゴリズムをエミュレートするプラットフォームとしてのHPQEAのスケーラビリティと効率を示す。

関連論文リスト

• QEA: An Accelerator for Quantum Circuit Simulation with Resources Efficiency and Flexibility [0.5359378066251386]
  我々は、メモリ管理、システム適応性、実行効率の難しさを克服する状態ベクトルベースのハードウェアアクセラレータであるQEAを紹介する。 0.534Wの電力しか使わないAMD Alveo U280ボード上でQEAを実装し評価する。 実験の結果、QEAは極めて柔軟で、広範囲の量子回路をサポートし、忠実さに優れており、正規化ゲート速度の点で153.16倍の性能を持つCPUや関連技術より優れていた。
  論文  参考訳（メタデータ） (2025-03-19T07:31:56Z)
• FQsun: A Configurable Wave Function-Based Quantum Emulator for Power-Efficient Quantum Simulations [0.5359378066251386]
  量子エミュレータのFQsunを提案する。 数字の精度が異なる5つのFQsunバージョンがXilinx ZCU102に実装され、最大出力は2.41Wである。
  論文  参考訳（メタデータ） (2024-11-07T06:44:40Z)
• Enhancing Dropout-based Bayesian Neural Networks with Multi-Exit on FPGA [20.629635991749808]
  本稿では,フィールドプログラマブルゲートアレイ(FPGA)ベースのアクセラレータを効率よく生成するアルゴリズムとハードウェアの共同設計フレームワークを提案する。 アルゴリズムレベルでは、計算とメモリのオーバーヘッドを低減した、新しいマルチエグジット・ドロップアウトベースのベイズNNを提案する。 ハードウェアレベルでは,提案する効率的なベイズNNのためのFPGAベースのアクセラレータを生成するための変換フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-20T17:08:42Z)
• 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)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• 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。