論文の概要: Qiboml: towards the orchestration of quantum-classical machine learning
- arxiv url: http://arxiv.org/abs/2510.11773v1
- Date: Mon, 13 Oct 2025 18:00:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-15 19:02:32.042316
- Title: Qiboml: towards the orchestration of quantum-classical machine learning
- Title（参考訳）: Qiboml:量子古典機械学習のオーケストレーションに向けて
- Authors: Matteo Robbiati, Andrea Papaluca, Andrea Pasquale, Edoardo Pedicillo, Renato M. S. Farias, Alejandro Sopena, Mattia Robbiano, Ghaith Alramahi, Simone Bordoni, Alessandro Candido, Niccolò Laurora, Jogi Suda Neto, Yuanzheng Paul Tan, Michele Grossi, Stefano Carrazza,
- Abstract要約: 本稿では,量子および古典的機械学習をオーケストレーションするオープンソースソフトウェアライブラリであるQibomlを紹介する。
多様なシミュレーションオプション、ノイズ認識シミュレーション、リアルタイムエラー軽減とキャリブレーションなどの機能を紹介する。
- 参考スコア（独自算出の注目度）: 53.28668485072944
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Qiboml, an open-source software library for orchestrating quantum and classical components in hybrid machine learning workflows. Building on Qibo's quantum computing capabilities and integrating with popular machine learning frameworks such as TensorFlow and PyTorch, Qiboml enables the construction of quantum and hybrid models that can run on a broad range of backends: (i) multi-threaded CPUs, GPUs, and multi-GPU systems for simulation with statevector or tensor network methods; (ii) quantum processing units, both on-premise and through cloud providers. In this paper, we showcase its functionalities, including diverse simulation options, noise-aware simulations, and real-time error mitigation and calibration.
- Abstract（参考訳）: 我々は、ハイブリッド機械学習ワークフローで量子および古典的コンポーネントをオーケストレーションするための、オープンソースのソフトウェアライブラリであるQibomlを紹介する。
Qibomlは、Qiboの量子コンピューティング能力に基づいて、TensorFlowやPyTorchといった一般的な機械学習フレームワークを統合し、幅広いバックエンドで実行できる量子モデルとハイブリッドモデルの構築を可能にする。
(i)状態ベクトルやテンソルネットワーク法を用いたシミュレーションのためのマルチスレッドCPU,GPU,マルチGPUシステム
(ii) オンプレミスとクラウドプロバイダによる量子処理ユニット。
本稿では,多様なシミュレーションオプション,ノイズ認識シミュレーション,リアルタイム誤差軽減と校正など,その機能について紹介する。
関連論文リスト
- TorchQC -- A framework for efficiently integrating machine and deep learning methods in quantum dynamics and control [0.0]
TorchQCはPythonで完全に書かれた新しいライブラリで、PyTorchディープラーニングライブラリをベースとしている。
PyTorchとそのテンソル機構を利用して量子状態と演算子をテンソルとして表現し、量子系の力学をシミュレートするために必要なすべてのツールも組み込んでいる。
論文 参考訳（メタデータ） (2024-12-19T07:19:55Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳（メタデータ） (2023-01-13T09:35:05Z) - QuaSiMo: A Composable Library to Program Hybrid Workflows for Quantum
Simulation [48.341084094844746]
本稿では、ハイブリッド量子/古典的アルゴリズムの開発と量子シミュレーションへの応用のための構成可能な設計手法を提案する。
ハードウェアに依存しないQCORをQuaSiMoライブラリに実装する。
論文 参考訳（メタデータ） (2021-05-17T16:17:57Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - Composable Programming of Hybrid Workflows for Quantum Simulation [48.341084094844746]
本稿では、ハイブリッド量子/古典的アルゴリズムの開発と量子シミュレーションへの応用のための構成可能な設計手法を提案する。
ハードウェアに依存しないQCORをQuaSiMoライブラリに実装する。
論文 参考訳（メタデータ） (2021-01-20T14:20:14Z) - TensorFlow Quantum: A Software Framework for Quantum Machine Learning [36.75544801185366]
本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。
本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
論文 参考訳（メタデータ） (2020-03-06T01:31:43Z)
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。