論文の概要: Noise-Adaptive Quantum Circuit Mapping for Multi-Chip NISQ Systems via Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2511.18079v1
• Date: Sat, 22 Nov 2025 14:27:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.616534
• Title: Noise-Adaptive Quantum Circuit Mapping for Multi-Chip NISQ Systems via Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習によるマルチチップNISQシステムの雑音適応量子回路マッピング
• Authors: Atiye Zeynali, Zahra Bakhshi,
• Abstract要約: 本稿では,双方向長短期記憶に基づく動的雑音適応ネットワークを統合した深層強化学習フレームワークDeepQMapを提案する。 本手法は,量子系の動作の時間的表現を学習することで,ハードウェアのダイナミクスに継続的に適応する。 DeepQMapは平均回路忠実度が0.920 pm 0.023$であり、最先端のQUBO法よりも統計的に49.3%向上している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The transition from monolithic to distributed multi-chip quantum architectures has fundamentally altered the circuit compilation landscape, introducing challenges in managing temporal noise variations and minimizing expensive inter-chip operations. We present DeepQMap, a deep reinforcement learning framework that integrates a bidirectional Long Short-Term Memory based Dynamic Noise Adaptation (DNA) network with multi-head attention mechanisms and Rainbow DQN architecture. Unlike conventional static optimization approaches such as QUBO formulations, our method continuously adapts to hardware dynamics through learned temporal representations of quantum system behavior. Comprehensive evaluation across 270 benchmark circuits spanning Quantum Fourier Transform, Grover's algorithm, and Variational Quantum Eigensolver demonstrates that DeepQMap achieves mean circuit fidelity of $0.920 \pm 0.023$, representing a statistically significant 49.3\% improvement over state-of-the-art QUBO methods ($0.618 \pm 0.031$, $t_{98} = 4.87$, $p = 0.0023$, Cohen's $d = 2.34$). Inter-chip communication overhead reduces by 79.8\%, decreasing from 2.34 operations per circuit to 0.47. The DNA network maintains noise prediction accuracy with coefficient of determination $R^2 = 0.912$ and mean absolute error of 0.87\%, enabling proactive compensation for hardware fluctuations. Scalability analysis confirms sustained performance across 20-100 qubit systems, with fidelity remaining above 0.87 even at maximum scale where competing methods degrade below 0.60. Training convergence occurs 8.2$\times$ faster than baseline approaches, completing in 45 minutes versus 370 minutes for QUBO optimization. Very large effect sizes validate practical significance for near-term noisy intermediate-scale quantum computing applications.
• Abstract（参考訳）: モノリシックから分散マルチチップ量子アーキテクチャへの移行により、回路のコンパイル環境が根本的に変化し、時間的ノイズ変動の管理と高価なチップ間操作の最小化が課題となっている。 我々は,双方向長短期記憶に基づく動的ノイズ適応(DNA)ネットワークとマルチヘッドアテンション機構とレインボーDQNアーキテクチャを統合した深層強化学習フレームワークDeepQMapを提案する。 QUBOの定式化のような従来の静的最適化手法とは異なり,本手法は量子系挙動の時間的表現を学習することによりハードウェア力学に継続的に適応する。 量子フーリエ変換(Quantum Fourier Transform)、グローバーのアルゴリズム(Grover's algorithm)、変分量子固有解法(Invariantal Quantum Eigensolver)にまたがる270のベンチマーク回路の総合的な評価は、DeepQMapが平均回路忠実度が0.920 pm 0.023$に達し、統計的に有意な49.3 %の改善(0.618 \pm 0.031$, $t_{98} = 4.87$, $p = 0.0023$, Cohen's $d = 2.34$)を示している。 チップ間通信のオーバーヘッドは79.8 %減少し、回路当たりの動作は2.34 から 0.47 に減少した。 DNAネットワークは、決定係数$R^2 = 0.912$と平均絶対誤差 0.87\% でノイズ予測精度を維持し、ハードウェアの変動に対する積極的な補償を可能にする。 スケーラビリティ分析により、20-100キュービットシステム間での持続的なパフォーマンスが確認され、競合するメソッドが0.60未満の最大スケールでも、忠実度は0.87以上である。 トレーニング収束は、ベースラインアプローチよりも8.2$\times$速く、QUBO最適化では45分、370分で完了する。 非常に大きな効果サイズは、短期ノイズの多い中間スケール量子コンピューティングアプリケーションにおいて実用的重要性を実証する。

関連論文リスト

• Route-Forcing: Scalable Quantum Circuit Mapping for Scalable Quantum Computing Architectures [41.39072840772559]
  Route-Forcingは量子回路マッピングアルゴリズムで、平均スピードアップが3.7Times$であることを示している。 本稿では、最先端のスケーラブルな手法と比較して平均3.7倍の高速化を示す量子回路マッピングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T14:21:41Z)
• Improving Quantum Approximate Optimization by Noise-Directed Adaptive Remapping [2.6447353939786296]
  ノイズ指向リマッピング(Noss-Directed Remapping, NDAR)は、ある種のノイズを利用して二進最適化問題を解決するアルゴリズムである。 我々は、グローバルなアトラクタ状態を特徴とするダイナミックスを備えたノイズの多い量子プロセッサへのアクセスを検討する。 我々のアルゴリズムは、ノイズアトラクターを高品質な解に変換する方法で、コスト関数ハミルトニアンを反復的にゲージ変換することでノイズアトラクター状態をブートストラップする。
  論文  参考訳（メタデータ） (2024-04-01T18:28:57Z)
• Performing Non-Local Phase Estimation with a Rydberg-Superconducting Qubit Hybrid [0.0]
  提案する超伝導-共振器-原子ハイブリッドシステムにおいて,分散位相推定アルゴリズムの実行を数値シミュレーションする。 2つの量子ビット間の絡み合うゲートは、E2ゲートと呼ばれる分散位相推定アルゴリズムで利用される。 GRAPEアルゴリズムは、90%以上の忠実度を持つRydberg原子とマルチキュービットゲートの非常に正確なエンジニアリングを示した。
  論文  参考訳（メタデータ） (2024-02-22T16:11:48Z)
• Fast Flux-Activated Leakage Reduction for Superconducting Quantum Circuits [84.60542868688235]
  量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。 パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。 繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
  論文  参考訳（メタデータ） (2023-09-13T16:21:32Z)
• Toward Consistent High-fidelity Quantum Learning on Unstable Devices via Efficient In-situ Calibration [5.0854551390284]
  近未来の雑音型中間スケール量子(NISQ)時代には、高ノイズは量子コンピューティングの忠実度を著しく低下させる。 本稿では,量子パルスに基づく新しい雑音適応フレームワークQuPADを提案する。 実験により、8-10キュービットのQuPADの量子デバイス上でのランタイムは15分未満であり、パラメータシフトアプローチよりも最大270倍高速であることが示された。
  論文  参考訳（メタデータ） (2023-09-12T15:39:06Z)
• Efficient DCQO Algorithm within the Impulse Regime for Portfolio Optimization [41.94295877935867]
  本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。 提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。 我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
  論文  参考訳（メタデータ） (2023-08-29T17:53:08Z)
• Simulation of IBM's kicked Ising experiment with Projected Entangled Pair Operator [71.10376783074766]
  我々は最近,誤りを軽減した量子回路を用いてエミュレートされた127量子ビットキックド・イジングモデルの古典的シミュレーションを行った。 提案手法はハイゼンベルク図の射影的絡み合ったペア作用素(PEPO)に基づいている。 我々はクリフォード展開理論を開発し、正確な期待値を計算し、それらをアルゴリズムの評価に利用する。
  論文  参考訳（メタデータ） (2023-08-06T10:24:23Z)
• Exploring the neighborhood of 1-layer QAOA with Instantaneous Quantum Polynomial circuits [0.0]
  我々は1層QAOA回路をパラメータ化即時量子多項式回路のより大きなクラスに埋め込む。 最適パラメータを求めるために解析式を用いることで、我々のプロトコルはバレンプラトーやハードウェアノイズに対して堅牢である。 我々のプロトコルは、最近リリースされたQuantinuum H2トラップイオン量子ハードウェアとエミュレータの1層QAOAよりも優れている。
  論文  参考訳（メタデータ） (2022-10-11T15:16:44Z)
• Unimon qubit [42.83899285555746]
  超伝導量子ビットは、量子コンピュータを実装する最も有望な候補の1つである。 本稿では,高非線形性,dc電荷雑音に対する完全な感度,フラックス雑音に対する感度,共振器内の1つのジョセフソン接合のみからなる単純な構造を結合した超伝導量子ビット型ユニモンについて紹介し,実演する。
  論文  参考訳（メタデータ） (2022-03-11T12:57:43Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。