論文の概要: DynQ: A Dynamic Topology-Agnostic Quantum Virtual Machine via Quality-Weighted Community Detection
- arxiv url: http://arxiv.org/abs/2601.19635v1
- Date: Tue, 27 Jan 2026 14:11:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-28 15:26:51.343477
- Title: DynQ: A Dynamic Topology-Agnostic Quantum Virtual Machine via Quality-Weighted Community Detection
- Title（参考訳）: DynQ: 品質重み付きコミュニティ検出による動的トポロジー非依存量子仮想マシン
- Authors: Shusen Liu, Pascal Jahan Elahi, Ugo Varetto,
- Abstract要約: 我々は、品質重み付きコミュニティ検出を用いて量子ハードウェアを仮想化する、最初の動的トポロジに依存しない量子仮想マシンであるDynQを紹介する。
DynQは、固定された幾何学的領域を示す代わりに、ライブキャリブレーションデータから派生した重み付きグラフとして量子プロセッサをモデル化する。
デバイスグラフを適応的な仮想ハードウェア抽象化に変換することで、DynQは量子プログラムを脆弱な物理レイアウトから切り離し、信頼性の高い高可用性量子クラウドサービスを実現する。
- 参考スコア（独自算出の注目度）: 1.6597465729143812
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum cloud platforms remain fundamentally non-virtualised: despite rapid hardware scaling, each user program still monopolises an entire quantum processor, preventing resource sharing, economic scalability, and quality-of-service differentiation. Existing Quantum Virtual Machine (QVM) designs attempt spatial multiplexing through topology-specific or template-based partitioning, but these approaches are brittle under hardware heterogeneity, calibration drift, and transient defects, which dominate real quantum devices. We present DynQ, the first dynamic, topology-agnostic Quantum Virtual Machine that virtualises quantum hardware using quality-weighted community detection. Instead of imposing fixed geometric regions, DynQ models a quantum processor as a weighted graph derived from live calibration data and automatically discovers execution regions that maximise internal gate quality while minimising inter-region coupling. This operationalises the classical virtualisation principle of high cohesion and low coupling in a quantum-native setting, producing execution regions that are connectivity-efficient, noise-aware, and resilient to crosstalk and defects. We evaluate DynQ across five IBM Quantum backends using calibration-derived noise simulation and on two production devices, comparing against state-of-the-art QVM and standard compilation baselines. On hardware with pronounced spatial quality variation, DynQ achieves up to 19.1 percent higher fidelity and 45.1 percent lower output error. When transient hardware defects cause baseline executions to fail completely, DynQ adapts dynamically and achieves over 86 percent fidelity. By transforming calibrated device graphs into adaptive virtual hardware abstractions, DynQ decouples quantum programs from fragile physical layouts and enables reliable, high-utilisation quantum cloud services.
- Abstract（参考訳）: ハードウェアの急激なスケーリングにもかかわらず、各ユーザプログラムは依然として量子プロセッサ全体を独占し、リソース共有、経済的スケーラビリティ、サービス品質の差別化を防いでいる。
既存の量子仮想マシン(QVM)の設計では、トポロジ固有のあるいはテンプレートベースのパーティショニングを通じて空間多重化を試みるが、これらのアプローチは、ハードウェアの不均一性、キャリブレーションドリフト、過渡的欠陥の下で不安定であり、実際の量子デバイスを支配している。
我々は、品質重み付きコミュニティ検出を用いて量子ハードウェアを仮想化する、最初の動的トポロジに依存しない量子仮想マシンであるDynQを紹介する。
DynQは、固定された幾何学的領域を与える代わりに、ライブキャリブレーションデータから導かれた重み付きグラフとして量子プロセッサをモデル化し、内部ゲートの品質を最大化する実行領域を自動的に発見する。
これは、量子ネイティブな環境での高凝集と低結合の古典的な仮想化原則を運用し、接続効率が良く、ノイズを認識し、クロストークや欠陥に耐性のある実行領域を生成する。
我々は、キャリブレーションによるノイズシミュレーションと2つのプロダクションデバイスを用いて、5つのIBM Quantumバックエンド上でDynQを評価し、最先端のQVMと標準コンパイルベースラインと比較した。
空間的品質の変化が顕著なハードウェアでは、DynQは19.1%、出力エラー45.1%に達する。
過渡的なハードウェア欠陥がベースライン実行を完全に失敗させる場合、DynQは動的に適応し、86%以上の忠実性を達成する。
キャリブレーションされたデバイスグラフを適応的な仮想ハードウェア抽象化に変換することで、DynQは量子プログラムを脆弱な物理レイアウトから切り離し、信頼性の高い高可用性量子クラウドサービスを実現する。
関連論文リスト
- TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。
これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - Towards System-Level Quantum-Accelerator Integration [3.4486179803947254]
本稿では,量子加速器と処理ユニットを周辺システムコンポーネントとして扱う垂直統合量子システムアーキテクチャを提案する。
中心となる要素は、オペレーティングシステムのカーネルレベルでの量子抽象層(QAL)である。
本稿では,QEMUに基づく仮想QPUモデルを含む,このような統合アーキテクチャに向けた最初の結果を示す。
論文 参考訳（メタデータ） (2025-07-25T12:30:42Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。
本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
量子ニューラルネットワークを用いた最大12キュービットハミルトニアンの変分量子固有解法(VQE)と量子位相分類
量子ニューラルネットワークを用いた最大12量子ビットハミルトニアンのVQEと量子位相分類を用いた6-18量子ハミルトニアンの基底状態推定手法の数値評価を行った。
論文 参考訳（メタデータ） (2025-03-20T17:17:58Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Improved variational quantum eigensolver via quasi-dynamical evolution [0.0]
変分量子固有解法 (VQE) は、現在および短期の量子デバイス向けに設計されたハイブリッド量子古典アルゴリズムである。
VQEには、量子優位性に対する好ましいスケーリングを禁じる問題がある。
本稿では,VQEを補う量子アニール法を提案する。
改良されたVQEは不毛の台地を回避し、局所的なミニマを放出し、低深度回路で動作する。
論文 参考訳（メタデータ） (2022-02-21T11:21:44Z) - 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。