論文の概要: TopoLS: Lattice Surgery Compilation via Topological Program Transformations

• arxiv url: http://arxiv.org/abs/2601.23109v1
• Date: Fri, 30 Jan 2026 15:54:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.541722
• Title: TopoLS: Lattice Surgery Compilation via Topological Program Transformations
• Title（参考訳）: TopoLS: トポロジカルプログラム変換による格子手術コンパイル
• Authors: Junyu Zhou, Yuhao Liu, Ethan Decker, Justin Kalloor, Mathias Weiden, Kean Chen, Costin Iancu, Gushu Li,
• Abstract要約: TopoLSは、ZX-ダイアグラム最適化とモンテカルロ木探索を組み合わせたトポロジカルコンパイラである。 SAT-solverベースのコンパイラと比較して、TopoLSは格子サージェリーコンパイルに効果的でスケーラブルなソリューションを提供する。
• 参考スコア（独自算出の注目度）: 6.387941081167297
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fault-tolerant quantum computing with surface codes can be achieved by compiling logical circuits into lattice-surgery instructions. To minimize space-time volume, we present TopoLS, a topological compiler that combines ZX-diagram optimizations with Monte Carlo tree search guided by different operation placements and topology-aware circuit partitioning. Our approach enables scalable exploration of lattice surgery structures and consistently reduces resource overhead. Evaluations of various benchmark algorithms across multiple architectures show that TopoLS achieves an average 33% reduction in space-time volume over prior heuristic-based compilers, while maintaining linear compilation time scaling. Compared to the SAT-solver-based compiler, which provides optimal results only for small circuits before becoming intractable, TopoLS offers an effective and scalable solution for lattice-surgery compilation.
• Abstract（参考訳）: 表面符号を用いたフォールトトレラント量子コンピューティングは、論理回路を格子サージェリー命令にコンパイルすることで実現できる。 時空間容積を最小化するために,ZX-ダイアグラム最適化とモンテカルロ木探索を組み合わせたトポロジカルコンパイラTopoLSを提案する。 弊社のアプローチは、格子状手術構造物のスケーラブルな探索を可能にし、リソースオーバーヘッドを一貫して低減する。 複数のアーキテクチャにわたる様々なベンチマークアルゴリズムの評価から、TopoLSは、線形コンパイル時間のスケーリングを維持しながら、以前のヒューリスティックベースのコンパイラよりも平均33%の時空間容積の削減を実現している。 SAT-solverベースのコンパイラは、難読化前に小さな回路にのみ最適な結果を提供するが、TopoLSは格子サージェリーコンパイルに効果的でスケーラブルなソリューションを提供する。

関連論文リスト

• Conflict-Driven Clause Learning with VSIDS Heuristics for Discrete Facility Layout [0.0]
  本稿では,コンフリクト駆動型クローズラーニング(CDCL)とDSを個別の施設レイアウト問題に対する計算エンジンとして用いることを検討した。 レイアウト実現のためのCNFベースの定式化を開発し,CDCLベースのSAT解とCPSATおよびMILPの定式化を比較した。
  論文  参考訳（メタデータ） (2025-12-19T20:03:37Z)
• Fast correlated decoding of transversal logical algorithms [67.01652927671279]
  大規模計算には量子エラー補正(QEC)が必要であるが、かなりのリソースオーバーヘッドが発生する。 近年の進歩により、論理ゲートからなるアルゴリズムにおいて論理キュービットを共同で復号化することにより、症候群抽出ラウンドの数を削減できることが示されている。 ここでは、回路を介して伝播する関連する論理演算子製品を直接復号することで、回路の復号化の問題を修正する。
  論文  参考訳（メタデータ） (2025-05-19T18:00:00Z)
• SymRTLO: Enhancing RTL Code Optimization with LLMs and Neuron-Inspired Symbolic Reasoning [30.938876549335067]
  本稿では,新しいニューロン-シンボリックRTL最適化フレームワークであるSymRTLOを提案する。 有限状態機械(FSM)論理の解析と最適化のための記号モジュールを提案する。 Synopsys Design Compiler と Yosys による RTL-Rewriter ベンチマークの実験では、SymRTLO は 43.9% と 62.5% と 51.1% に向上している。
  論文  参考訳（メタデータ） (2025-04-14T16:15:55Z)
• COGNAC: Circuit Optimization via Gradients and Noise-Aware Compilation [0.29998889086656577]
  我々は、量子回路をコンパイルするための新しい戦略であるCOGNACを提案する。 回転角をゼロにすることで、COGNACは回路からゲートを取り除き、より小さな量子回路を生成する。
  論文  参考訳（メタデータ） (2023-11-05T20:59:27Z)
• CORE: Common Random Reconstruction for Distributed Optimization with Provable Low Communication Complexity [110.50364486645852]
  コミュニケーションの複雑さは、トレーニングをスピードアップし、マシン番号をスケールアップする上で、大きなボトルネックになっています。 本稿では,機械間で送信される情報を圧縮するための共通Om REOmを提案する。
  論文  参考訳（メタデータ） (2023-09-23T08:45:27Z)
• Optimization-based Block Coordinate Gradient Coding for Mitigating Partial Stragglers in Distributed Learning [58.91954425047425]
  本稿では,分散学習における部分トラグラーの緩和を目的とした,新たな勾配符号化方式を提案する。 L の符号パラメータを L に表わした勾配座標符号化方式を提案する。
  論文  参考訳（メタデータ） (2022-06-06T09:25:40Z)
• Gaussian Elimination versus Greedy Methods for the Synthesis of Linear Reversible Circuits [0.0]
  可逆回路は、量子コンピューティングに多くの応用がある可逆回路のサブクラスを表す。 ガウス除去アルゴリズムの最適化版と調整LU分解を用いて,任意の線形可逆作用素に対する新しいアルゴリズムを提案する。 全体として、我々のアルゴリズムは特定の問題サイズに対する最先端の手法を改善している。
  論文  参考訳（メタデータ） (2022-01-17T16:31:42Z)
• A Reinforcement Learning Environment for Polyhedral Optimizations [68.8204255655161]
  マルコフ決定過程(MDP)として多面体モデルにおける法的変換空間の形状に依存しない定式化を提案する。 変換を使う代わりに、定式化は可能なスケジュールの抽象空間に基づいている。 我々の総合的MDP定式化は、強化学習を用いて幅広いループで最適化ポリシーを学習することを可能にする。
  論文  参考訳（メタデータ） (2021-04-28T12:41:52Z)

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。