論文の概要: TensorCircuit-NG: A Universal, Composable, and Scalable Platform for Quantum Computing and Quantum Simulation
- arxiv url: http://arxiv.org/abs/2602.14167v1
- Date: Sun, 15 Feb 2026 14:37:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:28.680545
- Title: TensorCircuit-NG: A Universal, Composable, and Scalable Platform for Quantum Computing and Quantum Simulation
- Title（参考訳）: TensorCircuit-NG:量子コンピューティングと量子シミュレーションのための普遍的で構成可能でスケーラブルなプラットフォーム
- Authors: Shi-Xin Zhang, Yu-Qin Chen, Weitang Li, Jiace Sun, Wei-Guo Ma, Pei-Lin Zheng, Yu-Xiang Huang, Qi-Xiang Wang, Hui Yu, Zhuo Li, Xuyang Huang, Zong-Liang Li, Zhou-Quan Wan, Shuo Liu, Jiezhong Qiu, Jiaqi Miao, Zixuan Song, Yuxuan Yan, Kazuki Tsuoka, Pan Zhang, Lei Wang, Heng Fan, Chang-Yu Hsieh, Hong Yao, Tao Xiang,
- Abstract要約: 量子物理学、人工知能、高性能コンピューティングのギャップを埋めるために設計された次世代量子ソフトウェアプラットフォームであるCircuit-NGを紹介します。
Circuit-NGは、量子回路、テンソルネットワーク、ニューラルネットワークが単一のエンドツーエンドの微分可能な計算グラフに融合する、統一されたテンソルネイティブプログラミングパラダイムを確立する。
- 参考スコア（独自算出の注目度）: 33.05172028111655
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present TensorCircuit-NG, a next-generation quantum software platform designed to bridge the gap between quantum physics, artificial intelligence, and high-performance computing. Moving beyond the scope of traditional circuit simulators, TensorCircuit-NG establishes a unified, tensor-native programming paradigm where quantum circuits, tensor networks, and neural networks fuse into a single, end-to-end differentiable computational graph. Built upon industry-standard machine learning backends (JAX, TensorFlow, PyTorch), the framework introduces comprehensive capabilities for approximate circuit simulation, analog dynamics, fermion Gaussian states, qudit systems, and scalable noise modeling. To tackle the exponential complexity of deep quantum circuits, TensorCircuit-NG implements advanced distributed computing strategies, including automated data parallelism and model-parallel tensor network slicing. We validate these capabilities on GPU clusters, demonstrating a near-linear speedup in distributed variational quantum algorithms. TensorCircuit-NG enables flagship applications, including end-to-end QML for CIFAR-100 computer vision, efficient pipelines from quantum states to neural networks via classical shadows, and differentiable optimization of tensor network states for many-body physics.
- Abstract（参考訳）: 我々は,量子物理学,人工知能,高性能コンピューティングのギャップを埋めるために設計された次世代量子ソフトウェアプラットフォームであるTensorCircuit-NGを紹介する。
従来の回路シミュレータの範囲を超えて、TensorCircuit-NGは、量子回路、テンソルネットワーク、ニューラルネットワークが単一のエンドツーエンドの微分可能な計算グラフに融合する、統一的でテンソルネイティブなプログラミングパラダイムを確立する。
業界標準の機械学習バックエンド(JAX、TensorFlow、PyTorch)に基づいて構築されたこのフレームワークは、近似回路シミュレーション、アナログダイナミクス、フェルミオンガウス状態、キューディットシステム、スケーラブルノイズモデリングの包括的な機能を導入している。
ディープ量子回路の指数関数的複雑性に対処するため、TensorCircuit-NGは、自動データ並列化やモデル並列テンソルネットワークスライシングを含む高度な分散コンピューティング戦略を実装している。
我々はこれらの機能をGPUクラスタ上で検証し、分散変動量子アルゴリズムにおけるほぼ直線的な高速化を示す。
TensorCircuit-NGは、CIFAR-100コンピュータビジョンのためのエンドツーエンドQML、量子状態から古典的なシャドウによるニューラルネットワークへの効率的なパイプライン、多体物理学のためのテンソルネットワーク状態の微分可能な最適化など、フラッグシップアプリケーションを可能にする。
関連論文リスト
- Implementation of Tensor Network Simulation TN-Sim under NWQ-Sim [5.781957154737856]
大規模テンソルネットワークシミュレーションは、古典的量子シミュレーションにおける堅牢な複雑性理論境界の開発に不可欠である。
我々はNWQ-Simソフトウェアパッケージ内にテンソルネットワークシミュレータバックエンドを実装した。
我々は,最先端のPerlmutter(NVIDIA)スーパーコンピュータ上で動作するMPSテンソルネットワークシミュレータを実演する。
論文 参考訳（メタデータ） (2026-01-07T22:01:35Z) - 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) - SeQUeNCe GUI: An Extensible User Interface for Discrete Event Quantum Network Simulations [55.2480439325792]
SeQUeNCeは、量子ネットワーク通信のオープンソースシミュレータである。
我々はSeQUeNCeの中核となる原則を維持できるグラフィカルユーザインタフェースを実装している。
論文 参考訳（メタデータ） (2025-01-15T19:36:09Z) - 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) - TensorCircuit: a Quantum Software Framework for the NISQ Era [18.7784080447382]
Pythonで書かれたCircuitは、自動微分、ジャストインタイムコンパイル、ベクトル化並列処理、ハードウェアアクセラレーションをサポートする。
回路は、適度な深さと低次元接続で最大600量子ビットをシミュレートすることができる。
論文 参考訳（メタデータ） (2022-05-20T11:23:30Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - 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) - Recurrent Quantum Neural Networks [7.6146285961466]
リカレントニューラルネットワークは、機械学習における多くのシーケンス対シーケンスモデルの基盤となっている。
非自明なタスクに対して実証可能な性能を持つ量子リカレントニューラルネットワーク(QRNN)を構築する。
我々はQRNNをMNIST分類で評価し、QRNNに各画像ピクセルを供給し、また、最新のデータ拡張を前処理のステップとして利用する。
論文 参考訳（メタデータ） (2020-06-25T17:59:44Z) - 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。