論文の概要: Qute: Towards Quantum-Native Database
- arxiv url: http://arxiv.org/abs/2602.14699v1
- Date: Mon, 16 Feb 2026 12:39:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 16:22:50.406108
- Title: Qute: Towards Quantum-Native Database
- Title（参考訳）: Qute: 量子ネイティブデータベースを目指して
- Authors: Muzhi Chen, Xuanhe Zhou, Wei Zhou, Bangrui Xu, Surui Tang, Guoliang Li, Bingsheng He, Yeye He, Yitong Song, Fan Wu,
- Abstract要約: 本稿では、量子計算を第一級実行オプションとして扱う量子データベース(Qute)を構想する。
実際の量子プロセッサにQuteをデプロイすることで、古典的なベースラインを大規模に上回る結果が得られます。
- 参考スコア（独自算出の注目度）: 40.35292966418181
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper envisions a quantum database (Qute) that treats quantum computation as a first-class execution option. Unlike prior simulation-based methods that either run quantum algorithms on classical machines or adapt existing databases for quantum simulation, Qute instead (i) compiles an extended form of SQL into gate-efficient quantum circuits, (ii) employs a hybrid optimizer to dynamically select between quantum and classical execution plans, (iii) introduces selective quantum indexing, and (iv) designs fidelity-preserving storage to mitigate current qubit constraints. We also present a three-stage evolution roadmap toward quantum-native database. Finally, by deploying Qute on a real quantum processor (origin_wukong), we show that it outperforms a classical baseline at scale, and we release an open-source prototype at https://github.com/weAIDB/Qute.
- Abstract（参考訳）: 本稿では、量子計算を第一級実行オプションとして扱う量子データベース(Qute)を構想する。
従来のシミュレーションベースの手法とは異なり、Quteは古典的なマシン上で量子アルゴリズムを実行するか、既存のデータベースを量子シミュレーションに適応させる。
i)SQLの拡張形式をゲート効率の量子回路にコンパイルする。
(ii) 量子および古典的実行計画の動的選択にハイブリッドオプティマイザを用いる。
三)選択的量子インデックスを導入し、
(iv) 現在のqubit制約を緩和するフィデリティ保存ストレージを設計する。
また、量子ネイティブデータベースに向けた3段階の進化ロードマップも提示する。
最後に、Quteを実際の量子プロセッサ(origin_wukong)にデプロイすることにより、古典的なベースラインを大規模に上回り、https://github.com/weAIDB/Quteでオープンソースプロトタイプをリリースすることを示す。
関連論文リスト
- Quantum Hyperdimensional Computing: a foundational paradigm for quantum neuromorphic architectures [0.5785414922972825]
本稿では,量子超次元コンピューティング(QHDC)について紹介する。
古典的手法である超次元計算(HDC)のコア演算が,QCのネイティブ演算に対して顕著なエレガンスと直接対応を持つ写像であることを示す。
本稿では、シンボリックなアナロジー推論と教師付き分類タスクによって検証された、このフレームワークの最初の実装について述べる。
論文 参考訳（メタデータ） (2025-11-16T16:01:56Z) - Quantum Executor: A Unified Interface for Quantum Computing [46.36953285198747]
Quantum Executorは、不均一なプラットフォーム間で量子実験をオーケストレーションするために設計された、バックエンドに依存しない実行エンジンである。
主な機能は、非同期および分散実行のサポート、カスタマイズ可能な実行戦略、量子実験を管理するための統一APIである。
論文 参考訳（メタデータ） (2025-07-10T09:55:32Z) - QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design [63.02824918725805]
量子コンピューティングは、量子アルゴリズムによる古典的コンピューティングよりも大幅にスピードアップされていることが認識されている。
QCircuitBenchは、量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された最初のベンチマークデータセットである。
論文 参考訳（メタデータ） (2024-10-10T14:24:30Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Adaptive Circuit Learning of Born Machine: Towards Realization of Amplitude Embedding and Quantum Data Loading [14.015610256155602]
本稿では、アンザッツ回路を動的に拡張するAdaptive Circuit Learning of Born Machineというフレームワークを提案する。
本アルゴリズムは、ターゲット状態に存在する複雑な絡み合いを最もよく捉える2ビットの絡み合いゲートを選択的に統合するように設計されている。
論文 参考訳（メタデータ） (2023-11-29T16:47:31Z) - Assisted quantum simulation of open quantum systems [0.0]
NISQ技術を用いてUQAの回路深さを低減する量子支援量子アルゴリズムを導入する。
オープン量子システムをシミュレーションするための量子支援量子アルゴリズムを2つ提案する。
論文 参考訳（メタデータ） (2023-02-26T11:41:02Z) - Hybrid Quantum Classical Simulations [0.0]
量子コンピューティングの2つの主要なハイブリッド応用、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解法(VQE)について報告する。
どちらも、古典的な中央処理ユニットと量子処理ユニットの間の漸進的な通信を必要とするため、ハイブリッド量子古典アルゴリズムである。
論文 参考訳（メタデータ） (2022-10-06T10:49:15Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - An Optimized Quantum Implementation of ISD on Scalable Quantum Resources [2.274915755738124]
Prange の ISD アルゴリズムは量子コンピュータ上でより効率的に実装可能であることを示す。
我々は、古典的コプロセッサのアイデアを活用して、ハイブリッドな古典的量子トレードオフを設計する。
論文 参考訳（メタデータ） (2021-12-12T06:01:10Z) - 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)
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。