論文の概要: Advanced Scheduling Strategies for Distributed Quantum Computing Jobs

• arxiv url: http://arxiv.org/abs/2602.24152v1
• Date: Fri, 27 Feb 2026 16:35:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.516268
• Title: Advanced Scheduling Strategies for Distributed Quantum Computing Jobs
• Title（参考訳）: 分散量子コンピューティングジョブのための高度なスケジューリング戦略
• Authors: Gongyu Ni, Davide Ferrari, Lester Ho, Michele Amoretti,
• Abstract要約: 複数の量子デバイスで利用可能な量子ビットの数をスケーリングすることは、分散量子コンピューティング(DQC)における研究の活発な領域である。 QPUの利用、非局所ゲート密度、キュー化されたDQCジョブに関連するレイテンシなど、量子固有の新しい制約を考慮する必要があるため、後者の側面は非常に難しい。
• 参考スコア（独自算出の注目度）: 1.4757786825685777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling the number of qubits available across multiple quantum devices is an active area of research within distributed quantum computing (DQC). This includes quantum circuit compilation and execution management on multiple quantum devices in the network. The latter aspect is very challenging because, while reducing the makespan of job batches remains a relevant objective, novel quantum-specific constraints must be considered, including QPU utilization, non-local gate density, and the latency associated with queued DQC jobs. In this work, a range of scheduling strategies is proposed, simulated, and evaluated, including heuristics that prioritize resource maximization for QPU utilization, node selection based on heterogeneous network connectivity, asynchronous node release upon job completion, and a scheduling strategy based on reinforcement learning with proximal policy optimization. These approaches are benchmarked against traditional FIFO and LIST schedulers under varying DQC job types and network conditions for the allocation of DQC jobs to devices within a network.
• Abstract（参考訳）: 複数の量子デバイスで利用可能な量子ビットの数をスケールすることは、分散量子コンピューティング(DQC)における研究の活発な領域である。 これには、ネットワーク内の複数の量子デバイス上での量子回路のコンパイルと実行管理が含まれる。 QPUの利用、非局所ゲート密度、キュー化されたDQCジョブに関連するレイテンシなど、量子固有の新しい制約を考慮する必要があるため、後者の側面は非常に難しい。 本研究は,QPU利用における資源最大化を優先するヒューリスティックス,異種ネットワーク接続に基づくノード選択,ジョブ完了時の非同期ノードリリース,近似ポリシ最適化による強化学習に基づくスケジューリング戦略を含む,スケジューリング戦略の提案,シミュレーション,評価を行う。 これらのアプローチは、ネットワーク内のデバイスにDQCジョブを割り当てるための様々なDQCジョブタイプとネットワーク条件の下で、従来のFIFOおよびLISTスケジューラに対してベンチマークされる。

関連論文リスト

• Efficient Time-Aware Partitioning of Quantum Circuits for Distributed Quantum Computing [10.919776355400282]
  分散量子コンピューティング(DQC)は、複数の小型量子処理ユニット(QPU)を相互接続して量子ネットワークを形成する。 この通信オーバーヘッドを最小限に抑えるため、DQCコンパイラは論理量子ビットを分散物理QPUにマッピングすることで、量子回路を戦略的に分割する必要がある。 本稿では,通信オーバヘッドを最小限に抑えるために,連続する時間ステップにまたがる低コストなキュービット代入列を段階的に構築する時間認識アルゴリズムを提案する。 提案アルゴリズムは, 回路サイズ, 深さ, ネットワークトポロジにまたがる静的ベースラインよりも, 通信コストを大幅に低減する。
  論文  参考訳（メタデータ） (2026-03-04T14:43:10Z)
• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• Adaptive Job Scheduling in Quantum Clouds Using Reinforcement Learning [1.0542466736167886]
  現在の量子システムは、量子ビット数制限、短いコヒーレンス間隔、エラーに対する高い感受性など、重大なボトルネックに直面している。 本稿では、リアルタイムな古典チャネルを介して接続されたネットワークQPU上での分散スケジューリングと並列実行をサポートするシミュレーションベースのツールを提案する。
  論文  参考訳（メタデータ） (2025-06-12T16:54:19Z)
• Resource Management and Circuit Scheduling for Distributed Quantum Computing Interconnect Networks [5.239117416189216]
  分散量子コンピューティング(DQC)は、モノリシック量子プロセッサのスケーラビリティ制限を克服するための有望なアプローチとして登場した。 本稿では,そのような環境下での資源管理と回路スケジューリングについて述べる。 混合整数線形計画法(MILP)に基づく回路スケジューリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-19T11:39:46Z)
• Compiler for Distributed Quantum Computing: a Reinforcement Learning Approach [6.347685922582191]
  本稿では,EPRペアの生成とルーティングを共同で管理することで,実行時間の短縮を優先する新しいコンパイラを提案する。 本稿では, 量子回路の絡み合い生成の性質と動作要求を考慮し, リアルタイムかつ適応的なコンパイラ設計手法を提案する。 i)マルコフ決定過程(MDP)の定式化を用いてDQCの最適コンパイラをモデル化し、最適アルゴリズムの存在を確立し、(ii)この最適コンパイラを近似するために制約付き強化学習(RL)法を導入する。
  論文  参考訳（メタデータ） (2024-04-25T23:03:20Z)
• Adaptive User-Centric Entanglement Routing in Quantum Data Networks [5.421492821020181]
  分散量子コンピューティング(DQC)は、量子データネットワーク(QDN)を介して複数の小さな量子コンピュータ(QC)を相互接続することで、量子コンピューティングの可能性を活用するという大きな可能性を秘めている。 QDN内の量子テレポーテーションのための2つのQC間の長距離量子絡み合わせを確立することは重要な側面であり、絡み合わせルーティングを伴う。 既存のアプローチは主に、現在の絡み合い接続(EC)要求に対する絡み合い性能の最適化に重点を置いている。 本稿では,ユーザの予算制約に固執しながら,絡み合いの成功率を最大化するために,長期にわたるユーザ中心の絡み合いルーティング問題を提案する。
  論文  参考訳（メタデータ） (2024-04-13T17:20:00Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• A Design Framework for the Simulation of Distributed Quantum Computing [2.969582361376132]
  大規模量子コンピュータの需要増加は分散量子コンピューティング(DQC)の研究を推し進めている 最近の実験的試みは、そのような設計のためのビルディングブロックのいくつかを実証している。 DQCシステムは、量子ネットワークのインフラによって接続された量子処理ユニットのクラスタである。
  論文  参考訳（メタデータ） (2023-06-20T13:52:05Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization in Future Networks [54.03701670739067]
  本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。 提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-09-16T02:44:52Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)

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。