論文の概要: Efficient Image Reconstruction Architecture for Neutral Atom Quantum Computing
- arxiv url: http://arxiv.org/abs/2603.03149v1
- Date: Tue, 03 Mar 2026 16:40:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-04 21:38:10.881751
- Title: Efficient Image Reconstruction Architecture for Neutral Atom Quantum Computing
- Title（参考訳）: 中性原子量子コンピューティングのための効率的な画像再構成アーキテクチャ
- Authors: Jonas Winklmann, Yian Yu, Xiaorang Guo, Korbinian Staudacher, Martin Schulz,
- Abstract要約: 中性原子量子コンピュータ(NAQC)は、その長いコヒーレンス時間と優れたスケーラビリティのために多くの注目を集めている。
主な欠点の1つは、比較的時間を要するコントロールオーバーヘッドである。
ツイーザー型NAQCのための高並列原子検出加速器を提案する。
- 参考スコア（独自算出の注目度）: 2.579336620638783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, neutral atom quantum computers (NAQCs) have attracted a lot of attention, primarily due to their long coherence times and good scalability. One of their main drawbacks is their comparatively time-consuming control overhead, with one of the main contributing procedures being the detection of individual atoms and measurement of their states, each occurring at least once per compute cycle and requiring fluorescence imaging and subsequent image analysis. To reduce the required time budget, we propose a highly-parallel atom-detection accelerator for tweezer-based NAQCs. Building on an existing solution, our design combines algorithm-level optimization with a field-programmable gate array (FPGA) implementation to maximize parallelism and reduce the run time of the image analysis process. Our design can analyze a 256$\times$256-pixel image representing a 10$\times$10 atom array in just 115 $μ$s on a Xilinx UltraScale+ FPGA. Compared to the original CPU baseline and our optimized CPU version, we achieve about 34.9$\times$ and 6.3$\times$ speedup of the reconstruction time, respectively. Moreover, this work also contributes to the ongoing efforts toward fully integrated FPGA-based control systems for NAQCs.
- Abstract（参考訳）: 近年、中性原子量子コンピュータ(NAQC)は、その長いコヒーレンス時間と優れたスケーラビリティのために多くの注目を集めている。
主な欠点の1つは、比較的時間を要する制御オーバーヘッドであり、個々の原子の検出と状態の測定であり、それぞれが計算サイクル毎に少なくとも1回、蛍光イメージングとその後の画像解析を必要とする。
所要時間を削減するため,ツイーザー型NAQCのための高並列原子検出加速器を提案する。
既存のソリューションをベースとして,アルゴリズムレベルの最適化とフィールドプログラマブルゲートアレイ(FPGA)の実装を組み合わせることで,並列性を最大化し,画像解析プロセスの実行時間を短縮する。
我々の設計では、Xilinx UltraScale+ FPGA上で10$\times$10の原子配列を表す256$\times$256ピクセルの画像を115$μ$sで解析できる。
元のCPUベースラインと最適化されたCPUバージョンと比較して、それぞれ約34.9$\times$と6.3$\times$のリコンストラクションタイムのスピードアップを実現しています。
さらに、この研究は、NAQCのためのFPGAベースの完全統合制御システムへの継続的な取り組みにも貢献する。
関連論文リスト
- Bridging Superconducting and Neutral-Atom Platforms for Efficient Fault-Tolerant Quantum Architectures [14.971894680142343]
本稿では,超伝導 (SC) と中性原子 (NA) プラットフォームの利点を生かしたヘテロジニアス量子アーキテクチャ (HQA) への戦略的アプローチを提案する。
我々の設計では、NAのみのベースラインよりも平均で752タイムでスピードアップし、SCのみのシステムに比べて物理量子ビットのフットプリントを10タイム以上削減しています。
論文 参考訳（メタデータ） (2026-01-15T07:39:05Z) - Resource Analysis of Low-Overhead Transversal Architectures for Reconfigurable Atom Arrays [38.6948808036416]
本稿では,大規模フォールトトレラント量子アルゴリズムのレイアウトと資源推定をサポートする低オーバヘッドアーキテクチャを提案する。
2048ビットのRSAファクタリングは5.6日で19万キュービットで実行でき、QECサイクルは1ミリ秒である。
論文 参考訳（メタデータ） (2025-05-21T18:00:18Z) - HQViT: Hybrid Quantum Vision Transformer for Image Classification [48.72766405978677]
本稿では,モデル性能を向上しつつ,モデルトレーニングを高速化するHybrid Quantum Vision Transformer(HQViT)を提案する。
HQViTは振幅エンコーディングによる全画像処理を導入し、位置エンコーディングを追加せずにグローバルな画像情報をよりよく保存する。
様々なコンピュータビジョンデータセットの実験により、HQViTは既存のモデルよりも優れており、最大10.9%(MNIST 10-classification task)の改善を実現している。
論文 参考訳（メタデータ） (2025-04-03T16:13:34Z) - Design of an FPGA-Based Neutral Atom Rearrangement Accelerator for Quantum Computing [1.003635085077511]
ニュートラル原子は量子コンピュータを実装するための有望な技術として登場した。
本稿では,分割・対数戦略を応用し,複数の原子の同時移動を可能にする新しい四分法に基づく再配置アルゴリズムを提案する。
これは原子再構成のための最初のハードウェアアクセラレーションであり、処理時間を著しく短縮する。
論文 参考訳（メタデータ） (2024-11-19T10:38:21Z) - HAPM -- Hardware Aware Pruning Method for CNN hardware accelerators in resource constrained devices [44.99833362998488]
本研究はFPGAデバイスに実装可能な汎用ハードウェアアーキテクチャを提案する。
設計の推論速度は、リソース制約の異なるFPGAデバイス上で評価される。
ハードウェア対応プルーニングアルゴリズムは,標準アルゴリズムを用いたネットワークプルーニングに比べて,推論時間45%の顕著な改善を実現していることを示す。
論文 参考訳（メタデータ） (2024-08-26T07:27:12Z) - Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers [56.37495946212932]
視覚変換器(ViT)は、畳み込みニューラルネットワーク(CNN)と比較して、コンピュータビジョンタスクにおいて優れた精度を示す。
ハードウェア指向の量子化対応アーキテクチャ検索フレームワークであるQuasar-ViTを提案する。
論文 参考訳（メタデータ） (2024-07-25T16:35:46Z) - TeMPO: Efficient Time-Multiplexed Dynamic Photonic Tensor Core for Edge
AI with Compact Slow-Light Electro-Optic Modulator [44.74560543672329]
我々は,TMPOと呼ばれる時間多重化動的フォトニックテンソルアクセラレータを,クロス層デバイス/回路/アーキテクチャのカスタマイズにより提案する。
我々は,368.6TOPSピーク性能,22.3TOPS/Wエネルギー効率,1.2TOPS/mm$2$計算密度を実現した。
この研究は、多層共設計とドメイン固有のカスタマイズの力を示し、将来の電子フォトニクス加速器への道を開く。
論文 参考訳（メタデータ） (2024-02-12T03:40:32Z) - Many-body computing on Field Programmable Gate Arrays [5.3808713424582395]
我々は、量子多体計算を行うために、FPGA(Field Programmable Gate Arrays)の機能を利用する。
これにより、モンテカルロアルゴリズムのCPUベースの計算に比べて10倍の高速化が達成された。
FPGAを多体基底状態計算のための典型的なテンソルネットワークアルゴリズムの高速化に利用した。
論文 参考訳（メタデータ） (2024-02-09T14:01:02Z) - A Cost-Efficient FPGA Implementation of Tiny Transformer Model using Neural ODE [0.8403582577557918]
Transformerは画像認識タスクに採用され、トレーニングコストと計算複雑性に悩まされているが、CNNやRNNよりも優れていた。
本稿では,ResNetの代わりにNeural ODEをバックボーンとして使用する軽量ハイブリッドモデルを提案する。
提案モデルは,エッジコンピューティングのための最小サイズのFPGAデバイス上に展開される。
論文 参考訳（メタデータ） (2024-01-05T09:32:39Z) - Efficient algorithms to solve atom reconfiguration problems. II. The assignment-rerouting-ordering (aro) algorithm [35.300779480388705]
原子再構成問題は原子の問題を迅速かつ効率的に解く必要がある。
原子再構成問題を解決する典型的なアプローチは、どの原子をどのトラップに移動させるかを決定する代入アルゴリズムを使用することである。
このアプローチは、置換された原子の数や各原子が置換された回数を最適化しない。
原子再構成問題の解法において,代入型アルゴリズムの性能を向上させるために,代入型順序付けアルゴリズム(aro)を提案する。
論文 参考訳（メタデータ） (2022-12-11T19:48:25Z) - Efficient algorithms to solve atom reconfiguration problems. I. The redistribution-reconfiguration (red-rec) algorithm [35.300779480388705]
Red-recはグリッド上の原子再構成問題を解決するためにシンプルで正確なサブルーチンを利用する。
Red-recは、平均的な成功確率の高い原子の大規模な構成を組み立てることができる。
論文 参考訳（メタデータ） (2022-12-07T19:00:01Z) - Adaptable Butterfly Accelerator for Attention-based NNs via Hardware and
Algorithm Co-design [66.39546326221176]
多くのAIタスクにおいて、注意に基づくニューラルネットワークが普及している。
注意機構とフィードフォワードネットワーク(FFN)の使用は、過剰な計算とメモリ資源を必要とする。
本稿では,注目機構とFFNの両方を近似するために,バタフライの分散パターンを統一したハードウェアフレンドリーな変種を提案する。
論文 参考訳（メタデータ） (2022-09-20T09:28:26Z) - Single-Shot Optical Neural Network [55.41644538483948]
深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。
我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
論文 参考訳（メタデータ） (2022-05-18T17:49:49Z)
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。