論文の概要: Quantum Hamlets: Distributed Compilation of Large Algorithmic Graph States
- arxiv url: http://arxiv.org/abs/2603.06387v1
- Date: Fri, 06 Mar 2026 15:36:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 13:17:46.087422
- Title: Quantum Hamlets: Distributed Compilation of Large Algorithmic Graph States
- Title（参考訳）: 量子ハムレット: 大規模アルゴリズムグラフ状態の分散コンパイル
- Abstract要約: 我々のアルゴリズムであるBURYは、最先端のk分割アルゴリズムよりもベルペアを生成に必要とせず、グラフ状態を分割する。
本稿では,グラフ状態の生成と測定を同時に行う動的ケースに対して,我々の手法を直接適用する方法について議論する。
- 参考スコア（独自算出の注目度）: 1.7856410179559383
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate the problem of compiling the generation of graph states to arbitrarily many distributed homogeneous quantum processing units (QPUs), providing a scalable partitioning algorithm and graph state generation protocol to minimize the number of Bell pairs required. To this goal, we consider the problem of balanced k graph partitioning with the objective of minimizing the sizes of the maximum matchings between partitions, a more natural measure of entanglement compared to the naive but common metric of cut edges. We show that our heuristic algorithm, BURY, partitions graph states to require fewer Bell pairs for generation than state-of-the-art k partition algorithms. Furthermore, we show that BURY reduces the cut-rank of the partitions, demonstrating that the partitioning found by our algorithm is likely to minimize the Bell pair utilization of any future improved distributed graph state generation protocol. Additionally, we discuss how one could straightforwardly apply our methods to the dynamic case where the graph state generation and measurement are performed concurrently. Our study of the balanced minimum maximum matching k partition problem and the heuristic algorithm we design provides a scalable foundation for reducing quantum network overhead for distributed measurement-based quantum computation (MBQC), as well as any scheme where distributed graph state generation is desired.
- Abstract（参考訳）: グラフ状態の生成を任意に多くの分散均一量子処理ユニット(QPU)にコンパイルする問題について検討し、必要なベルペア数を最小化するために、スケーラブルなパーティショニングアルゴリズムとグラフ状態生成プロトコルを提供する。
この目的のために、分割間の最大マッチングのサイズを最小化することを目的としたバランスの取れたkグラフ分割の問題を考える。
我々のヒューリスティックアルゴリズム BURY では、グラフ状態の分割は、最先端の k 分割アルゴリズムよりも、生成にベルペアを少なくする必要がある。
さらに,BURYはパーティションのカットランクを低減し,将来の分散グラフ状態生成プロトコルのベルペア利用を最小化できることを示す。
さらに,グラフ状態の生成と測定を同時に行う動的ケースに対して,我々の手法を直接適用する方法についても論じる。
本研究は,分散計測に基づく量子計算(MBQC)における量子ネットワークオーバーヘッドを低減するためのスケーラブルな基盤と,分散グラフ状態の生成が望まれる任意のスキームを提供する。
関連論文リスト
- Scalable Graph Coreset Selection via Greedy Sampling [48.91894218306487]
最小内部積グリーディ選択規則に基づく,単純かつ効率的なカラム選択グラフサンプリングアルゴリズムを提案する。
ブロックモデルに基づいてアルゴリズムを解析し,次数分布がノード間で均衡している場合,クラスタサイズに対する比例サンプリングを実現する。
論文 参考訳（メタデータ） (2026-07-30T02:45:31Z) - Efficient Preparation of Graph States using the Quotient-Augmented Strong Split Tree [1.5006258585503878]
グラフ状態は測定ベースの量子計算と量子ネットワークの鍵となるリソースである。
任意のDHグラフ状態に対する分割ヒューズ構成を導入し、絡み合うゲート、時間ステップ、補助量子ビットに対する線形スケーリングを実現する。
また、三角形列挙法に基づく一般的なグラフに対して、一般化された分割分割分割融合戦略と単純な欲求についても論じる。
論文 参考訳（メタデータ） (2026-03-25T03:30:57Z) - Finding trail covers: near-optimal decompositions of graph states as linear fusion networks [1.7842332554022695]
ユーレアン経路問題とハミルトン経路問題の一般化とみなすことができる3つのグラフ理論問題について検討する。
これらは測定ベースの量子コンピューティングのフォトニックな実装に現れる。
グラフ構築に必要な融合数を削減できるグラフ状態の新しい書き直し戦略を提案する。
論文 参考訳（メタデータ） (2025-08-25T18:06:53Z) - Quantum algorithms through graph composition [0.40792653193642503]
本稿では、量子アルゴリズムを生成するための st-connectivity framework の一般化であるグラフ合成フレームワークを紹介する。
st接続性フレームワークが学習グラフフレームワーク,重み付き決定木フレームワーク,および後者のゼロエラーバージョンをどう仮定するかを示す。
また、空間効率の高い有向st接続問題、パターンマッチング問題、固定探索問題に対する既存の量子アルゴリズムを単純化する。
論文 参考訳（メタデータ） (2025-04-02T20:20:51Z) - A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。
完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。
ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文 参考訳（メタデータ） (2025-01-02T05:06:16Z) - A Greedy Strategy for Graph Cut [95.2841574410968]
GGCと呼ばれるグラフカットの問題を解決するための欲求戦略を提案する。
これは、各データサンプルがクラスタと見なされる状態から始まり、2つのクラスタを動的にマージする。
GGCはサンプル数に関してほぼ線形な計算複雑性を持つ。
論文 参考訳（メタデータ） (2024-12-28T05:49:42Z) - Graph Cuts with Arbitrary Size Constraints Through Optimal Transport [18.338458637795263]
任意のサイズ制約下でグラフを分割するグラフカットアルゴリズムを提案する。
我々は,大域収束を臨界点に保証する高速化された近位GDアルゴリズムを用いてこの問題を解決する。
論文 参考訳（メタデータ） (2024-02-07T10:33:09Z) - Multipartite Entanglement Distribution in Quantum Networks using Subgraph Complementations [8.194910516215462]
量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。
グラフ状態の共通クラスを,部分グラフ補完を用いた最適分布時間とともに分類する。
論文 参考訳（メタデータ） (2023-08-25T23:03:25Z) - One-step Bipartite Graph Cut: A Normalized Formulation and Its
Application to Scalable Subspace Clustering [56.81492360414741]
両部グラフの1ステップ正規化カットを、特に線形時間複雑性で実施する方法を示す。
本稿では、まず、正規化制約付き一段階二分グラフカット基準を特徴付けるとともに、そのトレース問題に対する等価性を理論的に証明する。
このカット基準を、適応アンカー学習、二部グラフ学習、一段階正規化二部グラフ分割を同時にモデル化するスケーラブルなサブスペースクラスタリングアプローチに拡張する。
論文 参考訳（メタデータ） (2023-05-12T11:27:20Z) - Bregman divergence based em algorithm and its application to classical
and quantum rate distortion theory [61.12008553173672]
本稿では,Bregman分散系における指数サブファミリーと混合サブファミリー間のBregman分散の最小化問題に対処する。
このアルゴリズムを量子設定を含む歪みとその変種の評価に適用する。
論文 参考訳（メタデータ） (2022-01-07T13:33:28Z) - VQ-GNN: A Universal Framework to Scale up Graph Neural Networks using
Vector Quantization [70.8567058758375]
VQ-GNNは、Vector Quantization(VQ)を使用して、パフォーマンスを損なうことなく、畳み込みベースのGNNをスケールアップするための普遍的なフレームワークである。
我々のフレームワークは,グラフ畳み込み行列の低ランク版と組み合わせた量子化表現を用いて,GNNの「隣の爆発」問題を回避する。
論文 参考訳（メタデータ） (2021-10-27T11:48:50Z) - Solving correlation clustering with QAOA and a Rydberg qudit system: a
full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。
具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。
ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-06-22T11:07:38Z)
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。