論文の概要: Distributed Quantum Computing via Adaptive Circuit Knitting

• arxiv url: http://arxiv.org/abs/2603.12411v1
• Date: Thu, 12 Mar 2026 19:51:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.746953
• Title: Distributed Quantum Computing via Adaptive Circuit Knitting
• Title（参考訳）: 適応回路編み込みによる分散量子コンピューティング
• Authors: K. Grace Johnson, Aniello Esposito, Gaurav Gyawali, Xin Zhan, Rohit Ganti, Namit Anand, Raymond G. Beausoleil, Masoud Mohseni,
• Abstract要約: 本稿では,サブシステム間の最小絡み合いの領域を発見することで,量子回路の効率的な分割を見つける適応回路編み(ACK)手法を提案する。 最大60キュービットまでの1次元および2次元の乱れた混合場イジングモデルをシミュレートし、ACKアプローチにより、興味のある観測対象に対して最大4桁のサンプリングオーバーヘッドを削減できることを示す。
• 参考スコア（独自算出の注目度）: 1.8412409895691513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distributing quantum workloads over many Quantum Processing Units (QPUs) is a crucial step in scaling up quantum computers toward practical quantum advantage due to the limitations in size of a single QPU. In the absence of high-fidelity quantum interconnects, circuit knitting could provide a path to computing certain properties of large quantum systems on many QPUs of limited size in a distributed fashion using only classical communication. Circuit knitting partitions large quantum circuits into manageable sub-circuits, however, reconstructing observables in a straightforward manner comes at an exponential cost in sampling and classical post-processing. To mitigate the overhead this technique incurs, we introduce an Adaptive Circuit Knitting (ACK) method that finds efficient partitions of quantum circuits by discovering regions of minimal entanglement between subsystems. We simulate 1D and 2D disordered mixed-field Ising models up to 60 qubits and show that the ACK approach can reduce circuit knitting sampling overheads by up to four orders of magnitude for observables of interest. We highlight our parallel GPU-accelerated implementation and discuss the need for efficient classical simulators to enable distributed quantum algorithm development. Our techniques could enable efficient distribution of quantum simulation for both near-term and fault-tolerant architectures.
• Abstract（参考訳）: 多くの量子処理ユニット(QPU)に量子ワークロードを分散させることは、1つのQPUのサイズに制限があるため、量子コンピュータを実用的な量子優位性にスケールアップするための重要なステップである。 高忠実な量子相互接続がなければ、回路編みは古典的な通信のみを使用して分散方式で、多くのQPU上の大きな量子システムの特定の特性を計算するための経路を提供することができる。 回路編みは、大きな量子回路を管理可能なサブ回路に分割するが、観測可能なものを直接的に再構築することは、サンプリングと古典的な後処理において指数関数的なコストがかかる。 この手法がもたらすオーバーヘッドを軽減するため、サブシステム間の最小絡み合いの領域を発見し、量子回路の効率的な分割を見つける適応回路編み込み法(ACK)を導入する。 最大60キュービットまでの1次元および2次元の乱れた混合場イジングモデルをシミュレートし、ACKアプローチにより、興味のある観測対象に対して最大4桁のサンプリングオーバーヘッドを削減できることを示す。 並列GPUアクセラレーションの実装を強調し、分散量子アルゴリズム開発を実現するための効率的な古典シミュレータの必要性について論じる。 本手法は, 短期アーキテクチャと耐故障性アーキテクチャの両方において, 量子シミュレーションの効率的な分散を可能にする。

関連論文リスト

• Simulating quantum circuits with restricted quantum computers [0.0]
  この論文は、局所量子演算を用いた非局所量子計算のシミュレーションに特化している。 本研究では, 広域な非局所状態およびチャネルの最適シミュレーションオーバーヘッドを特徴付ける。 また,地域間の古典的コミュニケーションの有用性についても検討する。
  論文  参考訳（メタデータ） (2025-03-27T17:59:45Z)
• Circuit Folding: Modular and Qubit-Level Workload Management in Quantum-Classical Systems [5.6744988702710835]
  回路編み込み(Circuit knitting)は、量子回路から計算負荷の一部をオフロードする技法である。 本稿では,量子回路内の繰り返し構造を識別・活用する新しいグラフベースシステムであるCiFoldを提案する。 我々のシステムは様々な量子アルゴリズムで広く評価されており、最大で799.2%の量子リソース使用量の削減を実現している。
  論文  参考訳（メタデータ） (2024-12-24T23:34:17Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
  本稿では,量子回路実行の並列化モデルを提案する。 このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
  論文  参考訳（メタデータ） (2024-06-05T17:16:07Z)
• Circuit Knitting Faces Exponential Sampling Overhead Scaling Bounded by Entanglement Cost [5.086696108576776]
  回路編み物のサンプリングオーバーヘッドは、ターゲット二部体の正確な絡み合いコストによって指数的に低い値を示す。 我々の研究は、準確率分解による仮想量子情報処理と量子シャノン理論との深い関係を明らかにする。
  論文  参考訳（メタデータ） (2024-04-04T17:41:13Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• 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。