論文の概要: Q-GARS: Quantum-inspired Robust Microservice Chaining Scheduling
- arxiv url: http://arxiv.org/abs/2603.23127v1
- Date: Tue, 24 Mar 2026 12:24:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.473479
- Title: Q-GARS: Quantum-inspired Robust Microservice Chaining Scheduling
- Title（参考訳）: Q-GARS:量子インスパイアされたロバストなマイクロサービスチェインスケジューリング
- Authors: Huixiang Zhang, Mahzabeen Emu,
- Abstract要約: 本稿では,QUBOモデルとSQA(Simulated Quantum Annealing)に基づく検索とオンラインスケジューリング機構を統合するハイブリッドフレームワークQ-GARSを提案する。
シミュレーションの結果,Q-GARSは最短処理時間のグリーディベースラインに対して平均2.1%の重み付き完了時間改善を実現していることがわかった。
さらに、Q-GARSは、ロバストベースラインよりも1.1ポイント高い0.817の平均ノードリソース利用率を達成する。
- 参考スコア（独自算出の注目度）: 0.42970700836450487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Microservice-based applications are characterized by stochastic latencies arising from long-tail execution patterns and heterogeneous resource constraints across computational nodes. To address this challenge, we first formulate the problem using Quadratic Unconstrained Binary Optimization (QUBO), which aligns the problem with emerging quantum-optimization paradigms. Building upon this, we propose Q-GARS (Quantum-Guided Adaptive Robust Scheduling), a hybrid framework that integrates the QUBO model with Simulated Quantum Annealing (SQA) based combinatorial search and online rescheduling mechanisms, enabling global microservice rank generation and real-time robust adjustment. We treat the SQA-produced rank as a soft prior, and update a closed-loop trust weight to adaptively switch and mix between this prior and a robust proportional-fairness allocator, maintaining robustness under prediction failures and runtime disturbances. Simulation results demonstrate that Q-GARS achieves an average weighted completion time improvement of 2.1\% relative to a greedy baseline of the remaining shortest processing-time (SRPT), with performance gains reaching up to 16.8\% in heavy-tailed latency. The adaptive mechanism reduces tail latency under high-variance conditions. In addition, Q-GARS achieves a mean node resource utilization rate of 0.817, which is 1.1 percentage points above the robust baseline (0.806).
- Abstract（参考訳）: マイクロサービスベースのアプリケーションは、長いテール実行パターンと計算ノード間の異質なリソース制約から生じる確率的レイテンシによって特徴付けられる。
この課題に対処するために、我々はまず、量子最適化パラダイムの出現に合わせて、擬似非制約バイナリ最適化(QUBO)を用いて問題を定式化する。
そこで我々はQ-GARS(Quantum-Guided Adaptive Robust Scheduling)を提案する。これはQUBOモデルとSQA(Simulated Quantum Annealing)ベースの組合せ探索とオンラインスケジューリング機構を統合し、グローバルなマイクロサービスランク生成とリアルタイムロバストな調整を可能にするハイブリッドフレームワークである。
我々は,SQA生成品のランクを軟弱な先行品として扱い,この先行品と頑健な比例対等アロケータを適応的に切り替え,混合するために閉ループ信頼度を更新し,予測故障や実行時障害時の堅牢性を維持する。
シミュレーションの結果、Q-GARSは、残りの最短処理時間(SRPT)のグリーディベースラインに対して平均2.1\%の重み付き完了時間改善を実現し、性能は、重み付きレイテンシで最大16.8\%に達することが示されている。
適応機構は、高分散条件下でのテール遅延を低減する。
さらに、Q-GARSは、ロバストベースライン(0.806)よりも1.1ポイント高い0.817の平均ノードリソース利用率を達成する。
関連論文リスト
- Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳（メタデータ） (2026-02-24T05:32:03Z) - Constrained Portfolio Optimization via Quantum Approximate Optimization Algorithm (QAOA) with XY-Mixers and Trotterized Initialization: A Hybrid Approach for Direct Indexing [0.0]
本稿では, 制約保存量子近似アルゴリズム (QAOA) について, シミュレーションアニーリング (SA) と階層型リスクパリティ (HRP) に対する定式化について述べる。
我々のQAOAアプローチはシャープ比が1.81で、シミュレートアニーリング(1.31)とHRP(0.98)を著しく上回っていることを示す。
2025年までに10US株のバスケットをバックテストしたところ、我々のQAOAアプローチはシャープ比1.81に達し、シミュレート・アニーリング(1.31)とHRP(0.98)を著しく上回っていることが判明した。
論文 参考訳（メタデータ） (2026-02-16T15:19:15Z) - HQP: Sensitivity-Aware Hybrid Quantization and Pruning for Ultra-Low-Latency Edge AI Inference [0.0]
相乗的モデル加速を実現するために設計されたHybrid Quantization and Pruning (HQP)フレームワーク。
HQPフレームワークは3.12倍の推論速度向上と55%のモデルサイズ縮小を実現している。
論文 参考訳（メタデータ） (2026-02-02T18:17:45Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - QTIS: A QAOA-Based Quantum Time Interval Scheduler [0.22940141855172033]
提案手法は、アンシラ支援量子回路を統合し、重なり合うタスクを動的に検出し、ペナルティ化する。
その結果、コンフリクトを最小限に抑えつつ、固定時間窓を用いたスケジューリング作業におけるQTISの有効性を確認した。
論文 参考訳（メタデータ） (2025-11-19T16:29:14Z) - Trust Region Bayesian Optimization of Annealing Schedules on a Quantum Annealer [3.7361743420308553]
本稿では,アディバティックな量子計算スケジュールを調整する信頼領域ベイズ最適化フレームワークを提案する。
TuRBOは、エネルギー、実現可能な解確率、連鎖破壊率において、ランダムで欲求的な探索よりも優れたスケジュールを一貫して識別する。
論文 参考訳（メタデータ） (2025-10-17T02:19:21Z) - End-to-End On-Device Quantization-Aware Training for LLMs at Inference Cost [53.25965863436039]
量子化対応トレーニング(QAT)は、より原則化されたソリューションを提供するが、バックプロパゲーションに依存しているため、メモリコストは禁じられている。
重み付けとアクティベーション量子化の両方をサポートするゼロオーダー最適化ベースのQATフレームワークであるZeroQATを提案する。
実験の結果、ZeroQATはPTQとQATのベースラインを一貫して上回り、メモリは大幅に削減された。
論文 参考訳（メタデータ） (2025-08-21T01:18:27Z) - MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation [74.34220141721231]
我々は,textbfMixed textbfPrecision textbfQuantizationフレームワークを改良したMPQ-DMv2を提案する。
論文 参考訳（メタデータ） (2025-07-06T08:16:50Z) - Hybrid Quantum Neural Networks with Amplitude Encoding: Advancing Recovery Rate Predictions [6.699192644249841]
回収率予測は、リスク評価の強化、ポートフォリオ割り当ての最適化、価格精度の向上など、債券投資戦略において重要な役割を担っている。
本稿では,Amplitudeを用いたハイブリッド量子機械学習(QML)モデルを提案する。
我々は1996年から2023年までの1,725の観測結果からなる地球規模の回復率データセット上でモデルを評価した。
論文 参考訳（メタデータ） (2025-01-27T07:27:23Z) - Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。
QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
論文 参考訳（メタデータ） (2024-05-15T02:04:22Z) - Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks [62.87033427172205]
自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
論文 参考訳（メタデータ） (2024-01-19T17:16:40Z)
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。