論文の概要: MonteQ: A Monte Carlo Tree Search Based Quantum Circuit Synthesis Framework

• arxiv url: http://arxiv.org/abs/2604.19029v1
• Date: Tue, 21 Apr 2026 03:26:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.596462
• Title: MonteQ: A Monte Carlo Tree Search Based Quantum Circuit Synthesis Framework
• Title（参考訳）: MonteQ: モンテカルロ木探索に基づく量子回路合成フレームワーク
• Authors: Mulundano Machiya, Matt Menickelly, Paul Hovland, Ji Liu,
• Abstract要約: ハミルトンシミュレーションは、量子優位性への最も有望な道の1つである。 ハミルトンシミュレーション回路合成へのこれまでのほとんどのアプローチは、局所的な書き換え規則と低レベル最適化に重点を置いていた。 我々は,ハミルトニアンシミュレーションのための新しい量子回路合成フレームワークであるMonteQを提案する。
• 参考スコア（独自算出の注目度）: 4.662129517895628
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hamiltonian simulation is one of the most promising paths toward quantum advantage. Most prior approaches to Hamiltonian simulation circuit synthesis focus on local rewrite rules and low-level optimizations, and give limited attention to high-level scheduling of Pauli terms under varying constraints. In practice, different simulation algorithms require different orderings of the Pauli terms, yet many prior IR-based methods assume a fixed commutation structure, which limits their flexibility. We present MonteQ, a novel quantum circuit synthesis framework for Hamiltonian simulation. MonteQ leverages a two-level design that combines low-level synthesis heuristics with an upper-level tree structure to explore sequences of Pauli rotations. To avoid enumerating this factorially large tree, the Monte Carlo Tree Search algorithm serves as workhorse for judiciously exploring promising paths to leaf nodes. With this two-level design, MonteQ supports both logical-level and hardware-aware synthesis by selecting different low-level heuristics. It also supports different ordering constraints on the Pauli rotations by adjusting the high-level tree structure. For example, MonteQ can preserve the target unitary by using a directed acyclic graph that records the commutation relations among the Pauli rotations, or it can relax unitary preservation constraint to uncover additional optimization options. Our experimental results show that MonteQ can achieve an improvement, as measured in CNOT gate counts, of up to 53% (30% on average) against state-of-the-art compilers like Rustiq on a set of representative synthesis tasks.
• Abstract（参考訳）: ハミルトンシミュレーションは、量子優位性への最も有望な道の1つである。 ハミルトンシミュレーション回路合成への以前のアプローチは、局所的な書き換え規則と低レベル最適化に重点を置いており、様々な制約の下でのパウリ項の高レベルスケジューリングに限定的な注意を払っている。 実際には、異なるシミュレーションアルゴリズムは、パウリ項の異なる順序付けを必要とするが、多くの以前のIRベースの手法は、その柔軟性を制限する固定的な可換構造を仮定する。 我々は,ハミルトニアンシミュレーションのための新しい量子回路合成フレームワークであるMonteQを提案する。 MonteQは、低レベルの合成ヒューリスティックと上位レベルの木構造を組み合わせて、パウリ回転の列を探索する2段階の設計を利用する。 この因子的に大きな木を列挙するのを避けるために、モンテカルロ木探索アルゴリズムは、葉ノードへの有望な経路を司法的に探究する作業場として機能する。 この2段階の設計により、MonteQは、異なる低レベルヒューリスティックを選択することにより、論理レベルとハードウェア対応の合成の両方をサポートする。 また、ハイレベルツリー構造を調整することで、パウリ回転に対する異なる順序制約もサポートする。 例えば、MonteQは、パウリ回転間の可換関係を記録する有向非巡回グラフを用いて目標ユニタリを保存することができ、また、追加の最適化オプションを明らかにするためにユニタリ保存制約を緩和することができる。 実験の結果,MonteQはCNOTゲート数で測定されたように,Rustiqのような最先端のコンパイラに対して最大53%(平均30%)の改善を実現可能であることがわかった。

関連論文リスト

• BEAM: Bi-level Memory-adaptive Algorithmic Evolution for LLM-Powered Heuristic Design [49.50107918295052]
  大規模言語モデルに基づくハイパーヒューリスティック(LHH)は、最近、自動設計の効率的な方法として登場した。 この問題に対処するために textbfBEAM (Bi-level Memory-adaptive Algorithmic Evolution) を提案する。 BEAMは既存のLHHよりも著しく優れており、特に最適性ギャップが37.84%減少している。
  論文  参考訳（メタデータ） (2026-04-14T15:46:47Z)
• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• Hamiltonian Decoded Quantum Interferometry [69.7049555871155]
  我々は、ハミルトニアン復号量子干渉計(HDQI)を紹介する。 HDQIはコヒーレントな測定とパウリ群のシンプレクティック表現を利用して、ギブスサンプリングとハミルトン・ベリアンを減少させる。 そこで,HDQI はギブズ状態を任意の温度で効率的に生成し,物理的にモチベーションを持つハミルトニアンのクラスに適応することを示した。
  論文  参考訳（メタデータ） (2025-10-09T08:06:15Z)
• LLM-Guided Evolutionary Program Synthesis for Quasi-Monte Carlo Design [0.0]
  高次元積分のための準モンテカルロ法(QMC)の低差分点集合とデジタルシーケンス プログラム合成として長期にわたるQMC設計問題を2つ導入し,LLM誘導進化ループを用いて解決した。 我々の2段階の手順は、建設的なコード提案と反復的な数値精製を組み合わせたものである。
  論文  参考訳（メタデータ） (2025-10-04T03:32:41Z)
• Sequential-Parallel Duality in Prefix Scannable Models [68.39855814099997]
  近年では Gated Linear Attention (GLA) や Mamba など様々なモデルが開発されている。 ニアコンスタント時間並列評価と線形時間、定数空間シーケンシャル推論をサポートするニューラルネットワークモデルの全クラスを特徴付けることができるだろうか?
  論文  参考訳（メタデータ） (2025-06-12T17:32:02Z)
• PHOENIX: Pauli-Based High-Level Optimization Engine for Instruction Execution on NISQ Devices [19.624706655544422]
  本研究はPHOENIXについて紹介する。PHOENIXは、一般的なハミルトンシミュレーションプログラムのための、主にハイレベルなPauliベース中間表現(IR)で動作するコンパイルフレームワークである。 実験の結果、PHOENIXは様々なプログラムカテゴリ、バックエンドISA、ハードウェアトポロジでSOTA VQAコンパイラより優れていることが示された。
  論文  参考訳（メタデータ） (2025-04-04T15:29:18Z)
• S2F-NER: Exploring Sequence-to-Forest Generation for Complex Entity Recognition [47.714230389689064]
  本研究では、フォレストデコーダを介して文中のエンティティを直接抽出できる新しいシーケンス・ツー・フォレスト生成パラダイムS2F-NERを提案する。 具体的には,各樹木の最大深度が3である森林において,各樹木の各経路を自己回帰的に生成する。 このパラダイムに基づいて、我々のモデルは露出バイアス問題をエレガントに緩和し、Seq2Seqの単純さを維持することができる。
  論文  参考訳（メタデータ） (2023-10-29T09:09:10Z)
• Des-q: a quantum algorithm to provably speedup retraining of decision trees [2.7262923206583136]
  Des-qは、回帰および二分分類タスクのための決定木を構築し、再訓練するための新しい量子アルゴリズムである。 我々は,複数のデータセット上での最先端の古典的手法に対して,Des-qのシミュレーションバージョンをベンチマークする。 提案アルゴリズムは,最新の決定木に類似した性能を示しながら,周期木再学習を著しく高速化する。
  論文  参考訳（メタデータ） (2023-09-18T17:56:08Z)
• Neural Latent Dependency Model for Sequence Labeling [47.32215014130811]
  シークエンスラベリングにおける古典的アプローチは線形鎖条件付きランダムフィールド(CRF)である 線形鎖 CRF の1つの制限は、ラベル間の長距離依存をモデル化できないことである。 高次 CRF は線形鎖 CRF をその順序以上に拡張するが、計算複雑性は指数関数的に増大する。 木構造を持つラベル間の任意の長さをモデル化するニューラル潜時依存モデル(NLDM)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T10:05:21Z)

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。