論文の概要: Towards High Performance Quantum Computing (HPQ): Parallelisation of the Hamiltonian Auto Decomposition Optimisation Framework (HADOF)

• arxiv url: http://arxiv.org/abs/2604.27836v1
• Date: Thu, 30 Apr 2026 13:22:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.104888
• Title: Towards High Performance Quantum Computing (HPQ): Parallelisation of the Hamiltonian Auto Decomposition Optimisation Framework (HADOF)
• Title（参考訳）: 高性能量子コンピューティング(HPQ)を目指して : ハミルトン自動分解最適化フレームワーク(HADOF)の並列化
• Authors: Namasi G Sankar, Georgios Miliotis, Simon Caton,
• Abstract要約: Hamiltonian Auto Decomposition Optimisation Framework (HADOF)は、大きな量子QUBOを小さなサブプロブレムに分解することでこの問題に対処する。 これにより、量子QUBOアルゴリズムのスケーラビリティは、デバイス限界を超えるだけでなく、古典的なデバイス上でのシミュレーションも可能になる。 並列化されたジョブオーケストレーションと実行によって、単一のQPU実行でもメリットが得られ、最大3倍のスピードアップが得られます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Practical applicability of quantum optimisation on near term devices is constrained by limited qubit counts and hardware noise, which restricts the scalability of quantum optimisation algorithms for combinatorial problems. The simulation of large quantum circuits is also difficult and constrained by memory requirement. The Hamiltonian Auto Decomposition Optimisation Framework (HADOF) addresses this by decomposing large QUBOs into smaller subproblems that can be solved iteratively on quantum or classical backends. This allows the scalability of quantum QUBO algorithms beyond device limits, as well as their simulation on classical devices. In this research, we extend the evaluation of HADOF by benchmarking on real IBM QPUs across sequential, single-QPU parallel, and multi-QPU parallel execution modes, advancing toward High Performance Quantum (HPQ) computing for combinatorial optimisation problems. Experimental results on IBM quantum hardware demonstrate up to 3-4x reduction in wall clock time when utilising four QPUs compared to sequential execution baseline, while maintaining comparable solution quality. Notably, even single QPU execution benefits from parallelised job orchestration and execution, yielding up to 3x speedup. Simulated results predict over 5x speed-up in parallel execution mode. We further validate the practical applicability of the approach on real world genome assembly instances, showing that both sequential and parallel HADOF variants achieve competitive accuracy while significantly improving time to solution. These results highlight the importance of parallelism at both the algorithmic and system levels, positioning HADOF as a viable pathway toward scalable quantum optimisation.
• Abstract（参考訳）: 短期デバイスにおける量子最適化の実践的適用性は、量子ビット数とハードウェアノイズに制限され、組合せ問題に対する量子最適化アルゴリズムのスケーラビリティが制限される。 大規模な量子回路のシミュレーションも困難であり、メモリ要求によって制約される。 ハミルトニアン自動分解最適化フレームワーク(HADOF)は、量子や古典的なバックエンドで繰り返し解決できる、大きなQUBOを小さなサブプロブレムに分解することでこの問題に対処する。 これにより、量子QUBOアルゴリズムのスケーラビリティは、デバイス限界を超えるだけでなく、古典的なデバイス上でのシミュレーションも可能になる。 本研究では,実IBM QPUを逐次,単一QPU並列,複数QPU並列実行モードでベンチマークすることでHADOFの評価を拡張し,組合せ最適化問題に対する高性能量子(HPQ)計算に向けて前進する。 IBM量子ハードウェアの実験結果は、逐次実行ベースラインと比較して4つのQPUを使用する場合のウォールクロック時間を最大3,4倍削減し、ソリューション品質は同等である。 特に、単一のQPU実行でさえ、並列化されたジョブオーケストレーションと実行の恩恵を受けており、最大3倍のスピードアップをもたらす。 シミュレーション結果は、並列実行モードで5倍以上のスピードアップを予測する。 さらに、実世界のゲノム組立インスタンスに対するアプローチの適用性を検証するとともに、逐次的および並列HADOF変異体が競合精度を向上し、解の時間を大幅に改善することを示した。 これらの結果は、アルゴリズムとシステムレベルでの並列性の重要性を強調し、HADOFをスケーラブルな量子最適化に向けた実行可能な経路として位置づけている。

関連論文リスト

• The Quest for Quantum Advantage in Combinatorial Optimization: End-to-end Benchmarking of Quantum Solvers vs. Multi-core Classical Solvers [34.734652426291525]
  我々は、IBM Heron r3量子プロセッサ上で、高階非制約バイナリ最適化(HUBO)のためのハイブリッド逐次量子コンピューティングソルバのエンドツーエンドベンチマークを実行する。 20のベンチマークインスタンスで、1つのハイブリッド試行は1秒未満で高品質なソリューションを生成し、14のケースで基底状態のエネルギーと一致する。
  論文  参考訳（メタデータ） (2026-03-13T21:29:20Z)
• Scalable parallel simulation of quantum circuits on CPU and GPU systems [9.62558654513992]
  本稿では,Q$2$Chemistryソフトウェアパッケージに対して,包括的な並列化ソリューションを提案する。 最適化により、最適化されていないベースラインに比べてシミュレーション速度が大幅に向上する。 これらのベンチマークは、大規模量子シミュレーションを効果的に扱うために、Q$2$Chemistryの能力を強調している。
  論文  参考訳（メタデータ） (2025-09-05T09:20:11Z)
• Sequential Quantum Computing [41.94295877935867]
  本稿では、多種または異種量子プロセッサを利用したパラダイムであるシーケンシャル量子コンピューティング(SQC)を提案し、実験的に実証する。 SQCは、それぞれの相補的な強みを組み合わせることで、それぞれのタイプの量子コンピュータの限界を克服する。 これらの結果は、複雑な量子最適化問題に対処するための強力で汎用的なアプローチとしてSQCを強調している。
  論文  参考訳（メタデータ） (2025-06-25T17:51:29Z)
• Pushing the Boundary of Quantum Advantage in Hard Combinatorial Optimization with Probabilistic Computers [0.4969640751053581]
  確率的コンピュータ(p-コンピュータ)が、ハード最適化問題を解決するための説得力がありスケーラブルな古典的経路を提供することを示す。 我々は3次元スピングラスに適用された2つの重要なアルゴリズム、離散時間シミュレーション量子アニール(DT-SQA)と適応並列テンパリング(APT)に焦点を当てた。 APTは非局所アイソエネルゲティッククラスタの移動によって支えられ、より良好なスケーリングを示し、最終的にはDT-SQAよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-03-13T12:24:13Z)
• Optimization by Decoded Quantum Interferometry [38.063836468778895]
  Decoded Quantum Interferometry (DQI) は、量子フーリエ変換を用いて、復号化問題に対する最適化問題を削減する量子アルゴリズムである。 有限体上の最適適合を近似するために、DQIは既知の古典的アルゴリズムよりも超多項式的なスピードアップを達成する。
  論文  参考訳（メタデータ） (2024-08-15T17:47:42Z)
• 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)
• Quantum Circuit Optimization through Iteratively Pre-Conditioned Gradient Descent [0.4915744683251151]
  量子回路を最適化し、状態準備と量子アルゴリズムの実装のための性能高速化を示すために、繰り返し事前条件勾配降下(IPG)を行う。 4量子W状態と最大絡み合った5量子GHZ状態を作成するための104ドルの係数による忠実度の向上を示す。 また、IPGを用いて量子フーリエ変換のユニタリを最適化するゲインを示し、IonQの量子処理ユニット(QPU)上でそのような最適化された回路の実行結果を報告する。
  論文  参考訳（メタデータ） (2023-09-18T17:30:03Z)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)

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。