論文の概要: Rethinking How to Act: Action-Space Engineering for Reinforcement Learning-Based Circuit Routing in Distributed Quantum Systems
- arxiv url: http://arxiv.org/abs/2605.02389v1
- Date: Mon, 04 May 2026 09:32:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.219443
- Title: Rethinking How to Act: Action-Space Engineering for Reinforcement Learning-Based Circuit Routing in Distributed Quantum Systems
- Title（参考訳）: 動作方法の再考:分散量子システムにおける強化学習型回路ルーティングのためのアクションスペースエンジニアリング
- Authors: Joost Van Veen, Luise Prielinger, Sebastian Feld,
- Abstract要約: 本稿では,新しいアクション空間定式化と効果的なアクションマスキング戦略を組み合わせたエージェントを提案する。
提案エージェントは, モデル実行時間を最大35%削減し, トレーニングおよび推論性能の向上を実現している。
- 参考スコア（独自算出の注目度）: 0.7856998585396422
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As it becomes increasingly difficult to monolithically scale a quantum processor, distributed quantum computing (DQC) offers an alternative by distributing qubits across multiple smaller interconnected quantum processor modules. In such an architecture, the challenge of quantum circuit compilation shifts from placing and routing qubits within one module to placing, routing and using the qubits efficiently across modules. In order to optimize circuit execution time, the right state-dependent networking decisions must be found, such as when and where to generate shared remote quantum states to support remote operations. Reinforcement learning (RL) provides a natural framework for this problem, generating a compilation policy that can generalize across different circuits. Building on the framework of Promponas et al. (2024), we introduce an agent that combines a novel action-space formulation with effective action-masking strategies. A comprehensive numerical comparison of the two approaches under different coupling constraints shows that our agent achieves improved training and inference performance with a relative reduction in the modeled execution time of up to 35\%.
- Abstract（参考訳）: 量子プロセッサをモノリシックにスケールすることはますます難しくなっているため、分散量子コンピューティング(DQC)は、複数の小さな相互接続量子プロセッサモジュールにキュービットを分散することで代替手段を提供する。
このようなアーキテクチャでは、量子回路のコンパイルの課題は、キュービットを1つのモジュールに配置、ルーティングすることから、キュービットをモジュールに効率よく配置、ルーティング、使用することへとシフトする。
回路実行時間を最適化するためには、リモート操作をサポートするために、いつ、どこで共有された量子状態を生成するかといった、適切な状態依存のネットワーク決定を見つけなければならない。
強化学習(Reinforcement Learning, RL)は、様々な回路にまたがって一般化可能なコンパイルポリシーを生成する。
In the framework of Promponas et al (2024), we introduced a agent that a novel action-space formulation with effective action-masking strategy。
結合制約の異なる2つの手法を総合的に比較した結果, モデル実行時間を最大35倍に削減し, トレーニングおよび推論性能の向上を図った。
関連論文リスト
- 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) - Learning-Optimized Qubit Mapping and Reuse to Minimize Inter-Core Communication in Modular Quantum Architectures [0.0]
本稿では、モジュール量子アーキテクチャのための注意に基づく深層強化学習(DRL)を用いた新しいQubitマッピングであるQARMAを提案する。
提案手法は、注目に基づくメカニズムとグラフニューラルネットワーク(GNN)を組み合わせて、最適なキュービット割り当て、ルーティング、再利用戦略を学習する。
モジュール構造を持つ高度に最適化されたQiskitと比較して、QARMA-Rはコア間通信を最大100%削減する。
論文 参考訳（メタデータ） (2025-06-11T01:52:17Z) - State Similarity in Modular Superconducting Quantum Processors with Classical Communications [41.94024259927014]
モジュールアーキテクチャに適したクロスプラットフォーム忠実度推定アルゴリズムを提案する。
我々は、最大6キュービットのモジュラー超伝導量子プロセッサ上で、このプロトコルを実験的に実装し、2つの11キュービットGHZ状態の類似性を検証した。
概念実証として、6つの3キュービットモジュールを用いた5キュービット量子位相学習タスクに適用し、たった8つのトレーニングサンプルで位相情報を抽出することに成功した。
論文 参考訳（メタデータ） (2025-06-02T13:27:38Z) - 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) - Compiler for Distributed Quantum Computing: a Reinforcement Learning Approach [6.347685922582191]
本稿では,EPRペアの生成とルーティングを共同で管理することで,実行時間の短縮を優先する新しいコンパイラを提案する。
本稿では, 量子回路の絡み合い生成の性質と動作要求を考慮し, リアルタイムかつ適応的なコンパイラ設計手法を提案する。
i)マルコフ決定過程(MDP)の定式化を用いてDQCの最適コンパイラをモデル化し、最適アルゴリズムの存在を確立し、(ii)この最適コンパイラを近似するために制約付き強化学習(RL)法を導入する。
論文 参考訳（メタデータ） (2024-04-25T23:03:20Z) - Compiling Quantum Circuits for Dynamically Field-Programmable Neutral Atoms Array Processors [5.012570785656963]
動的にフィールドプログラマブルな量子ビットアレイ(DPQA)が量子情報処理のための有望なプラットフォームとして登場した。
本稿では,複数の配列を含むDPQAアーキテクチャについて考察する。
DPQAをベースとしたコンパイル回路では,グリッド固定アーキテクチャに比べてスケーリングオーバヘッドが小さくなることを示す。
論文 参考訳（メタデータ） (2023-06-06T08:13:10Z) - 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) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-23T19:00:01Z) - Improving the Performance of Deep Quantum Optimization Algorithms with
Continuous Gate Sets [47.00474212574662]
変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。
本稿では,QAOAの回路深度依存性能について実験的に検討する。
この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
論文 参考訳（メタデータ） (2020-05-11T17:20:51Z)
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。