論文の概要: QBalance: A Reproducible Multi-Objective Workflow for Quantum Compilation, Noise Suppression, and Error-Mitigation Strategy Selection
- arxiv url: http://arxiv.org/abs/2605.02966v1
- Date: Sun, 03 May 2026 09:28:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.543688
- Title: QBalance: A Reproducible Multi-Objective Workflow for Quantum Compilation, Noise Suppression, and Error-Mitigation Strategy Selection
- Title（参考訳）: QBalance: 量子コンパイル、ノイズ抑制、エラー緩和戦略選択のための再現可能な多目的ワークフロー
- Authors: Soumyadip Sarkar,
- Abstract要約: 本稿では、量子コンパイル、ノイズ抑圧、エラー軽減戦略のデータセットレベル選択のためのPythonライブラリであるQBalanceについて分析する。
このコントリビューションは、回路、バックエンド、変換ポリシーに対する有限多目的戦略選択問題として定式化されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Near-term quantum workloads are shaped by coupled compilation and execution choices: qubit layout, routing, basis translation, gate suppression, measurement mitigation, shot budget, and artifact reproducibility. This paper analyzes QBalance, a Python workflow library for dataset-level selection among quantum compilation, noise-suppression, and error-mitigation strategies built on the Qiskit ecosystem. The contribution is formulated as a finite multi-objective strategy-selection problem over circuits, backends, and transformation policies. The manuscript derives the implemented weighted objective, non-dominated selection rule, survival-product error proxy, Bayesian linear candidate-ordering surrogate, and distributional diagnostics. It also positions the system relative to established work on Qiskit pass-manager compilation, SABRE-style routing, randomized compiling, dynamical decoupling, zero-noise extrapolation, matrix-free measurement mitigation, circuit cutting, and Thompson sampling. The analysis shows that QBalance provides a reproducible orchestration and artifact model for quantum workflow studies. It also establishes precise limitations: the current bandit mechanism orders candidates but does not reduce the number of candidate evaluations, the custom layout heuristic is greedy and only partially topology-aware, the implemented ZNE helper is parity-centered, and the cutting integration is a hook rather than a full reconstruction pipeline.
- Abstract（参考訳）: クビットレイアウト、ルーティング、ベース翻訳、ゲートの抑制、測定緩和、ショット予算、アーティファクト再現性などである。
本稿では、Qiskitエコシステム上に構築された量子コンパイル、ノイズ抑圧、エラー軽減戦略間のデータセットレベルの選択のためのPythonワークフローライブラリであるQBalanceについて分析する。
このコントリビューションは、回路、バックエンド、変換ポリシーに対する有限多目的戦略選択問題として定式化されている。
この原稿は、実装された重み付けされた目的、非支配的選択規則、生存・生産的エラープロキシ、ベイズ線形候補順序代理、および分布診断を導出する。
また、Qiskitパスマネージャコンパイル、SABREスタイルのルーティング、ランダム化されたコンパイル、動的デカップリング、ゼロノイズ外挿、行列なし計測緩和、回路切断、トンプソンサンプリングに関する確立した研究に対して、システムを配置する。
この分析は、QBalanceが量子ワークフロー研究のために再現可能なオーケストレーションとアーティファクトモデルを提供していることを示している。
現行のバンディット機構は、候補を注文するが、候補評価の数を削減せず、カスタムレイアウトヒューリスティックはグラディーであり、部分的にトポロジを意識し、実装されたZNEヘルパーはパリティ中心であり、切断統合は完全な再構築パイプラインではなくフックである。
関連論文リスト
- Qubit-Scalable CVRP via Lagrangian Knapsack Decomposition and Noise-Aware Quantum Execution [3.652509571098291]
本稿では、OR分解、学習強化二重制御、適応ハードウェア対応実行によるハイブリッド量子CVRP最適化のエンドツーエンドフレームワークを提案する。
我々は量子アドバンテージを主張しない。代わりに、OR分解、学習強化二重制御、適応ハードウェア対応実行を通じてハイブリッド量子CVRP最適化をスケールするための実用的なエンドツーエンドフレームワークである。
論文 参考訳（メタデータ） (2026-04-24T03:46:25Z) - Nonvariational quantum optimisation approaches to pangenome-guided sequence assembly [0.42970700836450487]
ゲノム組立問題に対する短期量子最適化手法を開発した。
固定された線形ランプQAOAスケジュールと反復的ウォームスタートバイアス更新を組み合わせたIterative-QAOAフレームワークを使用する。
カスタム回路コンパイル戦略は、標準ツールと比較してハードウェアゲートのオーバーヘッドを最大67%削減する。
論文 参考訳（メタデータ） (2026-04-07T17:17:34Z) - Large-scale portfolio optimization on a trapped-ion quantum computer [32.24411362086563]
基数制約付き大規模ポートフォリオ選択のためのエンドツーエンドパイプラインを提案する。
ハードウェア・アウェア分解を用いたトラップイオン量子プロセッサ上での実験実験を行った。
論文 参考訳（メタデータ） (2026-02-27T12:36:14Z) - Learning Grouped Lattice Vector Quantizers for Low-Bit LLM Compression [57.54335545892155]
本稿では,各重みの群に独自の格子コードブックを割り当てるGLVQ(Grouped Lattice Vector Quantization)フレームワークを紹介する。
提案手法は,既存のトレーニング後の量子化ベースラインと比較して,モデルサイズと精度のトレードオフが良好である。
論文 参考訳（メタデータ） (2025-10-23T20:19:48Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Distributed Implementation of Variational Quantum Eigensolver to Solve QUBO Problems [0.0]
本稿では分散アルゴリズムと変分量子固有解法(VQE)の実装について述べる。
DVQEは、分散方式で複数の量子処理ユニット(QPU)にまたがるパラメータ化量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2025-08-24T17:55:07Z) - 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) - RoSTE: An Efficient Quantization-Aware Supervised Fine-Tuning Approach for Large Language Models [53.571195477043496]
本稿では,RoSTE (Rotated Straight-Through-Estimator) というアルゴリズムを提案する。
RoSTEは、量子化を意識した微調整(QA-SFT)と適応的な回転戦略を組み合わせることで、アクティベーションアウトリーを減少させる。
その結果, 予測誤差は収束重みの量子化誤差と直接比例し, 最適化された回転構成により効果的に管理できることが判明した。
論文 参考訳（メタデータ） (2025-02-13T06:44:33Z) - Cluster-Promoting Quantization with Bit-Drop for Minimizing Network
Quantization Loss [61.26793005355441]
クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。
DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。
本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
論文 参考訳（メタデータ） (2021-09-05T15:15:07Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳（メタデータ） (2021-05-06T17:59:38Z)
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。