論文の概要: Harnessing DEN models for quantum computing tasks on neutral atom QPUs

• arxiv url: http://arxiv.org/abs/2605.03503v1
• Date: Tue, 05 May 2026 08:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.848035
• Title: Harnessing DEN models for quantum computing tasks on neutral atom QPUs
• Title（参考訳）: 中性原子QPU上の量子コンピューティングタスクに対するDENモデルのハーネス化
• Authors: Chiara Vercellino, Giacomo Vitali, Paolo Viviani, Alberto Scionti, Olivier Terzo, Bartolomeo Montrucchio,
• Abstract要約: 我々は、中性原子量子コンピュータ上で、タンパク質やセルラーアンテナネットワークに対応するグラフを単位ディスクグラフに埋め込むことを目指している。 我々は、Aquila QPU上で量子機械学習分類タスクのために、タンパク質表現グラフの最大76%をうまく埋め込んだ。 後者の場合、グラフはグラフ彩色問題の事例を表しており、我々はハイブリッド量子古典型BBQ-mISを用いて取り組んだ。
• 参考スコア（独自算出の注目度）: 0.12314765641075437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present our work on effectively representing unit-disk graphs on the registers of neutral atom quantum machines. Specifically, we aimed to embed graphs corresponding to proteins and cellular antenna networks into unit-disk graphs, ensuring compatibility with the registers of two real QPUs: Orion Alpha by PASQAL and Aquila by QuEra. To address machine-specific constraints, we made adjustments and integrated Distance Encoder Networks (DEN) from our previous work. Despite these challenges, we successfully embedded up to 76% of protein-representing graphs for a quantum machine learning classification task on the Aquila QPU, and all subgraphs derived from 90 antenna geographical positions in Turin, Italy, on the Orion Alpha QPU. In the latter case, the graphs represented instances of the graph coloring problem, which we tackled using the hybrid quantum-classical algorithm BBQ-mIS. These promising results underscore the effectiveness and versatility of our embedding approach for representing unit-disk graphs on neutral atom quantum computers across diverse applications.
• Abstract（参考訳）: 我々は中性原子量子マシンのレジスタ上の単位ディスクグラフを効果的に表現する作業について述べる。 具体的には,タンパク質およびセルラーアンテナネットワークに対応するグラフを単位ディスクグラフに埋め込み,PASQALによるOrion AlphaとQuEraによるAquilaの2つの実QPUのレジスタとの互換性を確保することを目的とした。 機械固有の制約に対処するため,従来の作業から遠隔エンコーダネットワーク(DEN)の調整と統合を行った。 これらの課題にもかかわらず、我々はAquila QPU上の量子機械学習分類タスクのためのタンパク質表現グラフの最大76%と、オリオンアルファ QPU上のイタリアのトリノの90のアンテナ地理的位置から派生したすべてのサブグラフをうまく埋め込んだ。 後者の場合、グラフはグラフ彩色問題の事例を表しており、我々はハイブリッド量子古典アルゴリズムBBQ-mISを用いて取り組んだ。 これらの有望な結果は、様々なアプリケーションにまたがる中性原子量子コンピュータ上の単位ディスクグラフを表現するための埋め込みアプローチの有効性と汎用性を示している。

関連論文リスト

• BBQ-mIS: a parallel quantum algorithm for graph coloring problems [0.11242503819703255]
  本稿では,Rydberg 原子量子マシン上でのグラフカラー化問題を解くために,BBQ-mIS というハイブリッド量子古典アルゴリズムを提案する。 我々は、実量子ハードウェアをIBM Power9ベースのクラスタにエミュレートし、32コア/ノードと256GB/ノードを持ち、MBI強化ライブラリを利用してBBQ-mISアルゴリズムの並列性を実装した。
  論文  参考訳（メタデータ） (2026-05-05T08:59:53Z)
• Edge-Local and Qubit-Efficient Quantum Graph Learning for the NISQ Era [0.0]
  ノイズの多い中間規模量子状態における教師なし学習のために明示的に設計された完全量子グラフ畳み込みアーキテクチャを導入する。 我々のモデルは、ハードウェアネイティブなシングルビットゲートと2ビットゲートのみを使用して、グラフエッジに沿ったペアワイズインタラクションにメッセージパッシングを分解する。
  論文  参考訳（メタデータ） (2026-02-17T21:17:42Z)
• Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
  捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。 リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Quantum-assisted Rendezvous on Graphs: Explicit Algorithms and Quantum Computer Simulations [0.0]
  我々は,単純なグラフ上での一段階のランデブーゲームにおいて,ノイズの多い中間スケール量子(NISQ)プロセッサを用いて量子優位性について検討した。
  論文  参考訳（メタデータ） (2024-05-23T18:01:02Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
  まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
  論文  参考訳（メタデータ） (2022-02-19T02:56:47Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)

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。