論文の概要: Communication-Efficient Distributed Inverse Quantum Fourier Transform
- arxiv url: http://arxiv.org/abs/2605.10710v1
- Date: Mon, 11 May 2026 15:22:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 02:24:05.577034
- Title: Communication-Efficient Distributed Inverse Quantum Fourier Transform
- Title（参考訳）: 通信効率の良い分散逆量子フーリエ変換
- Authors: F. Javier Cardama, Jorge Vázquez-Pérez, Tomás F. Pena, Andrés Gómez,
- Abstract要約: 本稿では、$P$ノードからなる量子ネットワーク上でのiQFTの分散定式化を提案し、それぞれ$Q$ qubitsをホストする。
ノード間量子相互作用の数を減らすことにより、分散iQFTの量子通信要求を著しく低減する。
- 参考スコア（独自算出の注目度）: 1.376615688087685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The scalability of quantum computing is currently limited by physical, technological, and architectural constraints that hinder the integration of a large number of qubits within a single quantum processor. Distributed quantum computing (DQC) has therefore emerged as a viable alternative, aiming to interconnect multiple smaller quantum processing units (QPUs) to jointly operate on a global quantum state. While this paradigm enables scalable architectures, it introduces significant communication overhead due to the cost of non-local quantum operations across distant nodes. In this work we propose a distributed formulation of the iQFT over a quantum network composed of $P$ nodes, each hosting $Q$ qubits, enabling the execution on a logical register of size $n = P \cdot Q$. Furthermore, we introduce a communication-efficient variant based on a threshold-driven pruning strategy, referred to as a \emph{communication horizon}, which exploits the exponentially decreasing significance of controlled-phase rotations to safely omit remote gates with negligible impact. By reducing the number of inter-node quantum interactions, the proposed approach significantly lowers the quantum communication requirements of the distributed iQFT while preserving its functional correctness. Crucially, we show that this approach fundamentally alters the scaling of the algorithm: the entanglement resource consumption per node saturates to a constant value, reducing the global communication complexity from quadratic $\mathcal{O}(P^2)$ to linear $\mathcal{O}(P)$. As the iQFT constitutes a critical building block in many quantum algorithms, the techniques presented in this paper directly contribute to improving the practicality and scalability of distributed quantum computation.
- Abstract（参考訳）: 量子コンピューティングのスケーラビリティは現在、物理、技術、アーキテクチャ上の制約によって制限されており、単一の量子プロセッサ内の多数の量子ビットの統合を妨げる。
したがって、分散量子コンピューティング(DQC)は、複数の小さな量子処理ユニット(QPU)を相互接続して、グローバルな量子状態で共同で操作することを目的とした、実行可能な代替手段として登場した。
このパラダイムはスケーラブルなアーキテクチャを実現するが、遠く離れたノードにまたがる非局所量子演算のコストのため、通信オーバーヘッドが大幅に増加する。
本稿では、$P$ノードからなる量子ネットワーク上でのiQFTの分散定式化を提案し、それぞれ$Q$ qubitsをホストし、$n = P \cdot Q$の論理レジスタ上での実行を可能にする。
さらに、制御相回転の指数関数的に減少する重要性を利用して、無視可能な影響で遠隔ゲートを安全に省略する、しきい値駆動型プルーニング戦略(「emph{communication horizon}」と呼ばれる)に基づく通信効率の変動を導入する。
ノード間量子相互作用の数を減らすことで、分散iQFTの量子通信要求を著しく低減し、その機能的正しさを保っている。
ノード毎の絡み合ったリソース消費は一定値に飽和し、大域的な通信の複雑さは2次的な$\mathcal{O}(P^2)$から線形$\mathcal{O}(P)$へと減少する。
iQFTは、多くの量子アルゴリズムにおいて重要なビルディングブロックを構成するため、本論文では、分散量子計算の実用性とスケーラビリティの向上に直接貢献する。
関連論文リスト
- Efficient Time-Aware Partitioning of Quantum Circuits for Distributed Quantum Computing [10.919776355400282]
分散量子コンピューティング(DQC)は、複数の小型量子処理ユニット(QPU)を相互接続して量子ネットワークを形成する。
この通信オーバーヘッドを最小限に抑えるため、DQCコンパイラは論理量子ビットを分散物理QPUにマッピングすることで、量子回路を戦略的に分割する必要がある。
本稿では,通信オーバヘッドを最小限に抑えるために,連続する時間ステップにまたがる低コストなキュービット代入列を段階的に構築する時間認識アルゴリズムを提案する。
提案アルゴリズムは, 回路サイズ, 深さ, ネットワークトポロジにまたがる静的ベースラインよりも, 通信コストを大幅に低減する。
論文 参考訳（メタデータ） (2026-03-04T14:43:10Z) - Time-Aware Qubit Assignment and Circuit Optimization for Distributed Quantum Computing [6.812818096174995]
分散量子コンピューティングでは、大きな回路はより小さなサブ回路に分割され、複数のQPU上で個別に同時に実行できる。
通信コストを2つの異なる方法で最小化するために、キュービットをQPUに割り当てるという問題に対処する。
まず、所定の回路の接続の変化とネットワークトポロジを考慮に入れた時間認識アルゴリズムを適用する。
別のアプローチでは、スケジュールではなく回路自体を調整し、全体的な通信コストを削減する進化型量子回路最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-07-15T20:20:29Z) - Efficient Gate Reordering for Distributed Quantum Compiling in Data Centers [0.0]
QPU間通信の回数を最小限に抑える方法やソフトウェアを開発することが重要である。
本稿では、分散コストを最小限に抑えるために設計された量子コンパイラ araQne の重要な特徴について述べる。
我々は,回路リオーダー戦略が果たす重要な役割を確立し,ベースラインアプローチに比べて配電コストを著しく削減する。
論文 参考訳（メタデータ） (2025-07-01T18:00:02Z) - Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。
本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-17T12:09:11Z) - Revisiting the Mapping of Quantum Circuits: Entering the Multi-Core Era [2.465579331213113]
本稿では,コア間通信の削減を目的として,コアへのキュービット割り当てを最適化するために設計されたマルチコアマッピングアルゴリズムである,ハンガリークビット割り当て(HQA)アルゴリズムを紹介する。
モジュラーアーキテクチャの最先端回路マッピングアルゴリズムに対するHQAの評価では、実行時間と非ローカル通信の点で4.9times$と1.6times$の改善が示されている。
論文 参考訳（メタデータ） (2024-03-25T21:31:39Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳（メタデータ） (2021-08-03T17:49:09Z) - Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。
量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。
我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
論文 参考訳（メタデータ） (2021-06-11T18:00:09Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z)
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。