論文の概要: Family-Aware Residual Architecture for Predicting Quantum Circuit Simulation Performance

• arxiv url: http://arxiv.org/abs/2606.11620v1
• Date: Wed, 10 Jun 2026 03:31:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.271882
• Title: Family-Aware Residual Architecture for Predicting Quantum Circuit Simulation Performance
• Title（参考訳）: 量子回路シミュレーション性能予測のための家族対応残差アーキテクチャ
• Authors: Honjar Xing, Yehong Jiang, Xianbang Wang, Zehua Wang, Zhicheng Jiang,
• Abstract要約: 本稿では,量子回路シミュレーションにおいて,目標の忠実度を達成するために必要な最小近似しきい値とウォールクロック実行時間の両方を予測できる家族認識型ニューラルネットワークを提案する。 我々のシステムは、79.5%の正確なしきい値精度(1ラング内で91.2%)と$R2 = 0.82$ランタイム相関を達成し、推論は約50msで完了する。
• 参考スコア（独自算出の注目度）: 4.194426163381861
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Approximate tensor-network simulators enable classical simulation of quantum circuits beyond the reach of exact methods, but selecting optimal approximation parameters -- such as bond dimension thresholds -- remains a costly trial-and-error process. We present a family-aware neural architecture that predicts both the minimum approximation threshold required to achieve target fidelity and the expected wall-clock runtime for quantum circuit simulation, given only the circuit's OpenQASM description and execution context. Our key insight is that quantum circuits from different algorithmic families (e.g., QFT, Grover, VQE) exhibit fundamentally distinct simulation cost profiles due to their differing entanglement structures. We employ family-conditioned residual corrections -- additive, family-specific adjustments atop a shared backbone, drawing on established conditional computation techniques -- enabling the model to capture both universal circuit properties and algorithmic nuances. The architecture incorporates a pretrained family classifier (97.5% accuracy) and domain-informed algorithm fingerprint features derived from gate-composition heuristics. Evaluated on circuits spanning 7--130 qubits across 10 algorithm families, our system achieves 79.5% exact threshold accuracy (91.2% within one rung) and $R^2 = 0.82$ runtime correlation, with inference completing in approximately 50 ms -- replacing trial-and-error simulation runs that may take minutes to hours. Ablation studies confirm that family-aware modeling provides the single largest performance improvement (+3.2 percentage points), validating the hypothesis that algorithm family is a first-class feature for simulation cost prediction.
• Abstract（参考訳）: 近似テンソルネットワークシミュレータは、正確な手法の範囲を超えて量子回路の古典的なシミュレーションを可能にするが、結合次元閾値のような最適な近似パラメータを選択することは、コストのかかる試行錯誤プロセスのままである。 本稿では,回路のOpenQASM記述と実行コンテキストのみを考慮し,目的の忠実度を達成するために必要な最小近似しきい値と,量子回路シミュレーションのウォールクロックランタイムの両方を予測する。 我々の重要な洞察は、異なるアルゴリズム族(例えば、QFT、Grover、VQE)の量子回路は、異なる絡み合い構造のために、基本的に異なるシミュレーションコストプロファイルを示すことである。 我々は,家族条件付残差補正(共有バックボーン上に付加的,家族固有の補正,確立された条件計算手法に基づく)を用いて,ユニバーサル回路特性とアルゴリズムニュアンスの両方を捕捉する。 このアーキテクチャには、事前訓練されたファミリー分類器(97.5%の精度)と、ゲート構成ヒューリスティックから派生したドメインインフォームされたアルゴリズム指紋機能が含まれている。 10個のアルゴリズムファミリにまたがる7-130キュービットの回路で評価し、79.5%の正確なしきい値精度(1ラング内で91.2%)と$R^2 = 0.82$ランタイム相関を達成し、推論は約50msで完了する。 アブレーション研究は、ファミリー認識モデリングが1つの最大のパフォーマンス改善(+3.2ポイント)をもたらし、アルゴリズムファミリがシミュレーションコスト予測の第一級機能であるという仮説を検証する。

関連論文リスト

• Self-Calibrating LLM-Based Analog Circuit Sizing with Interpretable Design Equations [0.0]
  アナログ回路サイズ化のための自己校正フレームワークを提案する。 大規模言語モデル(LLM)は、トポロジー固有の分析設計方程式を生回路ネットリストから直接導出する。 決定論的キャリブレーションループは、単一のトランジスタレベルのシミュレーションからプロセス依存パラメータを抽出する。
  論文  参考訳（メタデータ） (2026-04-08T04:35:25Z)
• ARCS: Autoregressive Circuit Synthesis with Topology-Aware Graph Attention and Spec Conditioning [0.0]
  ARCSは、検索ベースの手法で必要とされる分ではなく、完全なSPICEシミュラブルな設計をミリ秒で生成する。 単モデル推論では、ベストオブ3候補選択を備えたトポロジ対応グラフ変換器が97msで85%のシミュレーション精度に達し、ランダム検索より600倍以上高速である。
  論文  参考訳（メタデータ） (2026-03-30T23:14:08Z)
• Resource Analysis of Low-Overhead Transversal Architectures for Reconfigurable Atom Arrays [38.6948808036416]
  本稿では,大規模フォールトトレラント量子アルゴリズムのレイアウトと資源推定をサポートする低オーバヘッドアーキテクチャを提案する。 2048ビットのRSAファクタリングは5.6日で19万キュービットで実行でき、QECサイクルは1ミリ秒である。
  論文  参考訳（メタデータ） (2025-05-21T18:00:18Z)
• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• Simulation of IBM's kicked Ising experiment with Projected Entangled Pair Operator [71.10376783074766]
  我々は最近,誤りを軽減した量子回路を用いてエミュレートされた127量子ビットキックド・イジングモデルの古典的シミュレーションを行った。 提案手法はハイゼンベルク図の射影的絡み合ったペア作用素(PEPO)に基づいている。 我々はクリフォード展開理論を開発し、正確な期待値を計算し、それらをアルゴリズムの評価に利用する。
  論文  参考訳（メタデータ） (2023-08-06T10:24:23Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Efficient Mean-Field Simulation of Quantum Circuits Inspired by Density Functional Theory [1.3561290928375374]
  量子回路(QC)の正確なシミュレーションは、現在$sim$50 qubitsに制限されている。 ここでは密度汎関数理論(DFT)にインスパイアされたQCのシミュレーションを示す。 我々の計算では、共通ゲートセットを持つ複数のQCのクラスにおいて、90%以上の精度で限界単一量子ビット確率を予測できる。
  論文  参考訳（メタデータ） (2022-10-29T02:12:15Z)

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。