論文の概要: RubriQ: Rubric-Guided Group Relative Policy Optimization for Constraint-Aware Quantum Circuit Synthesis
- arxiv url: http://arxiv.org/abs/2607.07554v1
- Date: Wed, 08 Jul 2026 15:50:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.447304
- Title: RubriQ: Rubric-Guided Group Relative Policy Optimization for Constraint-Aware Quantum Circuit Synthesis
- Title（参考訳）: RubriQ:制約を考慮した量子回路合成のためのルーブリック型グループ相対ポリシー最適化
- Abstract要約: 本稿では,大規模言語モデル(LLM)コード生成タスクとして回路合成を定式化するフレームワークであるRubriQを紹介する。
RubriQは、強化学習報酬関数として、ドメイン基底プログラミングルーリックを使用している。
RubriQは、ハードウェア対応でフォールトトレラントな量子回路を大規模に生成するための、自動化された高性能なコンピューティングパイプラインを確立する。
- 参考スコア（独自算出の注目度）: 0.7161783472741748
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Designing fault-tolerant quantum circuits that are both algorithmically correct and hardware compatible remains a major bottleneck in the transition to scalable quantum computing. We introduce RubriQ, a scalable framework that formulates circuit synthesis as a large language model (LLM) code-generation task, optimized via group relative policy optimization (GRPO). Unlike conventional black-box neural critics, RubriQ employs a domain-grounded programmatic rubric as the reinforcement learning reward function, evaluating circuits for T-gate reduction, hardware topology compliance, and unitary fidelity. To support high-throughput training, RubriQ integrates GPU-accelerated CUDA-Q simulation directly into the reinforcement learning (RL) loop and is deployed on NERSC Perlmutter using DeepSpeed ZeRO2 across multinode NVIDIA A100 clusters. On benchmark tasks, RubriQ achieves a mean T-gate compression of 3.31x, significantly outperforming sparse-reward RL baselines (2.05x), converging 2-3x faster, and maintaining less than 1\% hardware-constraint violations. Validated on IBM and IonQ quantum processors, RubriQ establishes an automated, high-performance computing (HPC)-driven pipeline for generating hardware-ready, fault-tolerant quantum circuits at scale.
- Abstract（参考訳）: アルゴリズム的に正確かつハードウェア互換のフォールトトレラント量子回路を設計することは、スケーラブルな量子コンピューティングへの移行において大きなボトルネックとなっている。
本稿では,大規模言語モデル(LLM)コード生成タスクとして回路合成を定式化するスケーラブルなフレームワークであるRubriQを紹介し,グループ相対ポリシー最適化(GRPO)を用いて最適化する。
従来のブラックボックスのニューラル批評家とは異なり、RubriQは強化学習報酬関数として、Tゲートの低減、ハードウェアトポロジーコンプライアンス、ユニタリ忠実性の評価回路として、ドメイングラウンドのプログラムルーリックを使用している。
高スループットトレーニングをサポートするために、RubriQはGPUアクセラレーションされたCUDA-Qシミュレーションを直接強化学習(RL)ループに統合し、マルチノードNVIDIA A100クラスタでDeepSpeed ZeRO2を使用してNERSC Perlmutterにデプロイする。
ベンチマークタスクにおいて、RubriQは平均Tゲート圧縮を3.31倍にし、スパース逆RLベースライン(2.05倍)を著しく上回り、2-3倍高速に収束し、ハードウェア制約違反を1\%以下に抑える。
IBMとIonQの量子プロセッサで検証されたRubriQは、ハードウェア対応でフォールトトレラントな量子回路を大規模に生成するための、自動化された高性能コンピューティング(HPC)駆動パイプラインを確立する。
関連論文リスト
- Benchmarking Quantum Algorithmic Resilience for CVaR Portfolio Optimization: The Expressibility-Coherence Trade-off [0.0]
量子最適化は複雑な金融モデリングに理論的利点をもたらす。
ノイズ中間スケール量子(NISQ)デバイスへの物理実装は、ハードウェアトポロジによって厳しく制約されている。
本研究では,ハードウェア効率の良い変分量子ニューラルネットワーク(HE-VQNN)とウォームスタート量子近似最適化アルゴリズム(WS-QAOA)のベンチマーク解析を行う。
論文 参考訳（メタデータ） (2026-06-05T17:07:59Z) - EFaaS: A Quantum-Classical Serverless Entangled Scheduler for Hybrid Variational Algorithms [2.3283624944570436]
現在の量子クラウドアクセスモデルは、分離されたバッチキューによってボトルネック化されている。
この遅延は収束時間を数分から数時間に膨らませ、量子ハードウェアのドリフトに忠実さを露呈する。
我々は、新しいサーバーレスハードウェア予約またはステートレス関数であるEFを提案する。
論文 参考訳（メタデータ） (2026-05-26T18:13:50Z) - OScaR: The Occam's Razor for Extreme KV Cache Quantization in LLMs and Beyond [50.440302567029654]
マルチモーダルインテリジェンスにより、Key-Valueキャッシュは効率的なデプロイメントのための主要なメモリボトルネックとなった。
本研究では、チャネルごとの量子化パラダイムの本質的な限界を再考する。
X-LLMのための高精度かつ軽量なKVキャッシュ圧縮フレームワークOScaRを提案する。
論文 参考訳（メタデータ） (2026-05-19T10:53:03Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - ReQISC: A Reconfigurable Quantum Computer Microarchitecture and Compiler Co-Design [33.798308842813796]
再構成可能な量子命令セットコンピュータ(ReQISC)の概念を導入する。
SU(4)の表現性と、下層のマイクロアーキテクチャによって実現された時間最小性を活用することにより、SU(4)ベースのISAは顕著な性能を達成する。
エンドツーエンドコンパイラでサポートされているReQISCは、従来のCNOT-ISA、SOTAコンパイラ、パルス実装よりも優れている。
論文 参考訳（メタデータ） (2025-11-10T06:19:30Z) - Quantum Tensor Representation via Circuit Partitioning and Reintegration [0.6766416093990318]
本稿では,SparseCutアルゴリズムを行列製品状態コンパイルとグローバルニット技術で活用する手法であるshardQを紹介する。
本研究は,アプリケーションの準備性に関する結果も提示する。
論文 参考訳（メタデータ） (2025-11-07T18:59:58Z) - CLASS: A Controller-Centric Layout Synthesizer for Dynamic Quantum Circuits [58.16162138294308]
CLASSは、分散制御システムにおけるコントローラ間通信遅延を低減するために設計された、コントローラ中心のレイアウトシンセサイザーである。
評価の結果、CLASSは通信遅延を最大100%減らし、追加操作数の平均2.10%しか増加しないことがわかった。
論文 参考訳（メタデータ） (2025-09-19T08:11:55Z) - LuGo: an Enhanced Quantum Phase Estimation Implementation [2.45000454920926]
本稿では,量子位相推定の性能向上を目的とした新しいフレームワーク,LuGoを紹介する。
LuGoは計算効率とハードウェア要件の両方で大幅に改善されている。
これらの利点により、LuGoはより効率的なQPEの実装の道を開いた。
論文 参考訳（メタデータ） (2025-03-19T17:19:24Z) - Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。
短絡の新規・ハードウェア対応回路の発見能力を示す。
本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文 参考訳（メタデータ） (2024-06-18T01:49:48Z) - Direct pulse-level compilation of arbitrary quantum logic gates on superconducting qutrits [36.30869856057226]
任意のqubitおよびqutritゲートを高忠実度で実現でき、ゲート列の長さを大幅に削減できることを示す。
最適制御ゲートは少なくとも3時間ドリフトでき、同じ校正パラメータを全ての実装ゲートに利用できることを示す。
論文 参考訳（メタデータ） (2023-03-07T22:15:43Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - 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)
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。