論文の概要: A Reproducible Software Workflow for Unanchored Approximate MUB Optimization: A Case Study in Dimension Six
- arxiv url: http://arxiv.org/abs/2607.10615v1
- Date: Sun, 12 Jul 2026 07:24:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-09 10:00:34.243675
- Title: A Reproducible Software Workflow for Unanchored Approximate MUB Optimization: A Case Study in Dimension Six
- Title（参考訳）: 不一致近似MUB最適化のための再現可能なソフトウェアワークフロー:次元6のケーススタディ
- Abstract要約: このワークフローは、CPU、Apple MPS、HPCバックエンド間でのポータブルな実行用に設計されている。
乱数 n = 3, 4, 5, 6 in complex128 and complex64 arithmetic に対して、100個のランダムシードに対してアンアンコール構成を最適化する。
代表 d = 6, n = 4 の遷移ユニタリを 3 ビット 8x8 のユニタリに埋め込み、156 ビットのHeron プロセッサ ibm-marrakesh 上で回路を実行する。
- 参考スコア（独自算出の注目度）: 5.114953719334754
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a reproducible, parameter-driven software workflow for optimizing approximate mutually unbiased basis (AMUB) configurations in arbitrary dimensions d using a Lie-algebra unitary parameterization. The workflow is designed for portable execution across CPU, Apple MPS, CUDA-capable GPU, and HPC backends, using a Taylor-series matrix exponential layer as an accelerator compatibility pathway. As a dimension-six case study, we optimize unanchored configurations across 100 random seeds for basis counts n = 3, 4, 5, 6 in complex128 and complex64 arithmetic. The workflow recovers exact three-basis configurations, identifies a recurrent four-basis partial-exact hub-and-triangle structure, and finds no near-exact pairs for n = 5 or n = 6 in the reported campaigns under the primary tolerance. As a hardware-execution check, we embed the representative d = 6, n = 4 transition unitaries into three-qubit 8x8 unitaries and execute the resulting circuits on the 156-qubit Heron processor ibm-marrakesh using subspace post-selection. The measured QPU pairwise losses are dominated by a hardware and compilation noise floor of approximately 0.02-0.08, associated with compiled circuits averaging 37 native CZ gates, which obscures the distinction between classically near-exact and defective pairs. The results provide a reproducible computational framework for exploring AMUB landscapes, together with an initial assessment of the challenges involved in executing optimized dimension-six unitaries on current quantum hardware.
- Abstract（参考訳）: 本稿では、Lie-algebraのユニタリパラメータ化を用いて、任意の次元dにおける近似的相互バイアスベース(AMUB)構成を最適化するための再現可能なパラメータ駆動ソフトウェアワークフローを提案する。
このワークフローは、CPU、Apple MPS、CUDA対応GPU、HPCバックエンドをまたいだポータブルな実行用に設計されており、Taylor-Series行列指数層をアクセラレーション互換性パスとして使用している。
次元6のケーススタディとして、n = 3, 4, 5, 6 in complex128 および complex64 算術において、100個のランダムシードにまたがる非正則な構成を最適化する。
ワークフローは、正確な3塩基構成を復元し、繰り返し発生する4塩基部分コンパクトなハブと三角形の構造を特定し、一次許容条件下で報告されたキャンペーンにおいて、n = 5 または n = 6 のほぼコンパクトなペアは見つからない。
ハードウェア実行チェックとして、代用d = 6, n = 4遷移ユニタリを3量子8x8ユニタリに埋め込み、サブスペース後選択を用いて156量子Heronプロセッサibm-marrakesh上で回路を実行する。
測定されたQPU対損失は、ハードウェアとコンパイルノイズフロアの0.02〜0.08で支配されており、コンパイル回路は37個のネイティブCZゲートを平均し、古典的に近いペアと欠陥ペアの区別を曖昧にしている。
その結果、AMUBランドスケープを探索するための再現可能な計算フレームワークが提供され、現在の量子ハードウェア上で最適化された次元6ユニタリの実行に関わる課題を初期評価した。
関連論文リスト
- PolyQ: Codesigning End-to-End Quantization Framework for Scalable Edge CPU LLM Inference [8.572093284101358]
PolyQは、アクティベーション対応のチャネルワイドビット割り当てのためのCPU指向コンパイラ/量子化共設計である。
3--6,bから安定した品質のスケーリングを提供し、3,bのターゲットで以前の手法よりも2.4-32.1%のパープレキシティを向上させる。
論文 参考訳（メタデータ） (2026-07-16T06:31:39Z) - Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。
このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。
Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
論文 参考訳（メタデータ） (2026-07-08T05:48:57Z) - Coupling-Grouped XY-QAOA for Joint Anomaly-Feature Selection [0.0]
結合群 XY-QAOA は制約付き最適化問題に対する制約保存群付き角変種である。
ハードウェア対応の実装により、回路の深さは45.9%-61.3%、二ビットゲートは2.6%-5.2%減少する。
36-64キュービットにわたって、固定角は、一致したランダム可能なサンプリングよりも低エネルギーで実現可能なサンプルを出力する。
論文 参考訳（メタデータ） (2026-06-11T11:56:54Z) - GoQuant: Geometric Orthogonal Residual Projection for Multiplier-Free Power-of-Two Transformer Quantization [4.700954456190739]
エッジデバイス上の大規模言語モデル (LLM) とビジョントランスフォーマー (ViT) は、メモリ制限と、密度の高いマルチプライアキュムレート (MAC) 配列によって引き起こされる重要なタイミングボトルネックによって制約される。
超低ビット状態において、対数パワー・オブ・ツー(PoT)量子化はMAC演算をビットシフトで置き換えることで、ハードウェア効率の良い代替手段を提供する。
本稿では,アルゴリズム・ハードウェアの共同設計フレームワークであるGeometric Orthogonal Residual Projection Quantization (GoQuant)を提案する。
論文 参考訳（メタデータ） (2026-05-25T17:52:46Z) - EngiAI: A Multi-Agent Framework and Benchmark Suite for LLM-Driven Engineering Design [0.4499833362998488]
3つの評価次元を持つベンチマークスイートを導入する。
本稿では,LangGraph上に構築されたマルチエージェントシステム(MAS)の実装であるEngiAIを紹介する。
論文 参考訳（メタデータ） (2026-05-19T12:12:09Z) - optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。
LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
論文 参考訳（メタデータ） (2026-05-19T10:18:12Z) - cuGenOpt: A GPU-Accelerated General-Purpose Metaheuristic Framework for Combinatorial Optimization [12.89168708039677]
cuGenOptは汎用メタヒューリスティックフレームワークで、3つの次元すべてに同時に対処する。
エンジンレベルでは、cuGenOptは統一的なエンコーディング抽象化(置換、バイナリ、整数)、二段階演算子選択機構、ハードウェア対応リソース管理を採用する。
実験では、cuGenOptスイートは、MIPソルバを桁違いに上回り、特殊ソルバと競合する品質を示し、30秒以内にTSP-442の差は4.73%に達する。
論文 参考訳（メタデータ） (2026-03-19T17:19:21Z) - Para-B&B: Load-Balanced Deterministic Parallelization of Solving MIP [50.917107318582715]
MIP(Mixed-integer Programming)は、連続型と整数型の両方の決定変数を組み込むことで線形プログラミングを拡張する。
本稿では,高性能MIPソルバであるHiGHSに対して,決定論的並列分岐結合の完全なオープンソース実装を初めて提案する。
本手法では,ワーカスレッド間で完全なソルバ状態を複製することにより,厳密な決定性を保証する新しいデータ並列アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-02-10T14:17:53Z) - BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。
BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
論文 参考訳（メタデータ） (2026-02-04T02:54:37Z) - Scaling LLM Inference with Optimized Sample Compute Allocation [56.524278187351925]
我々は、異なる推論構成の最適な混合を見つけるアルゴリズムであるOSCAを提案する。
実験の結果,学習した混合アロケーションでは,最高の単一構成よりも精度がよいことがわかった。
OSCAはシングルターンタスク以外のエージェント処理にも有効であることが示されており、デフォルト設定よりも3倍少ない計算でSWE-Benchの精度が向上している。
論文 参考訳（メタデータ） (2024-10-29T19:17:55Z) - Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [41.99844472131922]
ノイズ観測から元の信号を復号することは、ほぼすべてのHMMデータ解析における主要な目標の1つである。
QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATSについて述べる。
QATSの実装はGitHubのRパッケージQATSにある。
論文 参考訳（メタデータ） (2023-05-29T19:37:48Z) - HAWQV3: Dyadic Neural Network Quantization [73.11579145354801]
現在の低精度量子化アルゴリズムは、浮動小数点から量子化された整数値への変換の隠れコストを持つことが多い。
HAWQV3は、新しい混合精度整数のみの量子化フレームワークである。
論文 参考訳（メタデータ） (2020-11-20T23:51:43Z)
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。