論文の概要: HybridQC: Hardware-Grounded Simulation of Tightly Integrated Hybrid Quantum-Classical Systems
- arxiv url: http://arxiv.org/abs/2607.13352v1
- Date: Wed, 15 Jul 2026 00:24:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.615719
- Title: HybridQC: Hardware-Grounded Simulation of Tightly Integrated Hybrid Quantum-Classical Systems
- Title（参考訳）: HybridQC: 軽量集積型ハイブリッド量子-古典システムのハードウェアグラウンドシミュレーション
- Abstract要約: HybridQCは、密結合型ハイブリッド計算ユニットのための離散イベントシミュレータである。
ジョブを入力準備から古典的な後処理まで、ステージのタイプ付き非巡回グラフに分解する。
物理的QPU占有率とクラウドウォールクロックレイテンシを区別する。
- 参考スコア（独自算出の注目度）: 1.8803964763103134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hybrid quantum-classical application performance is increasingly limited by classical control, host-to-QPU communication, and scheduling rather than quantum execution. Existing simulators and runtime interfaces analyze individual kernels but fail to address system-topology questions, such as controller bottlenecks, diminishing returns of QPU capacity, or resource contention under heterogeneous workloads. We introduce HybridQC, a topology-aware discrete-event simulator for tightly coupled hybrid compute units (HCUs). HybridQC models HCUs as configurable graphs of classical processors, memory, controllers, quantum annealing (QA) and digital quantum computing (DQC) devices, and communication links. It decomposes jobs into typed, directed acyclic graphs of stages, ranging from input preparation to classical postprocessing, executed under interchangeable scheduling policies. Calibrated with live measurements from D-Wave (Advantage 1 and 2) and IBM (Kingston, Marrakesh, and Fez) processors, HybridQC distinguishes physical QPU occupancy from cloud wall-clock latency. The models achieve mean absolute percentage errors of 3.92%-8.04% for D-Wave QPU access time and 5.26%-19.01% for IBM quantum-seconds measurements. Workload experiments reveal that a balanced 10x HCU scaling improves makespan by only 2.19x-3.42x, while altering scheduling policies shifts makespan by up to 1.80x for a 20-job workload. Scalability varies heavily by workload dimension: a 100x input data increase yields a 306 s median runtime, whereas a 100x joint increase in circuit count, shot count, and circuit depth drives runtime to 4.806x10^7 s on an unchanged HCU. HybridQC offers a systematic framework for evaluating the topology, scheduling, and scaling limits of hybrid architectures prior to physical deployment.
- Abstract（参考訳）: ハイブリッド量子古典的アプリケーションの性能は、古典的な制御、ホスト間QPU通信、量子実行よりもスケジューリングによってますます制限されている。
既存のシミュレータとランタイムインターフェースは、個々のカーネルを分析するが、コントローラボトルネック、QPU能力のリターンの低下、異種ワークロード下でのリソース競合など、システムトポロジの問題に対処できない。
強結合型ハイブリッド計算ユニット(HCU)のためのトポロジ対応離散イベントシミュレータであるHybridQCを紹介する。
HybridQCは、HCUを古典プロセッサ、メモリ、コントローラ、量子アニール(QA)およびデジタル量子コンピューティング(DQC)デバイス、通信リンクの構成可能なグラフとしてモデル化する。
ジョブを、入力準備から古典的な後処理まで、交換可能なスケジューリングポリシの下で実行されるステージのタイプ付き非巡回グラフに分解する。
D-Wave (Advantage 1 と 2) と IBM (Kingston, Marrakesh, Fez) のプロセッサのライブ測定により、HybridQC は物理的 QPU 占有率とクラウドウォールクロックのレイテンシを区別する。
平均絶対パーセンテージ誤差は、D-Wave QPUアクセス時間で3.92%-8.04%、IBM量子秒測定で5.26%-19.01%である。
ワークロード実験により、バランスの取れた10x HCUスケーリングは2.19x-3.42xに改善され、スケジューリングポリシーの変更は20ジョブのワークロードに対して1.80xに変更された。
100倍の入力データの増加は306秒の中央値のランタイムを得るのに対して、100倍のジョイントな回路数、ショット数、回路深さの増大は、変化のないHCU上で4.806x10^7秒のランタイムを駆動する。
HybridQCは、物理的なデプロイメントの前にハイブリッドアーキテクチャのトポロジ、スケジューリング、スケーリング制限を評価するための体系的なフレームワークを提供する。
関連論文リスト
- Real-time decoding of quantum error correction codes using high-performance computing [13.272191986064648]
スケーラブルなフォールトトレラント量子コンピュータを構築するには量子エラー補正(QEC)が不可欠である。
本稿では,高性能計算資源を用いた量子誤り訂正符号のリアルタイム復号化のためのアーキテクチャemphTHQLinkを提案する。
我々は、平均2.944ドルのラウンドトリップ遅延を報告し、追加のホップあたり130 nsのインクリメンタルオーバーヘッドを報告した。
論文 参考訳（メタデータ） (2026-08-04T17:12:42Z) - Quantum-classical crossover in fault-tolerant quantum dynamics simulation [56.198154828333685]
我々は、コヒーレントな観測可能推定と非クリフォード回転の時空間効率実装を組み合わせたスケーラブルなフォールトトレラントフレームワークを提案する。
最先端テンソルネットワークと変分モンテカルロアルゴリズムに対するベンチマークでは、混合場イジングダイナミクスのための具体的なクロスオーバーが明らかにされている。
論文 参考訳（メタデータ） (2026-07-17T16:54:25Z) - Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning [38.502127166117674]
量子インスパイアされたKolmogorov-Arnold Network(QKAN)とFWPを統合した高速軽量フレームワークQKAN-FWPを提案する。
私たちは、DARUAN(DatA Re-Uploading ActivatioN)として知られる、学習可能な非線形アクティベーションとしてシングルキュービットデータ再ロード回路を使用している。
時系列ベンチマーク,MiniGrid強化学習,および実世界の太陽周期予測を主要な実践的結果として取り上げ,その枠組みを評価する。
論文 参考訳（メタデータ） (2026-05-07T13:04:09Z) - Qurator: Scheduling Hybrid Quantum-Classical Workflows Across Heterogeneous Cloud Providers [0.0]
アーキテクチャに依存しない量子古典的タスクスケジューラであるQuratorを、異種プロバイダ間の待ち時間と回路忠実度を共同で最適化する。
ミュンヘン量子ツールキットベンチマークスイートの回路を用いて,4ヶ月の実際のキューデータによって駆動されるシミュレータ上でQuratorを評価する。
論文 参考訳（メタデータ） (2026-04-07T06:58:46Z) - The Quest for Quantum Advantage in Combinatorial Optimization: End-to-end Benchmarking of Quantum Solvers vs. Multi-core Classical Solvers [34.734652426291525]
我々は、IBM Heron r3量子プロセッサ上で、高階非制約バイナリ最適化(HUBO)のためのハイブリッド逐次量子コンピューティングソルバのエンドツーエンドベンチマークを実行する。
20のベンチマークインスタンスで、1つのハイブリッド試行は1秒未満で高品質なソリューションを生成し、14のケースで基底状態のエネルギーと一致する。
論文 参考訳（メタデータ） (2026-03-13T21:29:20Z) - A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
分散量子最適化のための構造認識フレームワークを提案する。
検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。
構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
論文 参考訳（メタデータ） (2026-03-08T15:15:52Z) - Adaptive Resource Orchestration for Distributed Quantum Computing Systems [7.384226548680519]
ModEn-Hubは、リアルタイム量子ネットワークオーケストレータと組み合わせたハブ・アンド・スポークフォトニック接続である。
コントロールプレーンはテレポーテーションベースの非ローカルゲートをスケジュールし、並列エンタングルメント試行を起動し、小さなEビットキャッシュを維持する。
1-128 QPUと2500回の試行でModEn-Hubスタイルのオーケストレーションは、約90%のテレポーテーション成功を維持している。
論文 参考訳（メタデータ） (2025-12-31T14:58:05Z) - CUNQA: a Distributed Quantum Computing emulator for HPC [1.2109519547057512]
CUNQAは、高性能コンピューティング環境での量子コンピュータのテスト、評価、研究を可能にする。
非通信、古典通信、量子通信の3つのDQCモデルを実装している。
CUNQAは3つのDQCスキームをHPC環境でエミュレートする最初のツールである。
論文 参考訳（メタデータ） (2025-11-07T12:57:05Z) - Hybrid Sequential Quantum Computing [33.72751145910978]
ハイブリッドシーケンシャル量子コンピューティング(HSQC)を導入する。
HSQCは古典的および量子的手法を構造化された段階的ワークフローに体系的に統合する。
スタンドアロンの古典的解法と比較すると、HSQCはSAの最大700倍、実行時の最大9倍のスピードアップを達成する。
論文 参考訳（メタデータ） (2025-10-07T12:15:43Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。
提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
論文 参考訳（メタデータ） (2024-06-17T14:10:10Z) - 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)
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。