論文の概要: ARGON: A GNN-Empowered Compilation Framework for Scalable Neutral Atom Computing
- arxiv url: http://arxiv.org/abs/2607.21216v1
- Date: Thu, 23 Jul 2026 11:30:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.393118
- Title: ARGON: A GNN-Empowered Compilation Framework for Scalable Neutral Atom Computing
- Title（参考訳）: ARGON: スケーラブルなニュートラル原子コンピューティングのためのGNNを利用したコンパイルフレームワーク
- Abstract要約: 本稿では,原子プロセッサのスケーラブルなコンパイルフレームワークであるARGONを提案する。
私たちの重要な新機能は、静的な幾何学的コンフリクト解決をオフラインフェーズにオフロードすることです。
ARGONのコンパイルは10秒以内で完了し、最先端のベースラインよりも平均104倍、600倍のスピードアップを実現しています。
- 参考スコア（独自算出の注目度）: 16.598136367375407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neutral atom quantum systems offer a promising pathway to large-scale quantum computing due to high qubit uniformity and flexible connectivity. To exploit this architecture, compilers must coordinate dynamic atom transport alongside highly parallel entangling gates. As circuits scale, the interplay between these operations becomes a system bottleneck, introducing denser logical interactions and longer temporal dependencies. Compilers must simultaneously satisfy rigid spatial constraints and complex movement schedules. Existing joint spatiotemporal compilation methods face an exponentially expanding search space, incurring substantial overheads or compromising fidelity as circuit size grows. In this work, we propose ARGON, a scalable compilation framework that introduces a spatiotemporal decoupling paradigm for neutral atom processors. Our key novelty is offloading static geometric conflict resolution to an offline phase, precomputing a library of hardware-certified, high-parallelism spatial layouts. To guide temporal routing, we deploy a Graph Neural Network (GNN) predictor to evaluate candidate layouts against deep temporal horizons, proactively evading downstream kinematic bottlenecks. Finally, a heuristic router translates the selected sequence into collision-free physical transport. Evaluations show ARGON completes compilation in under 10 seconds, delivering up to a >10^4x and 600x average speedup over state-of-the-art baselines. ARGON also minimizes routing decoherence and reduces Rydberg stages, improving execution fidelity by up to 10^2x on dense circuits.
- Abstract（参考訳）: ニュートラル原子量子システムは、量子ビットの均一性とフレキシブルな接続性により、大規模量子コンピューティングへの有望な経路を提供する。
このアーキテクチャを利用するには、コンパイラは高並列なエンタングゲートと共に動的原子輸送を調整する必要がある。
回路がスケールするにつれて、これらの操作間の相互作用がシステムのボトルネックとなり、より密集した論理的相互作用とより長い時間的依存関係が導入される。
コンパイラは、厳密な空間制約と複雑な動きスケジュールを同時に満たさなければならない。
既存の共同時空間コンパイル手法は指数関数的に拡大する探索空間に直面し、回路サイズが大きくなるにつれてかなりのオーバーヘッドを発生させるか、忠実さを損なう。
本研究では,中性原子プロセッサのための時空間デカップリングパラダイムを導入したスケーラブルなコンパイルフレームワークARGONを提案する。
我々の重要な特徴は、静的な幾何学的コンフリクト解決をオフラインフェーズにオフロードし、ハードウェア認証された高並列性空間レイアウトのライブラリをプリコンパイルすることである。
時間的ルーティングをガイドするために,グラフニューラルネットワーク(GNN)予測器を配置し,深い時間的地平線に対する候補レイアウトの評価を行い,下流の運動的ボトルネックを積極的に回避する。
最後に、ヒューリスティックルータが選択したシーケンスを衝突のない物理輸送に変換する。
評価の結果、ARGONは10秒以内にコンパイルを完了し、最先端のベースラインよりも10^4xと600倍の平均的なスピードアップを実現している。
ARGONはまた、ルーティングのデコヒーレンスを最小化し、Rydbergのステージを小さくし、高密度回路上での実行精度を最大10^2x向上させる。
関連論文リスト
- To Scale Up or To Scale Out: Evaluating Space-Time Costs of Compiled Logical Circuits on Modular Superconducting Quantum Processors [0.6024602799136752]
主な戦略は、チップレットベースのスケーリングと分散アーキテクチャである。
本稿では,論理エンタングリング操作の高密度ワークロードの実行コストを定量的に測定する。
分散アーキテクチャは、効果的にモノリシックなアーキテクチャと比較して、時空性能が最大で指数関数的なペナルティをもたらすことがわかった。
論文 参考訳（メタデータ） (2026-08-20T18:00:12Z) - Fault-tolerant quantum computation with static atomic buses [0.0]
効率的な量子エラー補正とフォールトトレラント量子コンピューティングは、高忠実な長距離接続を必要とする。
本稿では,静的原子バス上に中性原子アーキテクチャを導入する。
このアーキテクチャは、約100usの論理ゲート時間と、コードd12の約1msの量子エラーサイクル距離を達成する。
論文 参考訳（メタデータ） (2026-07-02T22:34:55Z) - Centralizing Task-based Approach to Quantum Network Control [71.48385446560893]
階層アーキテクチャは、量子ネットワークに厳格な設計とタイミング制約を課します。
我々は、集中型コントローラを利用することで、リソース中心のタスクベースの量子ネットワーク制御アプローチをシミュレートする。
論文 参考訳（メタデータ） (2026-05-05T03:57:17Z) - 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) - Taming the Tail: NoI Topology Synthesis for Mixed DL Workloads on Chiplet-Based Accelerators [8.493759841403682]
CPU/GPUと新興技術(HBM/DRAM)の異種チップレットベースシステムによるスケール向上
しかし、このパッケージ上のデアグリゲーションはNetwork-on-Interposer(NoI)に遅延をもたらす
論文 参考訳（メタデータ） (2025-10-28T06:36:44Z) - Protocol Models: Scaling Decentralized Training with Communication-Efficient Model Parallelism [59.79227116582264]
モデルスケーリングはディープラーニングの大幅な進歩につながったが、これらのモデルを分散環境でトレーニングすることは依然として難しい。
本研究では,前処理と後処理の両方を圧縮し,最大99%の圧縮が可能となる新しい圧縮アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-06-02T02:19:22Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - Arctic: A Field Programmable Quantum Array Scheduling Technique [0.0]
ゾーン化された中性原子アーキテクチャにおける再構成可能な結合を最適化するために設計された最初のコンパイラパスを示す。
最大カットおよび階層化クロス最小化問題として、量子ビットマッピングと運動スケジューリングにアプローチする。
Supermarq と Qasmbench から得られた様々なアルゴリズムを比較した。
論文 参考訳（メタデータ） (2024-05-10T01:56:01Z) - Parallelized Spatiotemporal Binding [47.67393266882402]
逐次入力のための最初の時間並列化可能なスロット学習アーキテクチャであるPSB(Parallelizable Spatiotemporal Binder)を導入する。
従来のRNNベースのアプローチとは異なり、PSBは全ての時間ステップを並列に、スロットとして知られるオブジェクト中心の表現を生成する。
現状と比較して、我々のアーキテクチャはより長いシーケンスで安定したトレーニングを行い、トレーニング速度が60%向上する並列化を実現し、教師なしの2Dおよび3Dオブジェクト中心のシーン分解と理解に匹敵する性能を得る。
論文 参考訳（メタデータ） (2024-02-26T23:16:34Z) - An Architecture for Improved Surface Code Connectivity in Neutral Atoms [3.3186866268167146]
我々は、中性原子配列からなる量子コンピュータに対処し、ハードウェアの物理的接続をより高い論理接続に変換する表面コードアーキテクチャを設計する。
通常の格子手術と比較すると、これは量子ビット全体のフットプリントと実行時間を削減し、小型のQEC回路に必要な時空オーバーヘッドを低減させる。
本稿では, 物理原子移動方式を用いて, 近接する葉柄群における量子ビット間の全接続を可能とし, 大規模回路に対して高い接続ルーティング空間を創出する, 層間格子手術を提案する。
論文 参考訳（メタデータ） (2023-09-24T00:10:47Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - Time-Sliced Quantum Circuit Partitioning for Modular Architectures [67.85032071273537]
現在の量子コンピュータの設計はスケールしない。
小さなプロトタイプを超えてスケールするために、量子アーキテクチャーは、密に連結された量子ビットとクラスタ間のスパーサ接続のクラスタによるモジュラーアプローチを採用する可能性が高い。
このクラスタリングと静的に知られた量子プログラムの制御フローを利用して、量子回路を一度に一度にモジュラ物理マシンにマップするトラクタブルパーティショニングを生成する。
論文 参考訳（メタデータ） (2020-05-25T17:58:44Z)
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。