論文の概要: Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures

• arxiv url: http://arxiv.org/abs/2607.24714v1
• Date: Mon, 27 Jul 2026 17:51:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.527649
• Title: Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures
• Title（参考訳）: 複合トラッピングイオンアーキテクチャのための効率的なLCM生成シャットリングコンパイラ
• Abstract要約: 本稿では、単一フロンティア大言語モデル(LLM)であるClaude Opus 4.7が、記述された仕様からコンパイラをシャットリングする完全なPythonコードを生成し、反復的に洗練する最初の研究について述べる。 我々は,LLM生成コンパイラを,量子回路の共通集合を用いて,最先端の手作りコンパイラと比較した。
• 参考スコア（独自算出の注目度）: 27.588919587175543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trapped-ion quantum computers rely on shuttling compilers, which cast an input algorithm into a sequence of ion-qubit movements within a given architecture. We present the first study in which a single frontier large language model (LLM), Claude Opus 4.7, generates and iteratively refines the full Python code of shuttling compilers from written specifications. We start with a compiler for (i) a linear segmented trap, extend it to (ii) a trap with junctions, and finally achieve efficient compilation for (iii) a broad class of connected trap graphs. The compilers for the more general cases are seeded with code from the previous ones. We benchmark the LLM-generated compilers against state-of-the-art hand-crafted ones using a common suite of quantum circuits. The number of shuttling timesteps is reduced by up to 76% for (i) and up to 39% for (ii). For the broad case (iii) of freely connected architectures, we find large variations in the required number of shuttling timesteps, depending on the connectivity. A densely connected, junction-rich architecture yields an order-of-magnitude reduction in shuttling timesteps compared to a corridor-like one. Repeating the complete generation and evaluation with a second frontier LLM, Claude Fable 5, reproduces these findings, with the Fable 5 compilers surpassing the hand-crafted ones more often on the largest circuits. Our results show that an unmodified frontier LLM can produce working, correct, and competitive shuttling compilers without additional manual algorithmic engineering, thus reducing the development time for new architectures from several months to a few days.
• Abstract（参考訳）: トラップオン量子コンピュータはシャットリングコンパイラに依存しており、入力アルゴリズムを所定のアーキテクチャ内でのイオン量子ビットの一連の動きに投入する。 本稿では、単一フロンティア大言語モデル(LLM)であるClaude Opus 4.7が、記述された仕様からコンパイラをシャットリングする完全なPythonコードを生成し、反復的に洗練する最初の研究を示す。 コンパイラから始めます。 (i) 線分トラップを延長する 二 ジャンクションのあるトラップで、最終的に効率的なコンパイルを行うこと (iii)連結トラップグラフの幅広いクラス。 より一般的な場合のコンパイラは、以前のものからのコードでシードされる。 我々は,LLM生成コンパイラを,量子回路の共通集合を用いて,最先端の手作りコンパイラと比較した。 シャットリングタイムステップの数は最大で76%削減される。 (i)最大39% (II)。 広義には 3) 自由に接続されたアーキテクチャでは,接続性に応じて,必要なシャットリングタイムステップの数が大きく変化する。 密に連結されたジャンクションリッチアーキテクチャは、廊下のようなものと比べ、シャットリングタイムステップのオーダー・オブ・マグニチュードを減少させる。 完全生成と評価を第2のフロンティア LLM で繰り返すと、Claude Fable 5 はこれらの結果を再現し、Fable 5 コンパイラは手作りのものをはるかに上回っている。 この結果から,手作業によるアルゴリズムエンジニアリングを必要とせずに,動作,正当性,競合性のあるシャットリングコンパイラを生成可能な未修正フロンティアLLMが,新たなアーキテクチャの開発時間を数ヶ月から数日に短縮できることが示唆された。

関連論文リスト

• CodegenBench: Can LLMs Write Efficient Code Across Architectures? [17.06172900876354]
  汎用プログラミングとGPUアクセラレーション環境のためのコード生成タスクにおいて,大規模言語モデル (LLM) が広く評価されている。 CodegenBenchは、3つの異なるハードウェアプラットフォームにわたる効率的な並列コードの生成を評価するために設計されたベンチマークスイートである。
  論文  参考訳（メタデータ） (2026-06-01T12:55:10Z)
• Constant-time hybrid compilation of Shor's algorithm with quantum just-in-time compilation [0.0]
  この研究は、PennyLaneとCatalystを使って素量子ゲートにコンパイルされたShorのファクタリングアルゴリズムの実装を提供する。 QJITコンパイルでは,回路生成に$N$固有の最適化を適用した場合でも,そのアルゴリズムは1ビットあたり$N$でコンパイルされることを示す。 実装は32ビット$N$までベンチマークされ、コンパイルされたプログラムのサイズと純粋なコンパイル時間の両方が一定であることが判明した。
  論文  参考訳（メタデータ） (2025-04-16T19:30:10Z)
• Compilation for Dynamically Field-Programmable Qubit Arrays with Efficient and Provably Near-Optimal Scheduling [5.9674479510253535]
  我々は中性原子に基づく動的フィールドプログラマブル量子ビットアレイのコンパイラを開発した。 コンパイラのEnolaは、OLSQ-DPQAと比較して、このステージ数を3.7倍に減らし、忠実度を5.9倍改善します。 Enolaは、30分以内で1万キュービットの回路をコンパイルできるなど、非常にスケーラブルである。
  論文  参考訳（メタデータ） (2024-05-23T22:57:49Z)
• Enabling High-Sparsity Foundational Llama Models with Efficient Pretraining and Deployment [56.44025052765861]
  大規模言語モデル(LLM)は自然言語処理(NLP)に革命をもたらしたが、そのサイズは計算のボトルネックを生み出している。 そこで本研究では,高性能LLMの高精度かつ疎結合な基本バージョンを作成するための新しいアプローチを提案する。 スパース量子化LLaMAの最大8.6倍のCPU上での総高速化を示す。
  論文  参考訳（メタデータ） (2024-05-06T16:03:32Z)
• Linear Depth QFT over IBM Heavy-hex Architecture [5.452714742737149]
  我々は,既存のIBMヘビーヘックスアーキテクチャに対する量子フーリエ変換回路の効率的なマッピング手法を提案する。 この計算は、これらの構造の時間的複雑さに対して線形深さ上限が存在することを示している。 これらの結果は、最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-02-15T04:41:31Z)
• INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
  計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。 InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。 1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
  論文  参考訳（メタデータ） (2023-08-11T04:24:39Z)
• Enabling Retargetable Optimizing Compilers for Quantum Accelerators via a Multi-Level Intermediate Representation [78.8942067357231]
  我々は、最適化され、再ターゲット可能で、事前コンパイルが可能なマルチレベル量子古典中間表現(IR)を提案する。 ゲートベースのOpenQASM 3言語全体をサポートし、共通量子プログラミングパターンのカスタム拡張と構文の改善を提供します。 私たちの研究は、通常のPythonのアプローチよりも1000倍高速で、スタンドアロンの量子言語コンパイラよりも5～10倍高速なコンパイル時間を実現しています。
  論文  参考訳（メタデータ） (2021-09-01T17:29:47Z)
• Extending C++ for Heterogeneous Quantum-Classical Computing [56.782064931823015]
  qcorはC++とコンパイラの実装の言語拡張で、異種量子古典プログラミング、コンパイル、単一ソースコンテキストでの実行を可能にする。 我々の研究は、量子言語で高レベルな量子カーネル(関数)を表現できる、第一種C++コンパイラを提供する。
  論文  参考訳（メタデータ） (2020-10-08T12:49:07Z)
• FastLR: Non-Autoregressive Lipreading Model with Integrate-and-Fire [74.04394069262108]
  我々は,全てのターゲットトークンを同時に生成する非自己回帰(NAR)リップリーダーモデルであるFastLRを提案する。 FastLRは最先端のリップリーダーモデルと比較して10.97$times$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2020-08-06T08:28:56Z)
• PolyDL: Polyhedral Optimizations for Creation of High Performance DL primitives [55.79741270235602]
  本稿では,Deep Learningプリミティブの高性能実装を自動的に生成するコンパイラアルゴリズムを提案する。 我々は多面体モデルを用いた新しいデータ再利用分析アルゴリズムを開発した。 また、このようなハイブリッドコンパイラとライブラリ使用の最小限のアプローチが、最先端のパフォーマンスをもたらすことを示す。
  論文  参考訳（メタデータ） (2020-06-02T06:44:09Z)

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。