論文の概要: Transpiler Autotuning with Predictive Models for Quantum Circuit Optimization
- arxiv url: http://arxiv.org/abs/2607.29145v1
- Date: Fri, 31 Jul 2026 08:23:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.653194
- Title: Transpiler Autotuning with Predictive Models for Quantum Circuit Optimization
- Title（参考訳）: 量子回路最適化のための予測モデルを用いたトランスパイラ自動調整
- Abstract要約: 機械学習モデルを用いて,2ビットゲートの最大削減を目的としたトランスパイラパスの組み合わせを自動的に選択する,Qiskitトランスパイラパイプラインの予測モデル拡張を構築した。
我々の実験的な評価によると、我々のモデルで選択された組み合わせは、Qiskitの最適化レベルに勝るものはなく、平均19.1$%$ - 32.4$%$2量子ゲートの削減を達成する。
- 参考スコア（独自算出の注目度）: 1.039769242219222
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Quantum software engineering is an emerging research field focusing on efficiently embedding the quantum programming paradigm into existing software ecosystems. A key aspect of this field is the realization of quantum algorithms using gate-based programming and the subsequent low-level optimization of the resulting quantum circuits, a process that is commonly performed by so-called transpilation pipelines. One significant challenge in these pipelines is determining which optimizations to apply to a given circuit. This decision is usually based on fixed default configurations that are uniformly applied to all circuits, frequently resulting in missed opportunities for more aggressive circuit optimization. In this work, we tackle this challenge by applying autotuning with supervised machine learning to develop an automated method for selection of transpiler passes. To train our machine-learning models, we employ feature-model based sampling to generate a representative dataset that examines how different combinations of Qiskit transpiler passes perform across thousands of circuits drawn from the state-of-the-art benchmarking suite MQT Bench. Using these data, we build a predictive model extension for the Qiskit transpilation pipeline that uses a machine learning model to automatically select combinations of transpiler passes aiming to achieve a maximum reduction in two-qubit gates. Our empirical evaluation shows that the combinations selected by our model are never outperformed by Qiskit's optimization levels, achieve on average an additional 19.1$\%$ - 32.4$\%$ reduction in two-qubit gates, and for some circuits finds reductions of up to $95.8\%$ in cases where Qiskit achieves no reduction at all.
- Abstract（参考訳）: 量子ソフトウェア工学は、量子プログラミングパラダイムを既存のソフトウェアエコシステムに効率的に組み込むことに焦点を当てた、新たな研究分野である。
この分野の重要な側面は、ゲートベースのプログラミングを用いた量子アルゴリズムの実現と、結果として生じる量子回路の低レベル最適化である。
これらのパイプラインにおける重要な課題の1つは、特定の回路にどの最適化を適用するかを決定することである。
この決定は、通常、すべての回路に一様に適用される固定されたデフォルト設定に基づいており、しばしばより攻撃的な回路最適化の機会を逃してしまう。
本研究では,教師あり機械学習を用いた自動チューニングを応用して,トランスパイラパスの自動選択手法を開発することで,この問題に対処する。
機械学習モデルをトレーニングするために、我々は特徴モデルに基づくサンプリングを用いて、最先端のベンチマークスイートMQT Benchから引き出された数千の回路間で、Qiskitトランスパイラの異なる組み合わせがどのように動作するかを調べる代表データセットを生成する。
これらのデータを用いて,Qiskitトランスパイラパイプラインの予測モデル拡張を構築し,機械学習モデルを用いてトランスパイラパスの組み合わせを自動的に選択し,2キュービットゲートの最大削減を実現する。
我々の実験的な評価によると、我々のモデルで選択された組み合わせは、Qiskitの最適化レベルに勝るものはなく、平均19.1$\%$ - 32.4$\%$2ビットゲートの削減を達成でき、また、一部の回路では、Qiskitが全く削減を達成していない場合、最大9.8$%$の削減が見出される。
関連論文リスト
- Q3SAT-GPT: A Generative Model for Discovering Quantum Circuits for the 3-SAT Problem [3.5143539128349297]
この研究は、量子回路を発見するための生成モデルであるQ3SAT-GPTを導入している。
提案手法は,QAOAスタイルの高精度なアンスターゼから学習し,候補回路を直接生成する。
また,モザイク適応QAOA(MosaicADAPT-QAOA)を導入し,低深度QAOA回路を構築するための適応戦略を提案する。
論文 参考訳（メタデータ） (2026-04-30T02:10:50Z) - Investigation of Automated Design of Quantum Circuits for Imaginary Time Evolution Methods Using Deep Reinforcement Learning [6.1990010478895]
本稿では,Double Deep-Q Networks (DDQN) を用いたVITE回路設計のためのフレームワークを提案する。
本稿では,回路構成を多目的問題として扱い,同時にエネルギー期待値の最小化と回路複雑性の最適化を行う。
Max-Cut問題において、我々のエージェントは、標準のハードウェア効率のアンサッツよりも約37%のゲートと43%の深さの回路を自律的に検出した。
論文 参考訳（メタデータ） (2026-04-09T08:17:11Z) - Automated quantum circuit optimization with randomized replacements [0.0]
近似局所変換を許容し、混合量子チャネルを用いて純回路を近似する方法を示す。
本プロトコルはゲート応用による実験ノイズを意図的に設計したランダムノイズに変換する。
その結果、量子回路の性能を高めるために混合チャネル近似の可能性を浮き彫りにした。
論文 参考訳（メタデータ） (2026-01-22T13:16:05Z) - Graph-Based Bayesian Optimization for Quantum Circuit Architecture Search with Uncertainty Calibrated Surrogates [2.271697926182248]
本稿では,変分量子回路の発見と改良を行う自動フレームワークを提案する。
回路はグラフとして表現され、期待される改善獲得関数を介して変更され、選択される。
GNN誘導パイプラインは、回路の複雑さが低く、より優れた分類精度の回路を見つける。
論文 参考訳（メタデータ） (2025-12-10T12:23:04Z) - Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。
本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。
この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
論文 参考訳（メタデータ） (2025-10-07T17:53:02Z) - Accelerating Transpilation in Quantum Machine Learning with Haiqu's Rivet-transpiler [45.88028371034407]
我々は、以前にトランスパイルされた回路を再利用してトランスパイラを高速化するリベットトランスパイラを開発した。
量子層学習において,600%のトランスパイル時間の改善を実証した。
論文 参考訳（メタデータ） (2025-08-29T06:00:29Z) - Digitized Counterdiabatic Quantum Algorithms for Logistics Scheduling [33.04597339860113]
本稿では,2つのスケジューリング問題に対して,ディジタル化された反断熱量子最適化(DCQO)アルゴリズムを提案する。
ジョブショップスケジューリング問題では,特定の制約下で複数のタスクを実行するロボットの最適なスケジュールを見つけることを目的としている。
旅行セールスパーソンの問題は、すべての都市をカバーし、最短の旅行距離と関連する経路を見つけることである。
論文 参考訳（メタデータ） (2024-05-24T16:53:30Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
シミュレーションの少ない機械学習(ML)アプローチを提案する。
提案手法により,OCCを全回路の仕様に近づけることができることを示す。
論文 参考訳（メタデータ） (2023-06-23T12:57:46Z) - Constraint programming models for depth-optimal qubit assignment and
SWAP-based routing [0.0]
量子ビット割り当てとルーティング問題に対する制約プログラミング(CP)モデルを提案する。
回路深さ最小化のための整数線形プログラミング(ILP)モデルと比較する。
実験分析の結果,提案手法はソリューションの品質と実行時間の両方において,ILPモデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-06-14T16:42:36Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳（メタデータ） (2023-06-14T13:44:35Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。