論文の概要: Architecture-Aware Reinforcement Learning for Communication-Efficient Distributed Quantum Circuit Compilation

• arxiv url: http://arxiv.org/abs/2608.06892v1
• Date: Fri, 07 Aug 2026 07:25:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.387153
• Title: Architecture-Aware Reinforcement Learning for Communication-Efficient Distributed Quantum Circuit Compilation
• Title（参考訳）: 通信効率の良い分散量子回路コンパイルのためのアーキテクチャを考慮した強化学習
• Abstract要約: 分散量子コンピューティングは、単一の量子処理ユニットのキャパシティ限界を超えて量子回路を実行するためのスケーラブルな経路を提供する。 本稿では,分散量子コンパイルを制約付きマルコフ決定過程として定式化するアーキテクチャ対応強化学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 16.380589534840862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distributed quantum computing provides a scalable route for executing quantum circuits beyond the capacity limits of a single quantum processing unit (QPU), but it introduces a communication-aware compilation problem involving strict hardware constraints and circuit dependencies. This paper presents an architecture-aware reinforcement-learning framework that formulates distributed quantum compilation as a constrained Markov Decision Process (MDP). The compiler-level communication actions dynamically update logical-qubit placement and enable subsequent gate execution. A heterogeneous graph model represents interactions among hardware, logical qubits, and circuit operations, while a policy trained via Proximal Policy Optimization optimizes EPR-pair consumption and communication makespan. Evaluation across benchmark circuits shows that our policy matches state-of-the-art heuristics on structured workloads, with lookahead reward shaping yielding modest improvements on unstructured circuits. These results demonstrate that reinforcement learning is a flexible alternative to manual heuristics, though scalability remains a key bottleneck for practical use.
• Abstract（参考訳）: 分散量子コンピューティングは、単一の量子処理ユニット(QPU)のキャパシティ限界を超えて量子回路を実行するためのスケーラブルな経路を提供するが、厳密なハードウェア制約と回路依存性を含む通信対応コンパイル問題を導入する。 本稿では,分散量子コンパイルを制約付きマルコフ決定過程(MDP)として定式化するアーキテクチャ対応強化学習フレームワークを提案する。 コンパイラレベルの通信アクションは論理量子配置を動的に更新し、その後のゲート実行を可能にする。 ヘテロジニアスグラフモデルは、ハードウェア、論理量子ビット、回路演算間の相互作用を表現し、プロキシポリシー最適化によって訓練されたポリシーは、EPRペアの消費と通信を最適化する。 ベンチマーク回路による評価では、我々のポリシーは構造化されたワークロードの最先端のヒューリスティックと一致し、ルックアヘッドの報酬形は非構造化回路の質素な改善をもたらす。 これらの結果は、強化学習が手動ヒューリスティックスの柔軟な代替手段であることを示しているが、拡張性は実用上重要なボトルネックである。

関連論文リスト

• C-Phase-Aware Compilation for Efficient Fault-Tolerant Quantum Execution [1.635939418192339]
  本研究は,アルゴリズム構造と格子手術を直接統合したマイクロアーキテクチャ・アウェアコンパイル手法を提案する。 空間配置とルーティング制約を正確にモデル化する動的イベント駆動型スケジューリング戦略を設計する。 このアプローチはアイドルリソースを大幅に削減し、標準ベースラインと比較して59.7$times$実行時間を短縮する。
  論文  参考訳（メタデータ） (2026-05-13T19:03:18Z)
• AI Agents for Variational Quantum Circuit Design [37.22807195756414]
  変分量子回路(VQC)は、短期量子機械学習(QML)の中心構築ブロックを構成する 本稿では,VQCアーキテクチャ検索のための自律型エージェントベースフレームワークを提案する。 エージェントAIは、人間の介入を最小限に抑えて、VQCデザインのランドスケープを効果的にナビゲートし、洗練することができることを示す。
  論文  参考訳（メタデータ） (2026-02-22T23:41:22Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• ConQuER: Modular Architectures for Control and Bias Mitigation in IQP Quantum Generative Models [40.972673943861075]
  瞬時量子(IQP)回路に基づく量子生成モデルは、複素分布の学習において非常に有望である。 現在の実装は、生成した出力に対する制御性の欠如と、期待される特定のパターンに対する深刻な生成バイアスに悩まされている。 モジュール回路アーキテクチャによる両課題に対処する制御可能な量子生成フレームワーク ConQuER を提案する。
  論文  参考訳（メタデータ） (2025-09-26T16:32:41Z)
• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• Adaptive Job Scheduling in Quantum Clouds Using Reinforcement Learning [1.0542466736167886]
  現在の量子システムは、量子ビット数制限、短いコヒーレンス間隔、エラーに対する高い感受性など、重大なボトルネックに直面している。 本稿では、リアルタイムな古典チャネルを介して接続されたネットワークQPU上での分散スケジューリングと並列実行をサポートするシミュレーションベースのツールを提案する。
  論文  参考訳（メタデータ） (2025-06-12T16:54:19Z)
• Quantum-Assisted Vehicle Routing: Realizing QAOA-based Approach on Gate-Based Quantum Computer [1.5119440099674915]
  車両問題ルーティング(VRP)は、物流や輸送における幅広い応用において、基本的な最適化課題である。 本稿では、QAOA(Quantum Approximate Optimization Algorithm)とVRPのリンクベースの定式化を統合する量子支援フレームワークを提案する。 提案手法は, 補助量子ビットを回避しつつ, グラフ構造を保ちながら, コストハミルトニアンに直接流れの保存と下地除去をエンコードする。
  論文  参考訳（メタデータ） (2025-05-02T22:31:01Z)
• Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
  この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。 本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-17T12:09:11Z)
• Compiler for Distributed Quantum Computing: a Reinforcement Learning Approach [6.347685922582191]
  本稿では,EPRペアの生成とルーティングを共同で管理することで,実行時間の短縮を優先する新しいコンパイラを提案する。 本稿では, 量子回路の絡み合い生成の性質と動作要求を考慮し, リアルタイムかつ適応的なコンパイラ設計手法を提案する。 i)マルコフ決定過程(MDP)の定式化を用いてDQCの最適コンパイラをモデル化し、最適アルゴリズムの存在を確立し、(ii)この最適コンパイラを近似するために制約付き強化学習(RL)法を導入する。
  論文  参考訳（メタデータ） (2024-04-25T23:03:20Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
  効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。 量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。 我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
  論文  参考訳（メタデータ） (2021-06-11T18:00:09Z)

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。