Fugu-MT 論文翻訳(概要): Reducing quantum and classical resources for quantum-centric supercomputing workloads on near-term hardware

論文の概要: Reducing quantum and classical resources for quantum-centric supercomputing workloads on near-term hardware

arxiv url: http://arxiv.org/abs/2609.05957v1
Date: Sat, 05 Sep 2026 07:43:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-12 12:11:03.016124
Title: Reducing quantum and classical resources for quantum-centric supercomputing workloads on near-term hardware
Title（参考訳）: 短期ハードウェア上での量子中心型スーパーコンピューティングワークロードのための量子リソースと古典リソースの削減
Abstract要約: クリロフ量子対角化(Krylov quantum diagonalization, SKQD)は、クリュロフ量子対角化の収束構造と古典的なサンプリングベースの後処理を組み合わせた量子中心超計算ワークフローである。我々は、この仮定を偏極雑音下で解析し、指数的な深さのペナルティを露呈するショットカウント資源推定を導出し、20ビット(40ビット)のインスタンス上で1次元の単一不純物アンダーソンモデルを用いて、現在のノイズの多いハードウェアの実験を行う。
参考スコア（独自算出の注目度）: 0.8372065767384989
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sample-based Krylov quantum diagonalization (SKQD) is a paradigmatic example of a quantum-centric supercomputing workflow that combines the convergence structure of Krylov quantum diagonalization with classical sampling-based post-processing. It provides convergence guarantees assuming that the important computational-basis configurations can be sampled from a set of Krylov states with sufficient probability. We analyze this assumption under depolarizing noise, deriving shot-count resource estimates that expose an exponential depth penalty, and perform experiments on current noisy hardware with the one-dimensional single-impurity Anderson model on a 20-site (40-qubit) instance. Device noise breaks the practical convergence predicted by the noiseless SKQD analysis, but approximate compilation techniques can compress the Krylov time-evolution circuits before execution. The compressed circuits accumulate less hardware noise, recover the expected energy convergence, and reduce both the quantum shot budget and the classical subspace dimension, remaining beneficial even when classical configuration recovery is applied.
Abstract（参考訳）: サンプルベースクリロフ量子対角化(英: Sample-based Krylov quantum diagonalization, SKQD)は、クリロフ量子対角化の収束構造と古典的なサンプリングベースの後処理を組み合わせた量子中心超計算ワークフローのパラダイム的な例である。これは、重要な計算基底構成が十分な確率でクリロフ状態の集合からサンプリングできることを仮定して収束保証を提供する。我々は、この仮定を偏極雑音下で解析し、指数的な深さのペナルティを露呈するショットカウント資源推定を導出し、20ビット(40ビット)のインスタンス上で1次元の単一不純物アンダーソンモデルを用いて、現在のノイズの多いハードウェアの実験を行う。デバイスノイズは、ノイズレスSKQD解析によって予測される実用的な収束を破るが、近似的なコンパイル技術は、実行前にクリロフ時間進化回路を圧縮することができる。圧縮回路は、ハードウェアノイズが少なくなり、期待されるエネルギー収束を回復し、古典的な構成回復を施しても、量子ショット予算と古典的な部分空間次元の両方を減少させる。

関連論文リスト

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)
Pilot-Wave Simulator: Exact Classical Sampling from Ideal and Noisy Quantum Circuits up to Hundreds of Qubits [1.9573380763700712]
本稿では,テンソルネットワークの収縮手法をマルコフプロセスに統合する,正確なサンプリングアルゴリズムを提案する。実演として,最大476量子ビットのQAOA回路からサンプルを生成するという課題を対象としている。
論文参考訳（メタデータ） (2025-10-28T09:33:11Z)
Classical Noise Inversion: A Practical and Optimal framework for Robust Quantum Applications [5.425954380993698]
量子エラー軽減は、ノイズの多い量子プロセッサから信頼性の高い計算を抽出するための重要な技術である。量子回路からのサンプリングの膨大なコストと、ゲート非依存ノイズのような非現実的な仮定に依存しているため、これは妨げられている。ここでは、これらの決定的な制限を根本的に回避し、様々な量子アプリケーションに適したフレームワークであるClassical Noise Inversion (CNI)を紹介する。
論文参考訳（メタデータ） (2025-10-23T15:59:04Z)
Non-perturbative switching rates in bistable open quantum systems: from driven Kerr oscillators to dissipative cat qubits [72.41778531863143]
単一モードバイスタブルオープン量子系におけるスイッチング率の予測にはパス積分手法を用いる。本研究は,マルチ安定な単体および多体オープン量子系におけるスイッチング現象を探索するための新たな道を開く。
論文参考訳（メタデータ） (2025-07-24T18:01:36Z)
VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文参考訳（メタデータ） (2025-06-12T01:38:15Z)
Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文参考訳（メタデータ） (2024-12-05T18:09:41Z)
Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics [3.7960472831772765]
現在のノイズ中間スケール量子(NISQ)時代には、ノイズの存在は量子コンピューティングアルゴリズムの性能を悪化させる。本稿では,有限サンプリングノイズが量子貯留層計算(QRC)と再帰性のない量子貯留層計算(RF-QRC)のカオス的時系列予測能力に与える影響を解析する。有限サンプリングノイズはQRCとRF-QRCの両方の予測能力を劣化させるが,ノイズの伝搬によりQRCに悪影響を及ぼすことを示す。
論文参考訳（メタデータ） (2024-09-02T17:51:48Z)
Leapfrogging Sycamore: Harnessing 1432 GPUs for 7$\ imes$ Faster Quantum Random Circuit Sampling [40.83618005962484]
ランダム量子回路サンプリングは、量子計算の利点を示すベンチマークとして機能する。古典的アルゴリズムの最近の進歩は、古典的シミュレーション時間を大幅に短縮した。我々の研究は、TextitSycamoreの量子優位性という主張を否定する最初の明白な実験的証拠を提供する。
論文参考訳（メタデータ） (2024-06-27T05:01:47Z)
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)
Resource-efficient Generalized Quantum Subspace Expansion [2.2862734221086987]
我々は、絡み合った測定のオーバーヘッドを回避するために、一般化量子部分空間(GSE)の資源効率の高い実装であるDual-GSE'を提案する。注目すべきことに、提案手法は、利用可能な量子ハードウェアのサイズを超えて、より大きな量子システムをシミュレートすることができる。
論文参考訳（メタデータ） (2023-09-25T14:28:40Z)
Reducing Unitary Coupled Cluster Circuit Depth by Classical Stochastic Amplitude Pre-Screening [0.0]
Unitary Coupled Cluster (UCC)アプローチは、量子化学計算を実行するために量子ハードウェアを利用するための魅力的な方法である。本稿では,従来のUCC前処理ステップを用いてUCCアンサッツの重要な励起を判定する,古典量子と古典量子の併用手法を提案する。
論文参考訳（メタデータ） (2021-08-24T18:34:14Z)
Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。