論文の概要: Fidelity-Aware Scheduling of Quantum Circuits on Multi-QPU Systems
- arxiv url: http://arxiv.org/abs/2609.09980v2
- Date: Tue, 15 Sep 2026 10:32:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.066584
- Title: Fidelity-Aware Scheduling of Quantum Circuits on Multi-QPU Systems
- Title（参考訳）: マルチQPUシステムにおける量子回路の忠実度を考慮したスケジューリング
- Abstract要約: グラフニューラルネットワーク(GNN)に基づくマルチQPUシステムのための低オーバヘッド忠実度対応スケジューリングフレームワークを提案する。
この枠組みは, 計算資源を節約し, 徹底的な忠実度に基づく割当てを実現できることを示す。
- 参考スコア（独自算出の注目度）: 4.664145631891428
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High Performance Computing-Quantum Computing (HPCQC) platforms expose multiple Quantum Processing Units (QPUs) that may differ in size, topology, native gates, and noise characteristics. For current noisy devices, errors compound along the compiled circuits quickly, and minimizing them, that is, maximizing the circuits' execution fidelity, is essential for reliable results. Fidelity depends on the compilation to a specific target device: the same high-level circuit may produce different executables and, therefore, different expected fidelities across QPUs. We present a low-overhead fidelity-aware scheduling framework for multi-QPU systems based on a Graph Neural Network (GNN) that estimates, before compilation, the expected fidelity of each circuit on each available QPU. Then, a tunable scheduler uses these estimates to control the trade-off between execution fidelity and parallelism. Results show that this framework allows for approximating an exhaustive fidelity-based assignment, saving computational resources compared to a brute-force approach that compiles each circuit on every device.
- Abstract（参考訳）: 高性能コンピューティング量子コンピューティング(HPCQC)プラットフォームは、サイズ、トポロジ、ネイティブゲート、ノイズ特性が異なる可能性がある複数の量子処理ユニット(QPU)を公開している。
現在、ノイズの多いデバイスでは、コンパイルされた回路に沿ったエラーが素早く発生し、回路の実行忠実度を最大化するエラーを最小化することが信頼性の高い結果に不可欠である。
同じハイレベル回路は異なる実行可能ファイルを生成し、したがってQPU間で異なる期待された忠実度を生成する。
本稿では,グラフニューラルネットワーク(GNN)をベースとしたマルチQPUシステムの低オーバヘッド忠実度対応スケジューリングフレームワークを提案する。
次に、調整可能なスケジューラがこれらの推定値を使用して、実行の忠実度と並列性の間のトレードオフを制御する。
その結果、このフレームワークは、全デバイスで各回路をコンパイルするブルートフォースアプローチと比較して、徹底的な忠実度に基づく割当を近似し、計算資源を節約できることが示されている。
関連論文リスト
- Towards Reproducible Evaluation of Distributed Quantum Circuit Partitioning Algorithms [1.6355471507854134]
分散量子コンピューティング(DQC)は、モジュール量子処理ユニット(QPU)をネットワーク化することで、モノリシック量子プロセッサの物理的スケーリング制限に対処する。
DQCアーキテクチャ上での量子アルゴリズムの効率的な実行には、QPU間の通信ボトルネックを最小限に抑えながら、QPU間でそれらをコンパイルする必要がある。
本稿では、ネットワーク制約の性能への影響を定量化するために、分割分散回路に確立されたモノリシックなメトリクスを適用した。
論文 参考訳（メタデータ） (2026-08-27T13:15:26Z) - Evaluating System-Level Fidelity with Peaked Random Circuits [0.0]
ピークランダム回路(Paked Random Circuits, PRCs)は、NISQデバイス上で量子優位性を示すための有効な経路として提案されている。
累積雑音,ゲートエラー,接続制約に拘わらず,決定論的ピークを識別するシステムの能力の定量化を行う。
PRCは量子ボリュームに匹敵する高精度な計量を提供するが、干渉効果に対する感度は高い。
論文 参考訳（メタデータ） (2026-05-25T15:59:39Z) - 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) - An Evaluation of the Remote CX Protocol under Noise in Distributed Quantum Computing [2.829895203841271]
我々は、ノイズ下で実行されるプロトコルの影響を高レベル評価するために、特殊なシミュレーションフレームワークを使用する。
提案手法は,Grover,GHZ,VQC,ランダム回路上で動作した実験において,素数およびグラフ分割のキュービット割当戦略と,それらが忠実性に与える影響を比較した。
論文 参考訳（メタデータ） (2026-02-03T13:52:13Z) - AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳（メタデータ） (2026-02-02T14:39:42Z) - 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) - COMPAS: A Distributed Multi-Party SWAP Test for Parallel Quantum Algorithms [4.584616394519209]
相互接続型モジュールおよび分散QPUからなる多人数ネットワーク上での多変量トレース推定を実現するアーキテクチャであるCompASを紹介する。
回路深度やGHZ幅の最適性を選択する他のスキームとは異なり、CompASは一度に両方を達成する。
ネットワークレベルのエラーを分析し,回路レベルのノイズがアーキテクチャに与える影響をシミュレートする。
論文 参考訳（メタデータ） (2025-11-28T18:31:15Z) - 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) - 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) - 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) - Direct pulse-level compilation of arbitrary quantum logic gates on superconducting qutrits [36.30869856057226]
任意のqubitおよびqutritゲートを高忠実度で実現でき、ゲート列の長さを大幅に削減できることを示す。
最適制御ゲートは少なくとも3時間ドリフトでき、同じ校正パラメータを全ての実装ゲートに利用できることを示す。
論文 参考訳（メタデータ） (2023-03-07T22:15:43Z) - Quantum Federated Learning with Entanglement Controlled Circuits and
Superposition Coding [44.89303833148191]
我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。
本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。
画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
論文 参考訳（メタデータ） (2022-12-04T03:18:03Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳（メタデータ） (2022-01-06T21:02:30Z)
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。