論文の概要: Interaction-Aware Embedding Optimization for Neutral-Atom Quantum Processors

• arxiv url: http://arxiv.org/abs/2610.04068v1
• Date: Fri, 02 Oct 2026 21:23:51 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:04:45.793576
• Title: Interaction-Aware Embedding Optimization for Neutral-Atom Quantum Processors
• Title（参考訳）: 中性原子量子プロセッサの相互作用を考慮した埋め込み最適化
• Abstract要約: 原子ベースの量子コンピュータは、実験走行間でレジスタ幾何学を動的に再構成することができる。 そこで本研究では,新しい埋め込み方式によって桁違いに実現可能であり,最も大きなインスタンスに留まることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Neutral atom-based quantum computers have the ability to dynamically reshape the qubit register geometry between experimental runs. This capability enables different types of problems to be mapped directly onto the hardware, significantly enhancing the efficiency of solving, for instance, complex optimization and machine learning use-cases. However, this flexibility requires finding atom positions to implement target pairwise interactions, inducing a difficult nonconvex optimization for setting up the quantum machine. In this work, we introduce a new force-directed method that targets interactions to encode the input problem on the quantum computer. Numerical results show that our new method can improve embedding feasibility and solution quality by orders of magnitude, and remains reliable on the largest instances.
• Abstract（参考訳）: ニュートラル原子ベースの量子コンピュータは、実験走行間で量子ビットレジスターを動的に再構成する能力を持つ。 この能力により、さまざまなタイプの問題をハードウェアに直接マッピングすることが可能になり、例えば複雑な最適化や機械学習のユースケースといった問題解決の効率が大幅に向上する。 しかし、この柔軟性は、標的となる対の相互作用を実装するために原子の位置を見つけることを必要とし、量子マシンをセットアップするための難しい非凸最適化を誘導する。 本研究では,量子コンピュータ上での入力問題をエンコードするために,インタラクションをターゲットとした新たなフォース指向手法を提案する。 数値的な結果から,本手法は組込み可能性と解の質を桁違いに向上し,最大インスタンスに対して信頼性が保たれることがわかった。

関連論文リスト

• Practical Use Cases of Neutral Atoms Quantum Computers [0.0]
  ライドバーグ相互作用に基づく中性原子量子プロセッサが注目されている。 本稿では,中性原子コンピュータの能力,規格,応用について概説する。
  論文  参考訳（メタデータ） (2025-10-21T15:34:04Z)
• Sequential Quantum Computing [41.94295877935867]
  本稿では、多種または異種量子プロセッサを利用したパラダイムであるシーケンシャル量子コンピューティング(SQC)を提案し、実験的に実証する。 SQCは、それぞれの相補的な強みを組み合わせることで、それぞれのタイプの量子コンピュータの限界を克服する。 これらの結果は、複雑な量子最適化問題に対処するための強力で汎用的なアプローチとしてSQCを強調している。
  論文  参考訳（メタデータ） (2025-06-25T17:51:29Z)
• Entanglement-assisted variational algorithm for discrete optimization problems [0.0]
  離散最適化問題は、しばしば正確に難解であり、近似メソッドの使用を必要とする。 古典物理学に触発されたヒューリスティックスは、長い間この領域において中心的な役割を果たしてきた。 量子アニールは、アナログおよびデジタル量子デバイスの両方で実現されたハードウェア実装によって、有望な代替手段として登場した。
  論文  参考訳（メタデータ） (2025-01-15T19:00:10Z)
• Scalable Quantum-Inspired Optimization through Dynamic Qubit Compression [1.464272698399657]
  ハード最適化の問題は、しばしばイジングモデルにマッピングされ、量子的優位性を持つ潜在的な解を約束するが、短期デバイスにおける制限量子ビット数によって制限される。 我々は,大規模Isingモデルを動的に圧縮し,異なるサイズで利用可能な量子ハードウェアに適合させる,革新的な量子インスパイアされたフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-24T17:51:42Z)
• 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)
• Hybrid Meta-Solving for Practical Quantum Computing [0.0]
  本稿では,最適化問題の解決を目的とした,アクセス可能なハイブリッドソフトウェアスタックの構築に向けた研究を行う。 古典的および量子最適化技術を組み合わせたハイブリッドメタソルビングと呼ばれる新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-15T06:19:39Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Optimizing Electronic Structure Simulations on a Trapped-ion Quantum Computer using Problem Decomposition [41.760443413408915]
  量子リソースの最小化に重点を置いたエンドツーエンドパイプラインを,精度を維持しながら実験的に実証した。 密度行列埋め込み理論を問題分解法として、イオントラップ量子コンピュータを用いて、電子を凍結せずに10個の水素原子の環をシミュレートする。 我々の実験結果は、量子ハードウェア上で大きな分子を正確にシミュレートする問題分解の可能性の早期実証である。
  論文  参考訳（メタデータ） (2021-02-14T01:47:52Z)

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。