論文の概要: Entanglement-Capability-Aware Finite-Bond Circuit Cutting for Distributed Quantum Computing
- arxiv url: http://arxiv.org/abs/2610.14580v1
- Date: Sat, 10 Oct 2026 04:58:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 12:49:48.075952
- Title: Entanglement-Capability-Aware Finite-Bond Circuit Cutting for Distributed Quantum Computing
- Title（参考訳）: 分散量子コンピューティングのための絡み合い機能を考慮した有限結合回路切断
- Abstract要約: 本稿では,エンタングルメント・キャパビリティ・アウェア・スクリーニングを用いたシミュレーション・アウェア・サーキット・パーティショニング・フレームワークであるSACEを提案する。
EP-Costはパラメータ依存のエンタングルメント-キャパビリティプロキシとネイティブ実装コストを使ってパーティションをスクリーンする。
SACEは、EP-Costのみ、Kernighan-Lin、スペクトルベースラインに対して、30のインスタンス結合次元条件の正確なQFT精度を改善する。
- 参考スコア（独自算出の注目度）: 5.31141365536699
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Distributed quantum computing distributes workloads that exceed a single processor's capacity across resource-constrained components. Circuit cutting enables this decomposition, but its effectiveness depends on partition choice. We present SACE, a Simulation-Aware Circuit Partitioning framework with Entanglement-Capability-Aware Screening. EP-Cost screens partitions using a parameter-dependent entanglement-capability proxy and native implementation cost. Under reconstruction constraints, finite-bond refinement selects the candidate that minimizes the worst-subcircuit discrepancy between normalized MPS simulations at bond dimensions $χ$ and $2χ$. Across 14 exhaustively enumerated small-scale candidate spaces, EP-Cost-guided genetic algorithm selections attain co-optimal native quasiprobability decomposition (QPD) overhead, with a median within-circuit Spearman correlation of 0.9965 between EP-Cost and QPD overhead. At matched cut counts, EP-Cost reduces QPD overhead by $25.20\times$ and $16.89\times$ for 8- and 9-qubit QFT circuits, respectively, and improves sampled reconstruction. On 12-qubit approximate QFT, deterministic reconstruction reduces Pauli-observable mean absolute error in all six low-bond conditions and total-variation distance in five. With five cuts and 7,776 QPD terms, SACE is best on all four reconstruction metrics in four of six conditions. At 24 qubits, SACE improves exact-local QFT accuracy in all 30 instance-bond-dimension conditions against each EP-Cost-only, Kernighan-Lin, and spectral baseline. The 50-qubit QFT comparisons remain favorable as reference convergence improves. Weighted QAOA circuits provide complementary, more bond-sensitive evidence. Refinement benefits persist across three search methods; larger candidate panels improve the optimized proxy without guaranteeing lower exact-local error.
- Abstract（参考訳）: 分散量子コンピューティングは、リソース制約されたコンポーネントにまたがる単一のプロセッサの容量を超えるワークロードを分散する。
回路切断は、この分解を可能にするが、その効果は分割選択に依存する。
本稿では,エンタングルメント・キャパビリティ・アウェア・スクリーニングを用いたシミュレーション・アウェア・サーキット・パーティショニング・フレームワークであるSACEを提案する。
EP-Costはパラメータ依存のエンタングルメント-キャパビリティプロキシとネイティブ実装コストを使ってパーティションをスクリーンする。
再構成制約の下では、有限結合精製は、結合次元の正規化MPSシミュレーションにおける最悪のサブ回路不一致を最小限に抑える候補を選択する。
EP-Cost-Guided genetic algorithm selections at a co-optimal native quasiprobability decomposition (QPD) overhead, with a central-circuit Spearman correlation of 0.9965 between EP-Cost and QPD overhead。
一致するカット数では、EP-CostはQPDのオーバーヘッドを25.20\times$と16.89\times$で減らし、8ビットQFT回路と9ビットQFT回路でそれぞれ改善し、サンプル再構成を改善する。
12ビット近似QFTでは、決定論的再構成により、6つの低結合条件すべてにおいてパウリ観測可能な平均絶対誤差が5で減少する。
5つのカットと7,776のQPD条件により、SACEは6つの条件のうち4つのリコンストラクション指標で最善である。
24量子ビットのSACEは、EP-Costのみ、Kernighan-Lin、スペクトルベースラインに対して、30のインスタンス結合次元条件すべてにおいて、正確な局所QFT精度を改善する。
基準収束が向上するにつれて、50量子QFTの比較は良好なままである。
重み付きQAOA回路は、相補的でより結合に敏感な証拠を提供する。
より大きい候補パネルは、より低い正確なローカルエラーを保証せずに、最適化されたプロキシを改善する。
関連論文リスト
- Exact Diagonal Completion on Reachable Subspaces: Application to QAOA Placement [0.19116784879310023]
未使用の符号化状態は、量子回路を単純化する機会を提供する。
到達可能な部分空間に制限されたアルゴリズムでは、理想的な計算を変更することなく、特定されていない対角演算子エントリを最適化することができる。
置換保存レジスタスワップを用いた量子近似最適化アルゴリズム(QAOA)の正確な対角補完について検討した。
論文 参考訳（メタデータ） (2026-09-30T01:18:51Z) - Structured Transforms for Low-Overhead Quantization of Language Models [43.017319901277354]
我々は,大規模な言語モデルに対する加振分解に基づく重み量子化について再検討し,改良されたアルゴリズムを提案する。
更新を交互に行うグリーディアルゴリズムは,各因子の安定な2ビットクラスタリングに必要な4ピーク分布を保証する。
JAXパイプラインは、OPTQ、QuIP、QuIP-RG、微調整およびベクトル量子化なしのQuIP#と競合し、OPT、Llama-2、Pythiaの4ビットのチャネルで競合する。
論文 参考訳（メタデータ） (2026-09-10T15:15:50Z) - A Unified Physics-Aware Quantum Machine Learning Framework across Power GaN HEMTs and Logic Nanowire FETs: Predicting Unseen Process Splits and Held-Out Geometry Combinations with Lower Error and Tighter Split-to-Split Variability [10.86517852984593]
データスカースデバイスモデリングのための小型パラメタライズド量子回路(PQC)を探索する統合強化学習フレームワークを提案する。
グラフニューラルネットワーク(GNN)ポリシーは、ホールドアウトプロセスや幾何グループに対するLOGOCV(Left-one-out cross-validation)エラーを報奨として回路アーキテクチャを探索する。
このフレームワークは、11の目標に対して6つの古典的ベースラインに対して最低平均絶対誤差(MAE)を達成し、59%の誤り(Ioff)、81%のHEMTに対する厳密な折りたたみ変動(VTH)、84%の誤り(V)を達成している。
論文 参考訳（メタデータ） (2026-09-04T15:15:40Z) - SS-ESOAP: Self-Scaled Adaptive Preconditioning for Physics-Informed Learning [70.71795707610961]
メソッドは、Kronecker幾何に適応したスカラーセマントエネルギー補正でSOAPスタイルのプレコンディショニングを強化する。
メソッドは8つのPDEベンチマークのうち6つで最下位の残差に達する。
4つの代表PDEの3列の$L2$と$H1$エラーは、低い残差と改善された解精度の間のリンクをサポートする。
論文 参考訳（メタデータ） (2026-08-29T21:34:47Z) - MOSAIQC: Mixed-topology-aware Optimization for Scalable Approximate noise-Informed Quantum circuit Cutting [2.9452500999157434]
MosaiQCは、既存の回路切断フレームワークを改善するための新しいフレームワークとして提示されている。
MosaiQCは、実行速度とソリューション品質に対する優れたトレードオフを示しながら、ほとんどの競合から除外された基本的な機能を追加している。
論文 参考訳（メタデータ） (2026-07-21T09:15:14Z) - Hybrid Quantum Neighborhood Selection: NISQ-Compatible Combinatorial Optimization via Stochastic Frontier Decomposition [0.0]
本研究は、Hybrid Quantum Neighborhood Selection (HQNS)を紹介する。
HQNSはステージ毎にFN活性変数のコンパクトフロンティアを選択し、残りを縮小QUBO係数に凍結する。
最大ダイバーシティ・サブセット選択問題(MDSSP)のHQNSを6つの尺度で最大1000まで評価した。
論文 参考訳（メタデータ） (2026-06-28T23:35:46Z) - StableShots: Online Shot Stopping for Quantum Circuit Execution [40.18088847775028]
静的量子回路のブラックボックスオンライン停止ルールであるStableShotsを提示する。
我々は,180QSimBenchトレース上のStableShotsを6つの回路ファミリ,4から14キュービットの6サイズ,および5つのノイズの多いIBMシミュレートバックエンドで評価した。
論文 参考訳（メタデータ） (2026-06-20T17:58:12Z) - Model Compression with Exact Budget Constraints via Riemannian Manifolds [39.54576236079211]
トータルコスト予算の下で各NグループにKオプションの1つを割り当てることは、効率的なAIにおいて繰り返し発生する問題である。
我々は、ソフトマックス緩和の下で、予算制約がロジット空間における滑らかなリーマン多様体を異常に単純な幾何学で定義することを示す新しいアプローチを示す。
これらの特性に基づいて、接射影、二分探索リトラクション、運動量輸送を標準とするリーマン制約最適化(RCO)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:30:23Z) - EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。
等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。
完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
論文 参考訳（メタデータ） (2026-04-20T13:57:49Z) - BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。
BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
論文 参考訳（メタデータ） (2026-02-04T02:54:37Z) - Quantum Similarity-Driven QUBO Framework for Multi-Period Supply Chain Allocation using Time-Multiplexed Coherent Ising Machines and Simulated Quantum Annealing [0.0]
サプライチェーンにおける多周期株式管理単位割り当ては、NPハードかつ運用上重要な最適化問題である。
この研究は、(i) 変分RX埋め込みから得られる量子類似性カーネルから得られる冗長なSKU選択を回避するためのハイブリッドQUBOフレームワーク、(ii) 実現可能性を維持するスラックビット符号化による正確な周期毎のキャパシティ強制、(iii) 時間多重コヒーレントイジングマシン上での実行の3つの進歩を統合したハイブリッドQUBOフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-24T15:04:27Z)
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。