Circuit Partitioning for Multi-Core Quantum Architectures with Deep Reinforcement Learning

要約

量子コンピューティングは、量子力学の固有の特性を活用することで、古典的に困難な問題を解決する計り知れない可能性を秘めています。
量子アーキテクチャのスケーラビリティは依然として大きな課題です。
マルチコア量子アーキテクチャは、特にハードウェア、通信、コンパイルにおいて新たな一連の課題を引き起こすスケーラビリティ問題を解決するために提案されています。
これらの課題の 1 つは、量子コンピューターのさまざまなコアに適合するように量子アルゴリズムを適応させることです。
この論文では、量子コンピューティングとグラフ分割の両方の進歩に貢献する、深層強化学習を使用した回路分割の新しいアプローチを紹介します。
この研究は、深層強化学習技術を量子回路マッピングに統合する最初のステップであり、そのような問題に対する解決策の新しいパラダイムへの扉を開きます。

要約(オリジナル)

Quantum computing holds immense potential for solving classically intractable problems by leveraging the unique properties of quantum mechanics. The scalability of quantum architectures remains a significant challenge. Multi-core quantum architectures are proposed to solve the scalability problem, arising a new set of challenges in hardware, communications and compilation, among others. One of these challenges is to adapt a quantum algorithm to fit within the different cores of the quantum computer. This paper presents a novel approach for circuit partitioning using Deep Reinforcement Learning, contributing to the advancement of both quantum computing and graph partitioning. This work is the first step in integrating Deep Reinforcement Learning techniques into Quantum Circuit Mapping, opening the door to a new paradigm of solutions to such problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google