| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-05 11:10 分散量子演算の動的要求に対する最適資源割当 ○田中信元・上山憲昭（立命館大）  NS2025-300 |
|
| 抄録 | （和） | 量子計算資源を複数ノードへ分散配置する分散型量子演算（DQC）は量子ビット規模の制約を克服する有力な手法である．しかしノード間のエンタングルメント資源が有限なため，要求量に応じた動的資源配分が計算性能を大きく左右する．特に，複数アプリケーションが同時実行される環境では，量子回路要求とネットワーク資源需要が時間変動するため，効率的な資源管理が課題となる．そこで本稿では処理時間の短縮を目的として，DQCネットワークにおける要求受入と論理回路割当の最適化方式を提案する．従来手法では静的状況を前提とし，局所ルールベースで最適化するため動的要求下では性能劣化が起こり得る．そこで本稿では，強化学習により状況に応じて最適な割り当て判断を逐次学習させるアプローチを採用する． |
| （英） | Distributed quantum computing (DQC), which distributes quantum computing resources across multiple nodes, is a powerful approach to overcoming the limitations imposed by the scale of qubits. However, since entanglement resources between nodes are finite, dynamic resource allocation based on demand significantly impacts computational performance. Particularly in environments where multiple applications run concurrently, quantum circuit demands and network resource requirements fluctuate over time, making efficient resource management a critical challenge. Therefore, this paper proposes an optimization method for request acceptance and logical circuit allocation in DQC networks, aiming to reduce processing time. Conventional methods assume static conditions and optimize using local rule-based approaches, potentially leading to performance degradation under dynamic demands. Consequently, this paper adopts an approach that sequentially learns optimal allocation decisions based on the situation using reinforcement learning. | |
| キーワード | （和） | 分散量子演算 / 強化学習 / / / / / / |
| （英） | Distributed Quantum Computing / Reinforcement Learning / / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 385, NS2025-300, pp. 468-473, 2026年3月. | |
| 資料番号 | NS2025-300 | |
| 発行日 | 2026-02-25 (NS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NS2025-300 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2026-03-04 - 2026-03-06 |
| 開催地（和） | 沖縄県市町村自治会館 |
| 開催地（英） | Okinawa-Ken Shichoson Jichi Kaikan |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2026-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 分散量子演算の動的要求に対する最適資源割当 |
| サブタイトル（和） | |
| タイトル（英） | Optimal Resource Allocation for Dynamic Demands in Distributed Quantum Computing |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 分散量子演算 / Distributed Quantum Computing |
| キーワード(2)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田中 信元 / Nobuyuki Tanaka / タナカ ノブユキ |
| 第1著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 上山 憲昭 / Noriaki Kamiyama / カミヤマ ノリアキ |
| 第2著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-05 11:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2025-300 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.385 |
| ページ範囲 | pp.468-473 |
| ページ数 | 6 |
| 発行日 | 2026-02-25 (NS) |
[研究会発表申込システムのトップページに戻る]