Lucy Xing Sanjay Vishwakarma David Kremer Francisco Martin-Fernandez Ismael Faro Juan Cruz-Benito

摘要

本文探讨了机器学习（ML）技术在预测量子任务QPU处理时间方面的应用。通过运用机器学习算法，本研究提出了一系列预测模型，旨在提升量子计算系统的运行效率。基于约15万个遵循IBM Quantum架构的任务数据集，我们采用基于梯度提升（LightGBM）的机器学习方法，预测QPU处理时间，并结合数据预处理技术以提高模型精度。实验结果表明，机器学习在量子任务预测方面具有显著有效性。该改进有望在量子计算框架内的资源管理与任务调度方面产生积极影响。本研究不仅凸显了机器学习在优化量子任务预测方面的潜力，也为未来将人工智能驱动的工具融入高级量子计算操作奠定了基础。