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

要約

本稿では、機械学習（ML）手法を用いた量子ジョブのQPU処理時間の予測への応用について検討する。本研究では、MLアルゴリズムを活用し、量子コンピューティングシステムにおける運用効率の向上を目的とした予測モデルを提案する。IBM Quantumのスキーマに従う約15万件のジョブから構成されるデータセットを用い、勾配ブースティング（LightGBM）に基づくML手法を用いてQPU処理時間を予測する。また、モデルの精度向上を図るため、データ前処理手法を統合した。得られた結果は、機械学習が量子ジョブの予測において有効であることを示している。この成果は、量子コンピューティングフレームワーク内でのリソース管理およびスケジューリングの改善に貢献する可能性を示唆する。本研究は、機械学習が量子ジョブの予測精度を高める可能性を示すとともに、先進的な量子コンピューティング運用におけるAI駆動型ツールの統合に向けた基盤を築くものである。