机构名称：
¥ 1.0
摘要 — 随着量子计算的普及度不断提高，通过云高效访问量子机对全球学术和行业研究人员都至关重要。随着云量子计算需求呈指数级增长，资源消耗和执行特性分析是供应商端和客户端高效管理作业和资源的关键。虽然作业/资源消耗和管理的分析和优化在传统 HPC 领域很流行，但对于量子计算等新兴技术来说，它却严重缺乏。本文提出了优化的量子云自适应作业调度，注意主要特征，例如排队时间和跨机器的保真度趋势，以及其他特征，例如服务质量保证和机器校准约束。该提案的关键组成部分包括 a) 基于编译电路特征（例如电路深度和不同形式的错误）预测跨机器保真度趋势的预测模型，以及 b) 基于执行时间估计的每台机器的排队时间预测。总体而言，该提案在模拟 IBM 机器上针对多种量子应用程序和系统加载场景进行了评估，与传统作业调度程序相比，它能够在特定用例中将等待时间减少 3 倍以上，并将保真度提高 40% 以上。
适应日益增长的量子云的作业和资源管理
主要关键词
相关文件推荐
