知財求人 - 知財ポータルサイト「IP Force」
▶ インターナショナル・ビジネス・マシーンズ・コーポレーションの特許一覧
特開2024-18985システム、コンピュータ実装方法、コンピュータプログラム（結合マップ比較を介した量子システム選択）
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024018985
(43)【公開日】2024-02-08
(54)【発明の名称】システム、コンピュータ実装方法、コンピュータプログラム（結合マップ比較を介した量子システム選択）
(51)【国際特許分類】
G06N 10/00 20220101AFI20240201BHJP
G06N 20/00 20190101ALI20240201BHJP
【ＦＩ】
G06N10/00
G06N20/00
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
(21)【出願番号】P 2023103328
(22)【出願日】2023-06-23
(31)【優先権主張番号】17/815,450
(32)【優先日】2022-07-27
(33)【優先権主張国・地域又は機関】US
(71)【出願人】
【識別番号】390009531
【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション
【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ
【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ
(74)【代理人】
【識別番号】100112690
【弁理士】
【氏名又は名称】太佐 種一
(74)【代理人】
【識別番号】100120710
【弁理士】
【氏名又は名称】片岡 忠彦
(74)【復代理人】
【識別番号】110000877
【氏名又は名称】弁理士法人ＲＹＵＫＡ国際特許事務所
(72)【発明者】
【氏名】ジョン エス． ワーナー
(72)【発明者】
【氏名】ウラジミール ラストゥンコフ
(72)【発明者】
【氏名】フレデリック フランク フレザー
(57)【要約】
【課題】結合マップ比較を介した量子システム選択を促進するシステム／技法が提供される。
【解決手段】様々な実施形態において、システムは、量子機械学習（ＱＭＬ）モデルにアクセスし得る。様々な態様において、システムは、一組の量子コンピューティングシステムから、量子コンピューティングシステムの第１結合マップ及びＱＭＬモデルがその上で訓練された第２結合マップの間の比較に基づいて、ＱＭＬモデルのための量子コンピューティングシステムを特定し得る。第２結合マップが第１結合マップとトポロジ的に一致する又は第１結合マップのサブグラフとトポロジ的に一致する場合、システムは、ＱＭＬモデルを量子コンピューティングシステム上で実行し得る。そうでなければ、システムは、ＱＭＬモデルを調整し得、したがって、調整されたＱＭＬモデルを量子コンピューティングシステム上で実行し得る。
【選択図】図１
【解決手段】様々な実施形態において、システムは、量子機械学習（ＱＭＬ）モデルにアクセスし得る。様々な態様において、システムは、一組の量子コンピューティングシステムから、量子コンピューティングシステムの第１結合マップ及びＱＭＬモデルがその上で訓練された第２結合マップの間の比較に基づいて、ＱＭＬモデルのための量子コンピューティングシステムを特定し得る。第２結合マップが第１結合マップとトポロジ的に一致する又は第１結合マップのサブグラフとトポロジ的に一致する場合、システムは、ＱＭＬモデルを量子コンピューティングシステム上で実行し得る。そうでなければ、システムは、ＱＭＬモデルを調整し得、したがって、調整されたＱＭＬモデルを量子コンピューティングシステム上で実行し得る。
【選択図】図１
【特許請求の範囲】
【請求項1】
少なくとも１つの非一時的コンピュータ可読メモリに格納されたコンピュータ実行可能コンポーネントを実行する少なくとも１つのプロセッサを備えるシステムであって、前記コンピュータ実行可能コンポーネントは、
量子機械学習モデルにアクセスするように構成されているアクセスコンポーネント；
一組の量子コンピューティングシステムから、前記量子機械学習モデルのための量子コンピューティングシステムを、前記量子コンピューティングシステムの第１結合マップ及び前記量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて、特定するように構成されている選択コンポーネント；及び
前記量子機械学習モデル又は前記量子機械学習モデルの調整されたバージョンを前記量子コンピューティングシステム上で実行するように構成されている実行コンポーネント
を有する、システム。
量子機械学習モデルにアクセスするように構成されているアクセスコンポーネント；
一組の量子コンピューティングシステムから、前記量子機械学習モデルのための量子コンピューティングシステムを、前記量子コンピューティングシステムの第１結合マップ及び前記量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて、特定するように構成されている選択コンポーネント；及び
前記量子機械学習モデル又は前記量子機械学習モデルの調整されたバージョンを前記量子コンピューティングシステム上で実行するように構成されている実行コンポーネント
を有する、システム。
【請求項2】
前記第１結合マップは、そのノードがそれぞれ前記量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ前記量子コンピューティングシステムの量子ビット間接続を表すグラフであり、前記第２結合マップは、そのノードがそれぞれ前記量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ前記量子機械学習モデルがその上で訓練された前記別の量子コンピューティングシステムの量子ビット間接続を表すグラフであり、前記コンピュータ実行可能コンポーネントは更に、
サブグラフマッチングメトリックを計算することによって前記第１結合マップを前記第２結合マップと比較するように構成されているマップコンポーネント
を有する、請求項１に記載のシステム。
サブグラフマッチングメトリックを計算することによって前記第１結合マップを前記第２結合マップと比較するように構成されているマップコンポーネント
を有する、請求項１に記載のシステム。
【請求項3】
前記サブグラフマッチングメトリックは、前記第１結合マップ及び前記第２結合マップの間のグロモフ・ハウスドルフ距離又はマンハッタン距離である、請求項２に記載のシステム。
【請求項4】
前記第２結合マップは、前記第１結合マップとトポロジ的に一致し又は前記第１結合マップのサブグラフとトポロジ的に一致し、前記実行コンポーネントは、前記量子機械学習モデルを前記量子コンピューティングシステム上で実行するように構成されている、請求項２に記載のシステム。
【請求項5】
前記第２結合マップは、前記第１結合マップとトポロジ的に一致せず且つ前記第１結合マップのいずれのサブグラフともトポロジ的に一致せず、前記アクセスコンポーネントは更に、前記量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスするように構成されており、前記コンピュータ実行可能コンポーネントは更に、
前記一組の変数重要度スコアに基づいて、前記量子機械学習モデルを調整し、それによって、前記量子機械学習モデルの前記調整されたバージョンをもたらすように構成されている調整コンポーネント、ここで、前記実行コンポーネントは、前記量子機械学習モデルの前記調整されたバージョンを前記量子コンピューティングシステム上で実行するように構成されている
を有する、請求項２に記載のシステム。
前記一組の変数重要度スコアに基づいて、前記量子機械学習モデルを調整し、それによって、前記量子機械学習モデルの前記調整されたバージョンをもたらすように構成されている調整コンポーネント、ここで、前記実行コンポーネントは、前記量子機械学習モデルの前記調整されたバージョンを前記量子コンピューティングシステム上で実行するように構成されている
を有する、請求項２に記載のシステム。
【請求項6】
前記調整コンポーネントは、１又は複数のテストランによって、前記量子機械学習モデルの前記調整されたバージョンの正確性レベルを決定するように構成されている、請求項５に記載のシステム。
【請求項7】
前記調整コンポーネントは、変数重要度スコアが増大する順序で、前記量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去することによって、前記量子機械学習モデルを調整するように構成されている、請求項５に記載のシステム。
【請求項8】
前記マップコンポーネント及び前記調整コンポーネントは、システムの可用性、量子ビットカウント、ノイズレベル、又はコヒーレンス時間に従って、前記一組の量子コンピューティングシステムの分析に優先順位をつけるように構成されている、請求項５から７のいずれか一項に記載のシステム。
【請求項9】
少なくとも１つのプロセッサに動作可能に連結されたデバイスによって、量子機械学習モデルにアクセスする段階；
前記デバイスによって、一組の量子コンピューティングシステムから、前記量子機械学習モデルのための量子コンピューティングシステムを、前記量子コンピューティングシステムの第１結合マップ及び前記量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて、特定する段階；及び
前記デバイスによって、前記量子機械学習モデル又は前記量子機械学習モデルの調整されたバージョンを前記量子コンピューティングシステム上で実行する段階
を備える、コンピュータ実装方法。
前記デバイスによって、一組の量子コンピューティングシステムから、前記量子機械学習モデルのための量子コンピューティングシステムを、前記量子コンピューティングシステムの第１結合マップ及び前記量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて、特定する段階；及び
前記デバイスによって、前記量子機械学習モデル又は前記量子機械学習モデルの調整されたバージョンを前記量子コンピューティングシステム上で実行する段階
を備える、コンピュータ実装方法。
【請求項10】
前記第１結合マップは、そのノードがそれぞれ前記量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ前記量子コンピューティングシステムの量子ビット間接続を表すグラフであり、前記第２結合マップは、そのノードがそれぞれ前記量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ前記量子機械学習モデルがその上で訓練された前記別の量子コンピューティングシステムの量子ビット間接続を表すグラフであり、
前記デバイスによって、サブグラフマッチングメトリックを計算することによって、前記第１結合マップ及び前記第２結合マップの間の前記比較を促進する段階
を更に備える、請求項９に記載のコンピュータ実装方法。
前記デバイスによって、サブグラフマッチングメトリックを計算することによって、前記第１結合マップ及び前記第２結合マップの間の前記比較を促進する段階
を更に備える、請求項９に記載のコンピュータ実装方法。
【請求項11】
前記サブグラフマッチングメトリックは、前記第１結合マップ及び前記第２結合マップの間のグロモフ・ハウスドルフ距離又はマンハッタン距離である、請求項１０に記載のコンピュータ実装方法。
【請求項12】
前記第２結合マップは、前記第１結合マップとトポロジ的に一致し又は前記第１結合マップのサブグラフとトポロジ的に一致し、前記デバイスは、前記量子機械学習モデルを前記量子コンピューティングシステム上で実行するように構成されている、請求項１０に記載のコンピュータ実装方法。
【請求項13】
前記第２結合マップは、前記第１結合マップとトポロジ的に一致せず且つ前記第１結合マップのいずれのサブグラフともトポロジ的に一致せず、
前記デバイスによって、前記量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスする段階；及び
前記デバイスによって、前記一組の変数重要度スコアに基づいて、前記量子機械学習モデルを調整し、それによって、前記量子機械学習モデルの前記調整されたバージョンをもたらす段階、ここで、前記デバイスは、前記量子機械学習モデルの前記調整されたバージョンを前記量子コンピューティングシステム上で実行するように構成されている
を更に備える、請求項１０に記載のコンピュータ実装方法。
前記デバイスによって、前記量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスする段階；及び
前記デバイスによって、前記一組の変数重要度スコアに基づいて、前記量子機械学習モデルを調整し、それによって、前記量子機械学習モデルの前記調整されたバージョンをもたらす段階、ここで、前記デバイスは、前記量子機械学習モデルの前記調整されたバージョンを前記量子コンピューティングシステム上で実行するように構成されている
を更に備える、請求項１０に記載のコンピュータ実装方法。
【請求項14】
前記デバイスによって、１又は複数のテストランを介して、前記量子機械学習モデルの前記調整されたバージョンの正確性レベルを決定する段階
を更に備える、請求項１３に記載のコンピュータ実装方法。
を更に備える、請求項１３に記載のコンピュータ実装方法。
【請求項15】
前記量子機械学習モデルを調整する前記段階は、前記デバイスによって、変数重要度スコアが増大する順序で、前記量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去する段階を有する、請求項１３に記載のコンピュータ実装方法。
【請求項16】
前記デバイスは、システムの可用性、量子ビットカウント、ノイズレベル、又はコヒーレンス時間に従って、前記一組の量子コンピューティングシステムの分析に優先順位をつける、請求項１３から１５のいずれか一項に記載のコンピュータ実装方法。
【請求項17】
結合マップ比較を介して量子システム選択を促進するためのコンピュータプログラムであって、前記コンピュータプログラムは、プログラム命令を備え、前記プログラム命令は、少なくとも１つのプロセッサに、
量子機械学習モデル及び前記量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスさせ；
一組の量子コンピューティングシステムから、前記量子機械学習モデルのための量子コンピューティングシステムを特定させ、ここで、前記量子コンピューティングシステムの第１結合マップは、前記量子機械学習モデルがその上で訓練された第２結合マップとトポロジ的に一致せず、前記第１結合マップのサブグラフは、前記量子機械学習モデルがその上で訓練された前記第２結合マップとトポロジ的に一致しない；
前記一組の変数重要度スコアに基づいて、前記量子機械学習モデルを調整させ、それによって、前記量子機械学習モデルの調整されたバージョンをもたらさせ；及び
前記量子機械学習モデルの前記調整されたバージョンを前記量子コンピューティングシステム上で実行させる
ように、前記少なくとも１つのプロセッサによって実行可能である、コンピュータプログラム。
量子機械学習モデル及び前記量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスさせ；
一組の量子コンピューティングシステムから、前記量子機械学習モデルのための量子コンピューティングシステムを特定させ、ここで、前記量子コンピューティングシステムの第１結合マップは、前記量子機械学習モデルがその上で訓練された第２結合マップとトポロジ的に一致せず、前記第１結合マップのサブグラフは、前記量子機械学習モデルがその上で訓練された前記第２結合マップとトポロジ的に一致しない；
前記一組の変数重要度スコアに基づいて、前記量子機械学習モデルを調整させ、それによって、前記量子機械学習モデルの調整されたバージョンをもたらさせ；及び
前記量子機械学習モデルの前記調整されたバージョンを前記量子コンピューティングシステム上で実行させる
ように、前記少なくとも１つのプロセッサによって実行可能である、コンピュータプログラム。
【請求項18】
前記少なくとも１つのプロセッサは、変数重要度スコアが増大する順序で、前記量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去することによって、前記量子機械学習モデルを調整するように構成されている、請求項１７に記載のコンピュータプログラム。
【請求項19】
前記少なくとも１つのプロセッサは、ランダム順序で、前記量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去することによって、前記量子機械学習モデルを調整するように構成されている、請求項１７に記載のコンピュータプログラム。
【請求項20】
前記一組の変数重要度スコアは、前記量子機械学習モデルの単変量フィッシャースコア又は前記量子機械学習モデルのローカルスコープシャープレイ値に基づく、請求項１７から１９のいずれか一項に記載のコンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、量子システムに関し、特に、結合マップ比較を介した量子システム選択を促進することに関する。
【背景技術】
【0002】
既に訓練された量子機械学習（ｑｕａｎｔｕｍ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ：「ＱＭＬ」）モデルが与えられる場合、量子コンピューティングシステムのグループから、所与のＱＭＬモデルがその上で実行されるべきものを選択することが望ましい場合が多い。残念ながら、そのような選択を促進するための既存の技法は、多くの場合不適切な量子コンピューティングシステムを選択させる、過度に単純化したヒューリスティクスを利用する。
【発明の概要】
【発明が解決しようとする課題】
【0003】
したがって、これらの技術的問題のうちの１又は複数に対処し得るシステム及び／又は技法は、望ましくあり得る。
【課題を解決するための手段】
【0004】
以下では、本明細書で説明される１又は複数の実施形態の基本的理解を提供するための概要を提示する。この概要は、鍵となる要素又は重要な要素を特定するか、又は特定の実施形態のいかなる範囲又は特許請求の範囲のいかなる範囲も定めることを意図するものではない。その唯一の目的は、後に提示されるより詳細な説明への前置きとして簡略化された形態で概念を提示することである。本明細書で説明される１又は複数の実施形態において、結合マップ比較を介した量子システム選択を促進し得る、デバイス、システム、コンピュータ実装方法、装置及び／又はコンピュータプログラム製品が説明される。
【0005】
様々な実施形態によると、システムが提供され得る。様々な態様において、システムは、少なくとも１つの非一時的コンピュータ可読メモリに格納されたコンピュータ実行可能コンポーネントを実行し得る少なくとも１つのプロセッサを備え得る。様々な事例において、コンピュータ実行可能コンポーネントは、量子機械学習モデルにアクセスし得るアクセスコンポーネントを備え得る。様々な場合において、コンピュータ実行可能コンポーネントは更に、一組の量子コンピューティングシステムから、量子機械学習モデルのための量子コンピューティングシステムを、量子コンピューティングシステムの第１結合マップ及び量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて、特定し得る選択コンポーネントを備え得る。様々な態様において、コンピュータ実行可能コンポーネントは更に、量子機械学習モデル又は量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行し得る実行コンポーネントを備え得る。量子機械学習モデルがその上で訓練された結合マップと候補の量子コンピュータの結合マップを比較することによって、そのようなシステムが量子システム選択を実行し得るので、そのようなシステムは、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクスに依拠する技法とは対照的に、適切な量子システム選択を行うことの顕著に増加した可能性を示し得る。
【0006】
発明の概要において言及されたそのようなシステムの前述の実施形態のいずれかと組み合わせて使用されてよいそのようなシステムの１又は複数の他の実施形態において、第１結合マップは、そのノードがそれぞれ量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ量子コンピューティングシステムの量子ビット間接続を表すグラフであり得る。同様に、そのようなシステムの任意の好適な実施形態において、第２結合マップは、そのノードがそれぞれ量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビット間接続を表すグラフであり得る。更に、そのようなシステムの任意の好適な実施形態において、コンピュータ実行可能コンポーネントは更に、サブグラフマッチングメトリックを計算することによって、第１結合マップを第２結合マップと比較し得るマップコンポーネントを備え得る。更に、そのようなシステムの任意の好適な実施形態において、サブグラフマッチングメトリックは、第１結合マップ及び第２結合マップの間のグロモフ・ハウスドルフ距離であり得、及び／又は第１結合マップ及び第２結合マップの間のマンハッタン距離であり得る。再び、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクスを介する代わりに、（例えば、具体的には、グロモフ・ハウスドルフ距離及び／又はマンハッタン距離の算出を介して促進され得るサブグラフマッチングを介して）結合マップ比較を介する量子システム選択を実行することによって、そのようなシステムは、量子機械学習モデルのための適切な量子コンピュータを選択する可能性がより高くあり得る。
【0007】
発明の概要において言及されたそのようなシステムの前述の実施形態のいずれかと組み合わせて使用されてよいそのようなシステムの１又は複数の他の実施形態において、第２結合マップは、第１結合マップとトポロジ的に一致し得又は第１結合マップのサブグラフとトポロジ的に一致し得、実行コンポーネントは、量子機械学習モデルを量子コンピューティングシステム上で実行し得る。結局、第２結合マップが第１結合マップとトポロジ的に一致する又は第１結合マップのサブグラフとトポロジ的に一致する場合、量子コンピューティングシステムは、量子機械学習モデルに適切な選ばれたものであると結論付けられ得る（例えば、量子機械学習モデルが量子コンピューティングシステム上で実行され得ると結論付けられ得る）。
【0008】
発明の概要において言及されたそのようなシステムの前述の実施形態のいずれかと組み合わせて使用されてよいそのようなシステムの１又は複数の他の実施形態において、第２結合マップは、第１結合マップとトポロジ的に一致することに失敗し得、任意の第１結合マップのいずれのサブグラフともトポロジ的に一致することに失敗し得る。そのような場合において、アクセスコンポーネントは、量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスし得、コンピュータ実行可能コンポーネントは更に、一組の変数重要度スコアに基づいて、量子機械学習モデルを調整し、それによって、量子機械学習モデルの調整されたバージョンをもたらし得る調整コンポーネントを有し得る。そのようなシステムの任意の好適な実施形態において、調整コンポーネントは、変数重要度スコアが増大する順序で、量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去することによって、量子機械学習モデルを調整し得る。これらの場合のいずれかにおいて、実行コンポーネントは、量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行し得る。結局、第２結合マップが第１結合マップとトポロジ的に一致することに失敗し且つ第１結合マップのいずれか／あらゆるサブグラフとトポロジ的に一致することに失敗する場合、量子コンピューティングシステムが量子機械学習モデルに適切な選ばれたものでないと結論付けられ得る（例えば、量子機械学習モデルが量子コンピューティングシステム上で実行され得ないと結論付けられ得る）。なお、第１結合マップが少なくとも第２結合マップと同じ数の量子ビットを有する場合であっても、システムは、そのような結論を出し得る。対照的に、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクス技法は、そのような場合において、量子コンピューティングシステムが量子機械学習モデルに適切であると誤って結論付けることになるであろう（例えば、量子機械学習モデルが量子コンピューティングシステム上で実行され得ると誤って結論付けることになるであろう）。
【0009】
発明の概要において言及されたそのようなシステムの前述の実施形態のいずれかと組み合わせて使用されてよいそのようなシステムの１又は複数の他の実施形態において、調整コンポーネントは、１又は複数のテストランによって、量子機械学習モデルの調整されたバージョンの正確性レベルを決定し得る。様々な場合において、そのような正確性レベルの演算は、遅延なしで（例えば、量子機械学習モデルの修正されていないバージョンに適切である量子コンピューティングシステムが利用可能になることを待機することなく）量子機械学習モデルを実行するのと引換えに、量子機械学習モデルがどの程度のパフォーマンスの低下を経験するのかを示すことに役立ち得る。
【0010】
発明の概要において言及されたそのようなシステムの前述の実施形態のいずれかと組み合わせて使用されてよいそのようなシステムの１又は複数の他の実施形態において、マップコンポーネント及び調整コンポーネントは、システムの可用性、量子ビットカウント、ノイズレベル、又はコヒーレンス時間に従って、一組の量子コンピューティングシステムの分析に優先順位をつけ得る。様々な場合において、そのような実施形態は、（例えば、本明細書で説明されるように、結合マップ比較を介して）最も有望な量子コンピューティングシステムが最初に分析され得ること、及び／又は最も有望でない量子コンピューティングシステムが最後に分析され得ることを確実にすることに役立ち得る。
【0011】
様々な態様において、上で説明されるシステムの任意の実施形態の任意の１つ及び／又は複数の組み合わせが実装され得る。
【0012】
様々な実施形態によると、コンピュータ実装方法が提供され得る。様々な態様において、コンピュータ実装方法は、少なくとも１つのプロセッサに動作可能に連結されたデバイスによって、量子機械学習モデルにアクセスする段階を備え得る。様々な事例において、コンピュータ実装方法は更に、デバイスによって、一組の量子コンピューティングシステムから、量子機械学習モデルのための量子コンピューティングシステムを、量子コンピューティングシステムの第１結合マップ及び量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて特定する段階を備え得る。様々な場合において、コンピュータ実装方法は更に、デバイスによって、量子機械学習モデル又は量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行する段階を備え得る。量子機械学習モデルがその上で訓練された結合マップと候補の量子コンピュータの結合マップを比較することによって、そのようなコンピュータ実装方法が量子システム選択を実行し得るので、そのようなコンピュータ実装方法は、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクスに依拠する技法とは対照的に、適切な量子システム選択を作成することの顕著に増大した可能性を示し得る。
【0013】
発明の概要において言及されたそのようなコンピュータ実装方法の前述の実施形態のいずれかと組み合わせて使用されてよいはそのようなコンピュータ実装方法の１又は複数の他の実施形態において、第１結合マップは、そのノードがそれぞれ量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ量子コンピューティングシステムの量子ビット間接続を表すグラフであり得る。同様にそのようなコンピュータ実装方法の任意の好適な実施形態において、第２結合マップは、そのノードがそれぞれ量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビット間接続を表すグラフであり得る。更に、任意の好適な実施形態において、そのようなコンピュータ実装方法は更に、デバイスによって、サブグラフマッチングメトリックを計算することによって、第１結合マップ及び第２結合マップの間の比較を促進する段階を備え得る。更に、そのようなコンピュータ実装方法の任意の好適な実施形態において、サブグラフマッチングメトリックは、第１結合マップ及び第２結合マップの間のグロモフ・ハウスドルフ距離であり得、及び／又は第１結合マップ及び第２結合マップの間のマンハッタン距離であり得る。再び、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクスを介する代わりに、（例えば、具体的には、グロモフ・ハウスドルフ距離及び／又はマンハッタン距離の算出を介して促進され得るサブグラフマッチングを介して）結合マップ比較を介する量子システム選択を実行することによって、そのようなコンピュータ実装方法は、量子機械学習モデルのための適切な量子コンピュータを選択する可能性がより高くあり得る。
【0014】
概要において言及されたそのようなコンピュータ実装方法の前述の実施形態のいずれかと組み合わせて使用されてよいそのようなコンピュータ実装方法の１又は複数の他の実施形態において、第２結合マップは、第１結合マップとトポロジ的に一致し得又は第１結合マップのサブグラフとトポロジ的に一致し得、コンピュータ実装方法は更に、デバイスによって、量子機械学習モデルを量子コンピューティングシステム上で実行する段階を備え得る。結局、第２結合マップが第１結合マップとトポロジ的に一致する又は第１結合マップのサブグラフとトポロジ的に一致する場合、量子コンピューティングシステムは、量子機械学習モデルに適切な選ばれたものであると結論付けられ得る（例えば、量子機械学習モデルが量子コンピューティングシステム上で実行され得ると結論付けられ得る）。
【0015】
発明の概要において言及されたそのようなコンピュータ実装方法の前述の実施形態のいずれかと組み合わせて使用されてよいそのようなコンピュータ実装方法の１又は複数の他の実施形態において、第２結合マップは、第１結合マップとトポロジ的に一致することに失敗し得、任意の第１結合マップのいずれのサブグラフともトポロジ的に一致することに失敗し得る。そのような場合において、コンピュータ実装方法は更に、デバイスによって、量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスする段階；及びデバイスによって、一組の変数重要度スコアに基づいて、量子機械学習モデルを調整し、それによって、量子機械学習モデルの調整されたバージョンをもたらす段階を備え得る。そのようなコンピュータ実装方法の任意の好適な実施形態において、量子機械学習モデルを調整する段階は、デバイスによって、変数重要度スコアが増大する順序で、量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去する段階を有し得る。これらの場合のいずれかにおいて、デバイスは、量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行し得る。結局、第２結合マップが第１結合マップとトポロジ的に一致することに失敗し且つ第１結合マップのいずれか／あらゆるサブグラフとトポロジ的に一致することに失敗する場合、量子コンピューティングシステムが量子機械学習モデルに適切な選ばれたものでないと結論付けられ得る（例えば、量子機械学習モデルが量子コンピューティングシステム上で実行され得ないと結論付けられ得る）。なお、コンピュータ実装方法は、第１結合マップが少なくとも第２結合マップと同じ数の量子ビットを有する場合であっても、システムは、そのような結論を出し得る。対照的に、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクス技法は、そのような場合において、量子コンピューティングシステムが量子機械学習モデルに適切であると誤って結論付けることになるであろう（例えば、量子機械学習モデルが量子コンピューティングシステム上で実行され得ると誤って結論付けることになるであろう）。
【0016】
概要において言及されたそのようなコンピュータ実装方法の前述の実施形態のいずれかと組み合わせて使用されてよいそのようなコンピュータ実装方法の１又は複数の他の実施形態において、コンピュータ実装方法は更に、デバイスによって、１又は複数のテストランを介して、量子機械学習モデルの調整されたバージョンの正確性レベルを決定する段階を備え得る。様々な場合において、そのような正確性レベルの演算は、遅延なしで（例えば、量子機械学習モデルの修正されていないバージョンに適切である量子コンピューティングシステムが利用可能になることを待機することなく）量子機械学習モデルを実行するのと引換えに、量子機械学習モデルがどの程度のパフォーマンスの低下を経験するのかを示すことに役立ち得る。
【0017】
概要において言及されたそのようなコンピュータ実装方法の前述の実施形態のいずれかと組み合わせて使用されてよいそのようなコンピュータ実装方法の１又は複数の他の実施形態において、デバイスは、システムの可用性、量子ビットカウント、ノイズレベル、又はコヒーレンス時間に従って、一組の量子コンピューティングシステムの分析に優先順位をつけ得る。様々な場合において、そのような実施形態は、（例えば、結合マップ比較を介して）最も有望な量子コンピューティングシステムが最初に分析され得ること、及び／又は最も有望でない量子コンピューティングシステムが最後に分析され得ることを確実にすることに役立ち得る。
【0018】
様々な態様において、上で説明されるコンピュータ実装方法の任意の実施形態の任意の１つ及び／又は複数の組み合わせが実装され得る。
【0019】
様々な実施形態によると、結合マップ比較を介した量子システム選択を促進するためのコンピュータプログラム製品が提供され得る。様々な態様において、コンピュータプログラム製品は、プログラム命令が具現化された少なくとも１つの非一時的コンピュータ可読メモリを備え得、プログラム命令は、少なくとも１つのプロセッサに、様々なオペレーションを実行させるように、少なくとも１つのプロセッサによって実行可能であり得る。様々な事例において、そのようなオペレーションは、量子機械学習モデル及び量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスする手順を有し得る。様々な場合において、そのようなオペレーションは更に、一組の量子コンピューティングシステムから、量子機械学習モデルのための量子コンピューティングシステムを特定さる手順を有し得、ここで、量子コンピューティングシステムの第１結合マップは、量子機械学習モデルがその上で訓練された第２結合マップとトポロジ的に一致せず、第１結合マップのサブグラフは、量子機械学習モデルがその上で訓練された第２結合マップとトポロジ的に一致しない。様々な態様において、そのようなオペレーションはまた更に、一組の変数重要度スコアに基づいて、量子機械学習モデルを調整させ、それによって、量子機械学習モデルの調整されたバージョンをもたらす手順を有し得る。様々な事例において、そのようなオペレーションはまた更に、量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行する手順を有し得る。量子機械学習モデルがその上で訓練された結合マップと候補の量子コンピュータの結合マップを比較することによって、そのようなコンピュータプログラム製品が量子システム選択を実行し得るので、そのようなコンピュータプログラム製品は、単なる量子ビットの数の比較等の過度に単純化したヒューリスティクスに依拠する技法とは対照的に、適切な量子システム選択を作成することの顕著に増大した可能性を示し得る。
【0020】
概要において言及されたそのようなコンピュータプログラム製品の前述の実施形態のいずれかと組み合わせて使用されてよいそのようなコンピュータプログラム製品の１又は複数の他の実施形態において、少なくとも１つのプロセッサは、変数重要度スコアが増大する順序で、量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去することによって、量子機械学習モデルを調整し得る。更にそのようなコンピュータプログラム製品の任意の好適な実施形態において、少なくとも１つのプロセッサは、ランダム順序で、量子機械学習モデルから少なくとも１つの論理量子ビット又は少なくとも１つの量子ゲートを反復的に除去することによって、量子機械学習モデルを調整し得る。更に、そのようなコンピュータプログラム製品の任意の好適な実施形態において、一組の変数重要度スコアは、量子機械学習モデルの単変量フィッシャースコア又は量子機械学習モデルのローカルスコープシャープレイ値に基づき得る。様々な場合において、そのような実施形態は、現時点で利用可能な量子コンピュータが量子機械学習モデルに適切でない状況に対処することに役立ち得る。すなわち、現時点で利用可能な量子コンピュータが量子機械学習モデルの修正されていない／調整されていないバージョンに適切でないかもしれないにもかかわらず、量子機械学習モデルを調整／修正すること及び量子機械学習モデルの調整された／修正されたバージョンを現時点で利用可能な量子コンピュータ上で実行することによって、少なくともいくつかの実行結果が提供／取得され得る。
【0021】
様々な態様において、上で説明されるコンピュータプログラム製品の任意の実施形態の任意の１つ及び／又は複数の組み合わせが実装され得る。
【図面の簡単な説明】
【0022】
【図1】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する非限定的なシステムの例のブロック図を示す。
【0023】
【図2】本明細書で説明される１又は複数の実施形態に係る、量子コンピューティングシステムヴォールトの非限定的なブロック図の例を示す。
【0024】
【図3】本明細書で説明される１又は複数の実施形態に係る、量子機械学習モデル及び／又は変数重要度スコアの非限定的なブロック図の例を示す。
【0025】
【図4】本明細書で説明される１又は複数の実施形態に係る、テストデータの非限定的なブロック図の例を示す。
【0026】
【図5】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、一組の結合マップ類似度スコアを含む非限定的なシステムの例のブロック図を示す。
【0027】
【図6】本明細書で説明される１又は複数の実施形態に係る、一組の結合マップ類似度スコアがどのように生成され得るのかを示す非限定的なブロック図の例を示す。
【図7】本明細書で説明される１又は複数の実施形態に係る、一組の結合マップ類似度スコアがどのように生成され得るのかを示す非限定的なブロック図の例を示す。
【0028】
【図8】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、一組の調整された量子機械学習モデル及び／又は一組の正確性レベルを含む非限定的なシステムの例のブロック図を示す。
【0029】
【図9】本明細書で説明される１又は複数の実施形態に係る、一組の調整された量子機械学習モデルがどのように生成され得るのかを示す非限定的なブロック図の例を示す。
【0030】
【図10】本明細書で説明される１又は複数の実施形態に係る、一組の正確性レベルがどのように生成され得るのかを示す非限定的なブロック図の例を示す。
【0031】
【図11】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、選択された量子コンピューティングシステムを含む非限定的なシステムの例のブロック図を示す。
【0032】
【図12】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、非限定的なコンピュータ実装方法の例のフロー図を示す。
【図13】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、非限定的なコンピュータ実装方法の例のフロー図を示す。
【図14】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、非限定的なコンピュータ実装方法の例のフロー図を示す。
【図15】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、非限定的なコンピュータ実装方法の例のフロー図を示す。
【0033】
【図16】本明細書で説明される１又は複数の実施形態に係る、非限定的な実験結果の例のブロック図を示す。
【図17】本明細書で説明される１又は複数の実施形態に係る、非限定的な実験結果の例のブロック図を示す。
【図18】本明細書で説明される１又は複数の実施形態に係る、非限定的な実験結果の例のブロック図を示す。
【0034】
【図19】本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進する、非限定的なコンピュータ実装方法の例のフロー図を示す。
【0035】
【図20】本明細書で説明される１又は複数の実施形態が促進され得る非限定的な動作環境の例のブロック図を示す。
【0036】
【図21】本明細書で説明される１又は複数の実施形態に係る、非限定的なクラウドコンピューティング環境の例を示す。
【0037】
【図22】本明細書で説明される１又は複数の実施形態に係る、非限定的な抽象化モデル層の例を示す。
【発明を実施するための形態】
【0038】
以下の詳細な説明は単に例示であり、実施形態及び／又は実施形態の用途又は使用を制限することを意図するものではない。更に、前述の背景又は概要の章、又は、詳細な説明の章に提示される任意の明示的又は黙示的情報によって拘束される意図はない。
【0039】
次に、１又は複数の実施形態を、図面を参照して説明し、図面では、同様の参照符号は、全体を通して同様の要素を指すために使用される。以下の説明では、説明の目的で、多くの特定の詳細を、１又は複数の実施形態のより完全な理解を提供すべく記載する。しかし、様々な場合において、これらの具体的な詳細なしで、１又は複数の実施形態が実施され得ることは明らかである。
【0040】
量子コンピューティングシステムは、情報処理のために、量子ビット格子（例えば、１又は複数の量子基板上で製造され且つ任意の好適な接続トポロジを示す複数の超伝導量子ビット）を利用する任意の好適なデバイスであり得る。量子回路は、量子コンピューティングシステム上で実行され得る並列及び／又は直列の量子ゲートのシーケンスであり得る。量子ゲートは、量子ビットの状態を変化させる、変更する及び／あるいは影響し得る量子回路の基本的コンポーネントであり得る。いくつかの非限定的な例において、量子ゲートは、任意の好適なシングル量子ビットゲート（例えば、パウリＸゲート、パウリＹゲート、パウリＺゲート、位相ゲート、回転ゲート）及び／又は任意の好適なエンタングリング／２量子ビットゲート（例えば、制御ＮＯＴゲート、制御位相ゲート）であり得る。量子機械学習（「ＱＭＬ」）モデルは、その内部パラメータ（例えば、ＱＭＬモデルにおける回転ゲートによって実装される回転の大きさ及び／又は方向）が反復的に訓練を通じて学習される、パラメータ化された量子回路であり得る。
【0041】
既に訓練され且つフィールドにおいて展開／実装されることが望ましいＱＭＬモデルが与えられる場合、量子コンピューティングシステムのグループから、所与のＱＭＬモデルがその上で実行されるべきものを選択することが望ましい場合が多い。そのような選択は、様々な理由のために望ましい場合がある。第１に、所与のＱＭＬモデルがその上で訓練されたものと異なる量子コンピューティングシステム上で所与のＱＭＬモデルを実行することは、所与のＱＭＬモデルに準最適な結果をもたらさせ得る。実際に、いくつかの場合において、所与のＱＭＬモデルは、所与のＱＭＬモデルを訓練した量子コンピューティングシステムと異なり過ぎる量子コンピューティングシステム上では、全く実行され得ない。第２に、進行中の研究イニシアチブに起因して新しい量子コンピューティングアーキテクチャは、継続的に導入／開発されており、既存の量子コンピューティングアーキテクチャは、継続的に、コンシューマによって一時的に占有／利用され、修理／メンテナンスのために（例えば、量子ビットバーンアウトに起因して、量子ビット誤動作に起因して）一時的にリタイヤされ、及び／又は（例えば、陳腐化に起因して）永久的に使用停止になっている。追加的に、元々訓練において使用された量子コンピューティングシステム上で所与のＱＭＬモデルを実行することは、介在するイベント（例えば、量子ビットバーンアウト、量子ビットエラー率の変化）がパフォーマンスに影響し得る事例において好ましいオペレーションではない場合がある。すなわち、所与のＱＭＬモデルがその上で訓練された量子コンピューティングシステムは、所与のＱＭＬモデルを展開／実装することが望ましい特定のフィールド／文脈において利用可能でないかもしれない。したがって、一組の量子コンピューティングシステムのうちどれが所与のＱＭＬモデルに適切であるかを選択、決定、及び／あるいは特定することが望ましい場合がある。用語「適切」が本明細書において使用される場合、任意の好適な正確性の閾値レベルなしで、修正なしで、変化なしで、及び／あるいは元々訓練されている状態で、所与のＱＭＬモデルが量子コンピューティングシステム上で実行されることが可能である場合に、量子コンピューティングシステムは、所与のＱＭＬモデルに「適切」であると考えられ得る。
【0042】
残念ながら、そのような選択、決定、及び／又は特定を促進するための既存の技法は、多くの場合不適切な量子コンピューティングシステムを選択させる、過度に単純化したヒューリスティクスを利用する。例えば、多くの既存の技法は、量子ビットカウントのみを考慮する。すなわち、特定の量子コンピューティングシステムが所与のＱＭＬモデルに適切であるかどうかを決定する場合、そのような既存の技法は、特定の量子コンピューティングシステム内に含まれた量子ビットの数を、所与のＱＭＬモデルによって利用された（例えば、情報処理及び／又はエラー軽減目的のために所与のＱＭＬモデルによって利用された）量子ビットの数と比較する。特定の量子コンピューティングシステム内に含まれた量子ビットの数が所与のＱＭＬモデルによって利用された量子ビットの数よりも大きい又はそれに等しい場合、そのような既存の技法は、特定の量子コンピューティングシステムが所与のＱＭＬモデルに適切であると結論付けるであろう。しかし、本明細書で説明される様々な実施形態の発明者が理解したように、量子ビットカウントに対するそのような依存は、不正確性に対して非常に脆弱である。
【0043】
したがって、これらの技術的問題のうちの１又は複数に対処し得るシステム及び／又は技法は、望ましい場合がある。
【0044】
本明細書で説明される様々な実施形態は、これらの技術的問題のうちの１又は複数に対処し得る。具体的には、本明細書で説明される様々な実施形態は、結合マップ比較を介した量子システム選択を促進し得るシステム及び／又は技法を提供し得る。上で言及されるように、量子システム選択を促進するための既存の技法は、量子ビットの総数の比較等の、過度に単純化したヒューリスティクスに依拠する。特に、量子コンピューティングシステム及びＱＭＬモデルが与えられる場合、量子コンピューティングシステム内に含まれた量子ビットの総数がＱＭＬモデルによって利用された量子ビットの総数よりも大きい又はそれに等しい場合に、そのような既存の技法は、量子コンピューティングシステムがＱＭＬモデルに適切であると決定する（例えば、ＱＭＬモデルが量子コンピューティングシステム上で十分な正確性をもって実行され得ると結論付け得る）。しかし、本発明者は、そのような既存の技法は、量子ビット接続トポロジを無視するので、そのような既存の技法は、多くの場合、不適切／不適当な量子コンピューティングシステムを選択する（例えば、多くの場合、十分な正確性をもってＱＭＬモデルがその上で実行可能でない量子コンピューティングシステムを選択する）と理解する。実際に、本発明者が理解したように、２つの量子コンピューティングシステムは、異なる接続トポロジを有し得、これは、互いに同じ量子ビットの総数を有するにもかかわらず、それら２つの量子コンピューティングシステムが必ずしも互いに同じ量子回路をサポートし得ないことを意味する。
【0045】
非限定的な例として、量子コンピュータＡの第１量子ビットが量子コンピュータＡの第２量子ビットに連結され、且つ量子コンピュータＡの第２量子ビットが量子コンピュータＡの第３量子ビットに連結されている、量子コンピュータＡが３つの量子ビットを有すると考える。更に、量子コンピュータＢもまた３つの量子ビットを有すると考える。しかし、量子コンピュータＢの第１量子ビットが量子コンピュータＢの第２量子ビットに連結されていると仮定すると、量子コンピュータＢの第２量子ビットは、量子コンピュータＢの第３量子ビットに連結されており、且つ量子コンピュータＢの第３量子ビットは、量子コンピュータＢの第１量子ビットに連結されている。そのような場合において、量子コンピュータＡ及び量子コンピュータＢの両方は、それらそれぞれの第１及び第２量子ビットの間のエンタグルメントをサポートし得、量子コンピュータＡ及び量子コンピュータＢの両方は、それらそれぞれの第２及び第３量子ビットの間のエンタグルメントをサポートし得る。しかし、量子コンピュータＢは更に、その第１及び第３量子ビットの間のエンタグルメントをサポートし得、一方で、量子コンピュータＡは、その第１及び第３量子ビットの間のエンタグルメントをサポートし得ない。したがって、量子コンピュータＡ及び量子コンピュータＢが互いに同じ量子ビットの総数を有するにもかかわらず（例えば、量子コンピュータＡ内に含まれた量子ビットの総数がＱＭＬモデルによって利用された量子ビットの総数よりも大きい又はそれに等しいにもかかわらず）、量子コンピュータＢ上で訓練された３量子ビットＱＭＬモデルは、量子コンピュータＡ上で実行可能でないかもしれない。言い換えれば、量子コンピュータＡ及び量子コンピュータＢの両方がそれぞれ３つの量子ビットを有し得るとしても、且つＱＭＬモデルが３つの量子ビットを利用し得るとしても、ＱＭＬモデルは、量子コンピュータＢ上で実装可能であるけれども量子コンピュータＡ上では実装可能でないエンタングリングゲートを含み得る。
【0046】
量子ビットの総数のみを考慮するそのような過度に単純化したヒューリスティクスの代わりに、本発明者は、事前訓練されたＱＭＬモデルが与えられる場合、そのような改善された技法が結合マップ（例えば、接続トポロジ）比較を活用する、量子コンピューティングシステムを選択するための改善された技法を案出した。より具体的には、特定のＱＭＬモデル及び特定の量子コンピューティングシステムが与えられる場合、本発明者は、特定のＱＭＬモデルが特定の量子コンピューティングシステム上で実行可能であるか否かは、特定の量子コンピューティングシステムの結合マップ（例えば、接続トポロジ）を特定のＱＭＬモデルがその上で訓練された量子コンピューティングシステムの結合マップ（例えば、接続トポロジ）と比較することによって正確に／精度よく決定され得ると理解した。特定の量子コンピューティングシステムの結合マップ又はその任意のサブグラフが、特定のＱＭＬモデルがその上で訓練された量子コンピューティングシステムの結合マップとトポロジ的に一致（例えば、同じ量子ビット接続性を有する）する場合、特定のＱＭＬモデルが特定の量子コンピューティングシステム上で実行可能であることが推測され得る。対照的に、特定の量子コンピューティングシステムの結合マップ及びそのあらゆるサブグラフが、特定のＱＭＬモデルがその上で訓練された量子コンピューティングシステムの結合マップとトポロジ的に一致することに失敗した（例えば、同じ量子ビット接続性を有しない）場合、特定のＱＭＬモデルが特定の量子コンピューティングシステム上で正確に実行可能でないことが代わりに推測され得る。そのような後者の場合において、本明細書に更に説明されるように、特定の量子コンピューティングシステム上で実行可能になるまで、特定のＱＭＬモデルは、様々な態様において、反復的に緩和／調整され得る。
【0047】
本明細書で説明される様々な実施形態は、結合マップ比較を介した量子システム選択を電子的に促進し得るコンピュータ化されたツール（例えば、コンピュータ実行可能ハードウェア及び／又はコンピュータ実行可能ソフトウェアの任意の好適な組み合わせ）であると考えられ得る。様々な態様において、そのようなコンピュータ化されたツールは、アクセスコンポーネント、マップコンポーネント、調整コンポーネント、選択コンポーネント、及び／又は実行コンポーネントを備え得る。
【0048】
様々な実施形態において、量子コンピューティングシステムヴォールト（ｖａｕｌｔ）が存在してよい。様々な態様において、量子コンピューティングシステムヴォールトは、有形のハードウェアベースの量子コンピューティングシステムの任意の好適な集中型及び／又は非集中型の集合体であり得、その各々は、対応する結合マップを有し得る及び／あるいはそれと関連付けられ得る。様々な他の態様において、量子コンピューティングシステムヴォールトは、様々な量子コンピューティングシステムに関係する電子情報（例えば、メタデータ）を格納する任意の好適な集中型及び／又は非集中型データベースを含み得る。任意の場合において、上で言及されるように、量子コンピューティングシステムは、情報処理のための任意の好適な数の任意の好適なタイプの量子ビット（例えば、トランスモン量子ビット等の超伝導量子ビット）を利用する任意の好適なデバイスであり得る。
【0049】
様々な態様において、量子コンピューティングシステムヴォールト内の各量子コンピューティングシステムは、対応する結合マップを有し得る及び／あるいはそれと関連付けられ得る。様々な事例において、量子コンピューティングシステムに対応する結合マップは、量子コンピューティングシステムの量子ビットがどの程度互いに集合的に連結されているのかを示及び／あるいは表すグラフデータ構造（例えば、頂点及びエッジを有する）であり得る。すなわち、結合マップは、量子コンピューティングシステムの接続トポロジを示している及び／又は表していると考えられ得る。より具体的には、結合マップは、複数の頂点及び／又は複数のエッジを有し得、結合マップ内の各固有の頂点は、量子コンピューティングシステム内の固有の量子ビットを表し及び／又はそれに対応し得、結合マップ内の各固有のエッジは、結合マップの２つの頂点の間にあり得、及び／又は結合マップの各固有のエッジは、量子コンピューティングシステム内の固有の量子ビット間接続を表し及び／又はそれに対応し得る。いくつかの場合において、結合マップは、重み付けされていない場合がある。他の場合において、しかし、結合マップは、量子コンピューティングシステムに関係する任意の好適な基準によって重み付けされ得る。例えば、結合マップの頂点及び／又はエッジは、量子ビットの遷移周波数及び／又は量子コンピューティングシステム内のカプラに従って、重み付けされ得る。いくつかの非限定的な例として、結合マップの頂点及び／又はエッジは、量子ビットのデコヒーレンス時間及び／又は量子コンピューティングシステム内のカプラ；量子ビットの緩和時間及び／又は量子コンピューティングシステム内のカプラ；量子ビットのノイズレベル及び／又は量子コンピューティングシステム内のカプラ；量子ビットのエラー率及び／又は量子コンピューティングシステム内のカプラ；量子ビットのフィデリティ及び／又は量子コンピューティングシステム内のカプラ；及び／又は量子ビットのエンタグルメント強度及び／又は量子コンピューティングシステム内のカプラに従って重み付けされ得る。
【0050】
様々な態様において、既に訓練が行われたＱＭＬモデルが存在し得る。様々な事例において、ＱＭＬモデルは、任意の好適な数の論理量子ビットを含み得、及び／又はそのような論理量子ビット上で直列及び／又は並列で動作し得る、任意の好適な数の任意の好適なタイプの量子ゲートを更に含み得る。
【0051】
様々な場合において、ＱＭＬモデルは、訓練結合マップに対応及び／あるいは関連付けられ得る。様々な態様において、訓練結合マップは、複数の頂点及び／又は複数のエッジを有するグラフデータ構造であり得、訓練結合マップ内の各固有の頂点は、ＱＭＬモデルがその上で訓練された特定の量子コンピューティングシステム内の固有の量子ビットを表し及び／又はそれに対応し得、訓練結合マップ内の各固有のエッジは、訓練結合マップの２つの頂点の間にあり得、及び／又は訓練結合マップ内の各固有のエッジは、ＱＭＬモデルがその上で訓練された特定の量子コンピューティングシステム内の固有の量子ビット間接続を表し及び／又はそれに対応し得る。上記のように、訓練結合マップは、いくつかの場合において、重み付けされていない場合があり、及び／又は他の場合において、（例えば、遷移周波数、デコヒーレンス時間、緩和時間、エラー率、ノイズレベル、フィデリティ、及び／又はエンタグルメント強度に従って）重み付けされている場合がある。
【0052】
様々な事例において、ＱＭＬモデルは更に、一組の変数重要度スコアに対応し及び／あるいは関連付けされ得る。様々な場合において、上で言及されるように、ＱＭＬモデルは、一組の論理量子ビット上で動作する一組の量子ゲートを含んでいると考えられ得る。様々な態様において、一組の変数重要度スコアは、それぞれＱＭＬモデルの一組の量子ゲートに対応する一組のゲートスコアを含み得、及び／又はそれぞれＱＭＬモデルの一組の論理量子ビットに対応する一組の量子ビットスコアを更に含み得る。様々な事例において、各ゲートスコアは、その大きさがＱＭＬモデルの機能性に関する対応する量子ゲートの重要度の相対的レベルを示す及び／又は表す実数値のスカラであり得る。同様に、様々な場合において、各量子ビットスコアは、その大きさがＱＭＬモデルの機能性に関する対応する論理量子ビットの重要度の相対的レベルを示す及び／又は表す実数値のスカラであり得る。非限定的な例として、より低いゲートスコア有する量子ゲートは、ＱＭＬモデルの機能性／運用性に対して重要度がより低いと考えられ得、その一方で、より高いゲートスコアを有する量子ゲートは、ＱＭＬモデルの機能性／運用性にとって重要度がより高いと考えられ得る。同様に別の非限定的な例として、より低い量子ビットスコア有する論理量子ビットは、ＱＭＬモデルの機能性／運用性に対して重要度がより低いと考えられ得、その一方で、より高い量子ビットスコアを有する論理量子ビットは、ＱＭＬモデルの機能性／運用性にとって重要度がより高いと考えられ得る。様々な場合において、一組の変数重要度スコアは、ＱＭＬモデルの単変量フィッシャースコア、ＱＭＬモデルのローカルスコープシャープレイ値、及び／又はＱＭＬモデルの入力変数に関するＱＭＬモデルの学習可能パラメータの標準に等しい、これから生成され、これから導出して、及び／あるいはそれに基づき得る。
【0053】
様々な態様において、ＱＭＬモデルは更に、テストデータに対応及び／あるいは関連付けられ得る。様々な事例において、テストデータは、一組の入力量子状態及び／又はそれぞれ対応する一組の出力量子状態を含み得る。様々な場合において、各入力量子状態は、２ｇの次元を有するベクトルであり得、ここで、ｇは、ＱＭＬモデルによって、利用される論理量子ビットの数を表す任意の好適な正の整数であり得る。様々な態様において、各出力量子状態は、２ｈの次元を有するベクトルであり得、ここで、ｈは、ｈ≦ｇであるような任意の好適な正の整数であり得る。様々な事例において、一組の出力量子状態は、それぞれ一組の入力量子状態に対応するとして知られる及び／あるいはみなされるグラウンドトゥルースであると考えられ得る。
【0054】
様々な実施形態において、コンピュータ化されたツールのアクセスコンポーネントは、任意の好適な有線及び／又はワイヤレス電気接続を介して、量子コンピューティングシステムヴォールトに電子的にアクセスし得る。様々な態様において、アクセスコンポーネントは、更に、ＱＭＬモデル、訓練結合マップ、一組の変数重要度スコア、及び／又はテストデータにアクセスする、及び／あるいはそれを任意の好適なソースから受け取り得る、読み出し得る及び／又はインポートし得る。例えば、アクセスコンポーネントは、アクセスコンポーネントからリモート及び／又はローカルのいずれかで、ＱＭＬモデル、訓練結合マップ、一組の変数重要度スコア、及び／又はテストデータを、任意の好適な集中型及び／又は非集中型データベース（例えば、グラフデータベース、関係データベース、ハイブリッドデータベース）から電子的に読み出し得る及び／又はインポートし得る。様々な他の事例において、アクセスコンポーネントは、ＱＭＬモデル、訓練結合マップ、一組の変数重要度スコア、及び／又はテストデータを、任意の他の好適なコンピューティングデバイス及び／又はコンピューティングデバイスから、電子的に読み出し得る及び／又はインポートし得る。例えば、ラップトップコンピュータ、デスクトップコンピュータ、又はスマートフォン等のユーザデバイスは、ＱＭＬモデル、訓練結合マップ、一組の変数重要度スコア、及び／又はテストデータをアクセスコンポーネントに提供／伝送し得る。任意の場合において、アクセスコンポーネントは、量子コンピューティングシステムヴォールト、ＱＭＬモデル、訓練結合マップ、一組の変数重要度スコア、及び／又はテストデータに電子的にアクセスし得、それにより、コンピュータ化されたツールの他のコンポーネントは、量子コンピューティングシステムヴォールト、ＱＭＬモデル、訓練結合マップ、一組の変数重要度スコア、及び／又はテストデータと電子的に相互作用（例えば、読み、書き、編集、操作）し得る。
【0055】
様々な実施形態において、コンピュータ化されたツールのマップコンポーネントは、量子コンピューティングシステムヴォールトからの結合マップを訓練結合マップと比較することに基づいて、一組の結合マップ類似度スコアを電子的に生成し得る。特に、ヴォールト内の任意の所与の量子コンピューティングシステムについて、マップコンポーネントは、その所与の量子コンピューティングシステムのための類似度スコアを計算し得る。様々な態様において、類似度スコアは、その大きさが、その所与の量子コンピューティングシステムの特定の結合マップが訓練結合マップに対してどの程度類似する及び／又はどの程度似ていないかを説明、示す、及び／あるいは伝える実数値のスカラであり得る。
【0056】
様々な事例において、所与の量子コンピューティングシステムの特定の結合マップ及び訓練結合マップの両方がグラフであり得るので、マップコンポーネントは、特定の結合マップ及び訓練結合マップの間の任意の好適なサブグラフマッチングメトリックを計算することによって類似度スコアを生成し得る。様々な事例において、サブグラフマッチングメトリックは、２つのグラフを入力として取り得、その値／大きさがそれら２つの入力されたグラフがどの程度遠く離れているか（例えば、どの程度異なるか）を表し得るスカラを出力として生成し得るグラフ理論からの任意の好適な関数及び／又はアルゴリズムであり得る。非限定的な例として、サブグラフマッチングメトリックは、グロモフ・ハウスドルフ距離であり得る。別の非限定的な例として、サブグラフマッチングメトリックは、マンハッタン距離であり得る。更に別の非限定的な例として、サブグラフマッチングメトリックは、グラフ編集距離であり得る。更に別の非限定的な例として、サブグラフマッチングメトリックは、Ｍｉｎ／Ｍａｘ類似度尺度であり得る。
【0057】
任意の場合において、マップコンポーネントは、所与の量子コンピューティングシステムの特定の結合マップ及び訓練結合マップの間の少なくとも１つサブグラフマッチングメトリックを計算し得、マップコンポーネントは、そのような少なくとも１つのサブグラフマッチングメトリックに基づいて、類似度スコアを算出し得る。いくつかの事例において、類似度スコアは、特定の結合マップ及び訓練結合マップの間のサブグラフマッチングメトリックに等しくあり得る。そのような場合において、特定の結合マップ及び訓練結合マップの間の類似度の程度は、類似度スコアの値／大きさが増加するにつれて減少し得る。他の事例において、類似度スコアは、特定の結合マップ及び訓練結合マップの間の１又は複数のサブグラフマッチングメトリックの任意の好適な数学的関数であり得る。例えば、類似度スコアは、サブグラフマッチングメトリックの逆数に基づき得、それにより、特定の結合マップ及び訓練結合マップの間の類似度の程度は、類似度スコアの値／大きさが増加するにつれて増加し得る。任意の場合において、類似度スコアは、特定の結合マップが訓練結合マップと比較されて、どの程度類似するのか及び／又はどの程度似ていないのかを示され得る。
【0058】
様々な態様において、トポロジカルな一致を示す及び／あるいは画定し得る任意の好適な閾値類似度スコアが存在し得る。非限定的な例として、閾値類似度スコアは、最小限の及び／又は最小化されたサブグラフマッチングメトリックに対応し得る（例えば、閾値類似度スコアは、ゼロのグロモフ・ハウスドルフ距離を示す何らかの類似度スコア値に等しくあり得、ゼロのマンハッタン距離を示す何らかの類似度スコア値に等しくあり得、及び／又はゼロのグラフ編集距離を示す何らかの類似度スコア値に等しくあり得る）。別の非限定的な例として、閾値類似度スコアは、任意の最小限でない及び／又は最小化されていないサブグラフマッチングメトリックに対応し得る（例えば、閾値類似度スコアは、任意の事前決定された非ゼロのグロモフ・ハウスドルフ距離を示す何らかの類似度スコア値に等しくあり得、任意の事前決定された非ゼロのマンハッタン距離を示す何らかの類似度スコア値に等しくあり得、及び／又は任意の事前決定された非ゼロのグラフ編集距離を示す何らかの類似度スコア値に等しくあり得る）。
【0059】
任意の場合において、類似度スコアが閾値類似度スコアを満たす場合、マップコンポーネントは、（ｉ）特定の結合マップが訓練結合マップとトポロジ的に一致する；又は（ｉｉ）特定の結合マップの少なくとも１つのサブグラフが訓練結合マップにトポロジ的に一致すると結論付け得る。対照的に、類似度スコアが閾値類似度スコアを満たすことに失敗する場合、マップコンポーネントは、（ｉｉｉ）特定の結合マップが訓練結合マップとトポロジ的に一致しない；又は（ｉｖ）特定の結合マップのサブグラフが訓練結合マップとトポロジ的に一致しないと結論付け得る。
【0060】
閾値類似度スコアは、最小限の／最小化されたサブグラフマッチングメトリックを示すと仮定する。そのような場合において、特定の結合マップが訓練結合マップとトポロジ的に一致する場合、これは、特定の結合マップが訓練結合マップと同じ／同一の配置及び／又は量子ビット及び量子ビット間接続のプロパティを有することを意味し得る。更に、そのような場合において、特定の結合マップのサブグラフが訓練結合マップとトポロジ的に一致する場合、これは、そのようなサブグラフが訓練結合マップと同じ／同一の配置及び／又は量子ビット及び量子ビット間接続のプロパティを有することを意味し得る（例えば、特定の結合マップが訓練結合マップを含むと考えられ得る）。
【0061】
代わりに、閾値類似度スコアが最小限でない／最小化されていないサブグラフマッチングメトリックを示すと仮定する。そのような場合において、特定の結合マップが訓練結合マップとトポロジ的に一致する場合、これは、特定の結合マップが訓練結合マップと十分に類似するが必ずしも同一でない配置及び／又は量子ビット及び量子ビット間接続のプロパティを有することを意味し得る。更に、そのような場合において、特定の結合マップのサブグラフが訓練結合マップとトポロジ的に一致する場合、これは、そのようなサブグラフが訓練結合マップと十分に類似するが必ずしも同一でない配置及び／又は量子ビット及び量子ビット間接続のプロパティを有することを意味し得る。
【0062】
任意の場合において、特定の結合マップの類似度スコアが閾値類似度スコアを満たす場合（例えば、特定の結合マップ又はそのサブグラフが訓練結合マップとトポロジ的に一致する場合）、ＱＭＬモデルは、変化なしで、修正なしで、及び／あるいは元々訓練されている状態で、所与の量子コンピューティングシステム上で実行可能であると考えられ得る（例えば、特定の結合マップは、訓練結合マップと同一及び／又は十分に類似すると考えられ得る）。
【0063】
閾値類似度スコアは、最小限の／最小化されたサブグラフマッチングメトリックを示すと再び仮定する。そのような場合において、特定の結合マップが訓練結合マップとトポロジ的に一致しない場合、これは、特定の結合マップが訓練結合マップと同じ／同一の配置及び／又は量子ビット及び量子ビット間接続のプロパティを有さないことを意味し得る。更に、そのような場合において、特定の結合マップのサブグラフが訓練結合マップとトポロジ的に一致しない場合、これは、特定の結合マップのサブグラフが訓練結合マップと同じ／同一の配置及び／又は量子ビット及び量子ビット間接続のプロパティを有さないことを意味し得る。
【0064】
代わりに、閾値類似度スコアが最小限でない／最小化されていないサブグラフマッチングメトリックを示すと仮定する。そのような場合において、特定の結合マップが訓練結合マップとトポロジ的に一致しない場合、これは、特定の結合マップが訓練結合マップと十分に類似する配置及び／又は量子ビット及び量子ビット間接続のプロパティを有さないことを意味し得る。更に、そのような場合において、特定の結合マップのサブグラフが訓練結合マップとトポロジ的に一致しない場合、これは、そのようなサブグラフが訓練結合マップと十分に類似する配置及び／又は量子ビット及び量子ビット間接続のプロパティを有さないことを意味し得る。
【0065】
任意の場合において、特定の結合マップの類似度スコアが閾値類似度スコアを満たすことに失敗する場合（例えば、特定の結合マップ及びそのあらゆるサブグラフが訓練結合マップとトポロジ的に一致することに失敗する場合）、ＱＭＬモデルは、変化なしで、修正なしで、及び／あるいは元々訓練されている状態で、所与の量子コンピューティングシステム上で実行可能でないと考えられ得る（例えば、特定の結合マップは、訓練結合マップと異なり過ぎると考えられ得る）。
【0066】
様々な態様において、マップコンポーネントは、上述されるように、各結合マップについて、それゆえ、量子コンピューティングシステムヴォールトにある各量子コンピューティングシステムについて、類似度スコアを計算し得る。いくつかの事例において、マップコンポーネントは、任意の好適な優先順位の順序に従って、量子コンピューティングシステムヴォールト内の結合マップの各々を反復処理し得る。例えば、いくつかの場合において、マップコンポーネントは、ランダム順序において、量子コンピューティングシステムヴォールトの結合マップを反復処理し得る。別の例として、いくつかの場合において、マップコンポーネントは、システムの可用性の順序で、量子コンピューティングシステムヴォールトの結合マップを反復処理し得る（例えば、現時点で占有されていて、現時点で利用不可であり、及び／又は現時点でより長いキュー時間を有するヴォールト内の量子コンピューティングシステムがより遅くマップコンポーネントによって分析され得、その一方で、現時点で占有されておらず、現時点で利用可能であり、及び／又は現時点でより短いキュー時間を有するヴォールト内の量子コンピューティングシステムがより早くマップコンポーネントによって分析され得る）。更に別の例として、いくつかの場合において、マップコンポーネントは、量子ビットカウントの順序で量子コンピューティングシステムヴォールトの結合マップを反復処理し得る（例えば、より高い量子ビットの数を有するヴォールト内の量子コンピューティングシステムがより早くマップコンポーネントによって分析され得、その一方で、より低い量子ビットの数を有するヴォールト内の量子コンピューティングシステムがより遅くマップコンポーネントによって分析され得る）。更に別の例として、いくつかの場合において、マップコンポーネントは、ノイズレベル、エラー率、及び／又はコヒーレンス時間の順序で量子コンピューティングシステムヴォールトの結合マップを反復処理し得る（例えば、より高いノイズレベル、より高いエラー率、及び／又はより低いコヒーレンス時間を有する、ヴォールト内の量子コンピューティングシステムがより遅くマップコンポーネントによって分析され得、その一方で、より低いノイズレベル、より低いエラー率、及び／又はより高いコヒーレンス時間を有するヴォールト内の量子コンピューティングシステムがより早くマップコンポーネントによって分析され得る）。
【0067】
様々な実施形態において、ヴォールト内の任意の量子コンピューティングシステムが、閾値類似度スコアを満たす類似度スコアに対応する場合（例えば、任意の量子コンピューティングシステムが、訓練結合マップとトポロジ的に一致する、又はトポロジ的に一致するサブグラフを含む結合マップを有する場合）であれば、コンピュータ化されたツールの選択コンポーネントは、ＱＭＬモデルに適切である量子コンピューティングシステムを電子的に選択し得る。実際に、そのような量子コンピューティングシステムは、ＱＭＬモデルによって、利用される全ての量子ゲートをサポートすることが可能であることを保証され得る。１つより多くのそのような量子コンピューティングシステムが存在する場合であれば、選択コンポーネントは、任意の好適な優先順位の順序に従って、そのような１つより多くの量子コンピューティングシステムの中から選択し得る（例えば、利用可能である、及び／又はそのような量子コンピューティングシステムのうち最も低いキュー時間を有するものどれでも選択し得、そのような量子コンピューティングシステムのうち最も長いコヒーレンス時間及び／又は最も小さいノイズ／エラーレベルを有するものどれでも選択し得、そのような量子コンピューティングシステムのうち最も低い金銭的価格に関連付けられるものどれでも選択し得る）。
【0068】
そのような場合において、コンピュータ化されたツールの実行コンポーネントは、電子メッセージを電子的に生成し、任意の好適なコンピューティングデバイスに伝送し、及び／又は任意の好適なコンピュータスクリーン上に視覚的にディスプレイ／レンダリングし得、ここで、電子メッセージは、選択された量子コンピューティングシステムがＱＭＬモデルに適切であることを示し得る。いくつかの事例において、アクセスコンポーネントは更に、ユーザ提供の量子状態初期化にアクセスし得、実行コンポーネントは、ユーザ提供の量子状態初期化を用いて選択された量子コンピューティングシステムを初期化し；初期化された選択された量子コンピューティングシステム上でＱＭＬモデルを実行し、それによって結果として生じる量子状態をもたらし；及び／又は結果として生じる量子状態を任意の好適なコンピュータスクリーン上にディスプレイし及び／又は任意の好適なコンピューティングデバイスに伝送し得る。
【0069】
様々な実施形態において、その一方で、ヴォールト内の量子コンピューティングシステムが、閾値類似度スコアを満たす類似度スコアに対応しない場合（例えば、任意の量子コンピューティングシステムが、訓練結合マップとトポロジ的に一致する、又はトポロジ的に一致するサブグラフを含む結合マップを有しない場合）であれば、コンピュータ化されたツールの調整コンポーネントは、ＱＭＬモデルの一組の調整されたバージョンを電子的に生成し得る。実際に、そのような場合において、ヴォールト内の量子コンピューティングシステムのいずれも、ＱＭＬモデルによって、利用される全ての量子ゲートをサポートすることが可能であり得ない。したがって、ヴォールト内の各所与の量子コンピューティングシステムについて、調整コンポーネントは、所与の量子コンピューティングシステム上で実行可能である１又は複数のＱＭＬモデルの調整されたバージョンを生成し得る。すなわち、ＱＭＬモデルは、調整され得、その結果、所与の量子コンピューティングシステムは、そのような１又は複数のＱＭＬモデルの調整されたバージョンによって利用される全ての論理量子ビット及び／又は全ての量子ゲートをサポートし得る。
【0070】
様々な事例において、本明細書で説明されるように、調整コンポーネントは、ＱＭＬモデルのコピーを作成し、変数重要度スコアが増大する順序で及び／又はランダム順序で、ＱＭＬモデルのコピーから、論理量子ビット及び／又は量子ゲートを反復的に除去及び／又は置換することによって、ＱＭＬモデルの調整されたバージョンを生成し得る。
【0071】
例えば、ＱＭＬモデルが、任意の好適な正の整数ａ及びｂについて、合計ｂ個の論理量子ビット上で集合的に動作する合計ａ個の量子ゲートを有すると仮定する。そのような場合において、一組の変数重要度スコアは、ＱＭＬモデルのａ個の量子ゲートにそれぞれ（例えば、１対１の方法で）対応する合計ａ個のゲートスコアを含み得、更に、ＱＭＬモデルのｂ個の論理量子ビットにそれぞれ対応する（例えば、１対１の方法で）合計ｂ個の量子ビットスコアを含み得る。
【0072】
様々な態様において、ヴォールト内の任意の特定の量子コンピューティングシステムについて、調整コンポーネントは、ＱＭＬモデルをコピー／複製し得、そのようなコピー／複製から、ａ個の量子ゲートのうち最も低い／及び最も小さいゲートスコアを有するものどれでも除去／削除し得る。そのような除去の後、その現在修正中のコピー／複製は、ａ個の量子ゲートの代わりに、合計ａ－１個の量子ゲートを有し得る（例えば、ここで、ａ－１＞０）。
【0073】
様々な事例において、調整コンポーネントは、その現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であるか否かをチェックし得る。すなわち、調整コンポーネントは、そのコピー／複製内の残っている量子ゲートの全てが特定の量子コンピューティングシステム上でサポート／実装され得るか否かをチェックし得る。
【0074】
非限定的な例として、調整コンポーネントは、現在修正中のコピー／複製を特定の量子コンピューティングシステム上で実行することを試みることによって、そのようなチェックを促進し得る。そのような試みられた実行が失敗する場合（例えば、そのような試みられた実行に応じて、特定の量子コンピューティングシステムが、１又は複数のコンパイルエラー及び／又は１又は複数のランタイムエラーを返した場合）、調整コンポーネントは、現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能でないと結論付け得る。対照的に、そのような試みられた実行が成功する場合（例えば、そのような試みられた実行に応じて、特定の量子コンピューティングシステムが、１又は複数のコンパイルエラー及び／又は１又は複数のランタイムエラーを返さない場合）、調整コンポーネントは、代わりに、現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であると結論付け得る。
【0075】
別の非限定的な例として、訓練結合マップを相応に修正／調整すること；及び現在修正中の訓練結合マップ及び特定の量子コンピューティングシステムの結合マップの間の新しい類似度スコアを計算することによって、調整コンポーネントは、そのようなチェックを促進し得る。
【0076】
例えば、上で言及されるように、調整コンポーネントは、最小得点の量子ゲートを除去することによって、ＱＭＬモデルの現在修正中のコピー／複製を作成し得る。そのような最小得点の量子ゲートが、訓練結合マップ内の特定の量子ビット上で動作するシングル量子ビットゲートであると仮定する。現在修正中のコピー／複製内に残っている量子ゲートが特定の量子ビット上で動作しない場合もあり得る。すなわち、最小得点の量子ゲートの除去は、ＱＭＬモデルの現在修正中のコピー／複製によって使用されないその特定の量子ビットをレンダリングし得る。したがって、様々な態様において、調整コンポーネントは、訓練結合マップから特定の量子ビットを除去し得、それによって、修正された訓練結合マップをもたらす。
【0077】
別の例として、最小得点の量子ゲートが代わりに、訓練結合マップ内の特定の量子ビット間接続によって共に結合された２つの特定の量子ビット上で動作するエンタングリングゲートであると仮定する。調整コンポーネントがそのような最小得点の量子ゲートをＱＭＬモデルから除去した後、現在修正中のコピー／複製内の残っている量子ゲートが特定の量子ビット間接続を利用しない場合もあり得る。すなわち、最小得点の量子ゲートの除去は、ＱＭＬモデルの現在修正中のコピー／複製によって使用されないその特定の量子ビット間接続をレンダリングし得る。したがって、様々な態様において、調整コンポーネントは、特定の量子ビット間接続を訓練結合マップから除去し得、それによって修正された訓練結合マップをもたらす。
【0078】
そのような場合のいずれかにおいて、調整コンポーネントは、（例えば、もはやＱＭＬモデルの現在修正中のコピー／複製によって使用されない量子ビット及び／又は量子ビット間接続を除去することによって）修正された訓練結合マップを生成し得、マップコンポーネントは、上述されるように、修正された訓練結合マップ及び特定の量子コンピューティングシステムの結合マップの間の新しい類似度スコアを計算し得る。そのような新しい類似度スコアが閾値類似度スコアを満たす場合であれば、調整コンポーネントは、ＱＭＬモデルの現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であると結論付け得る。対照的に、そのような新しい類似度スコアが閾値類似度スコアを満たすことに失敗する場合であれば、調整コンポーネントは、ＱＭＬモデルの現在修正中のコピー／複製が特定の量子コンピューティングデバイス上でまだ実行可能でないと結論付け得る。
【0079】
任意の場合において、調整コンポーネントは、ＱＭＬモデルの現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であるか否かをチェックし得る。現在修正中のコピー／複製がまだ特定の量子コンピューティングシステム上で実行可能でない場合、調整コンポーネントは、現在修正中のコピー／複製から、残っているａ－１個の量子ゲートのうち現在最も低い／最も小さいゲートスコアを有するものどれでも除去／削除し得、それによって、現在修正中のコピー／複製がａ－２個の量子ゲートを有するようにする（例えば、ここで、ａ－２＞０である）。
【0080】
このように、調整コンポーネントは、ＱＭＬモデルを複製すること；及びその複製の何らかの残るものが特定の量子コンピューティングシステム上で実行可能であるようになるまで、ゲートスコアの順序で複製から量子ゲートを反復的に除去／破棄することによって、特定の量子コンピューティングシステムに対応するＱＭＬモデルの調整されたバージョンを生成し得る。
【0081】
別の例として、例えば、任意の好適な正の整数ａ及びｂについて、ＱＭＬモデルが、合計ｂ個の論理量子ビット上で集合的に動作する合計ａ個の量子ゲートを有すると再び仮定する。上で言及されるように、一組の変数重要度スコアは、ＱＭＬモデルのａ個の量子ゲートにそれぞれ（例えば、１対１の方法で）対応する合計ａ個のゲートスコアを含み得、更に、ＱＭＬモデルのｂ個の論理量子ビットにそれぞれ対応する（例えば、１対１の方法で）合計ｂ個の量子ビットスコアをそれゆえ含み得る。
【0082】
様々な態様において、ヴォールト内の任意の特定の量子コンピューティングシステムについて、調整コンポーネントは、ＱＭＬモデルをコピー／複製し得、そのようなコピー／複製から、ｂ個の論理量子ビットのうち最も低い／及び最も小さい量子ビットスコアを有するものどれでも除去／削除し得る。すなわち、調整コンポーネントは、そのようなコピー／複製から、最小得点の論理量子ビット上で動作するあらゆる量子ゲートを除去／削除し得る。最小得点の論理量子ビットのそのような除去の後（例えば、最小得点の論理量子ビット上で動作する全ての量子ゲートのそのような除去の後）、そのコピー／複製は、ａ個よりも少ない量子ゲートを有し、ｂ個の論理量子ビットの代わりに合計ｂ－１個の論理量子ビット（例えば、ｂ－１＞０である）を有すると考えられ得る。
【0083】
様々な事例において、調整コンポーネントは、その現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であるか否かをチェックし得る。すなわち、調整コンポーネントは、その現在修正中のコピー／複製内の残っている量子ゲート及び／又は論理量子ビットの全てが特定の量子コンピューティングシステム上でサポート／実装され得るか否かをチェックし得る。
【0084】
上で言及されるように、調整コンポーネントは、いくつかの場合において、現在修正中のコピー／複製を特定の量子コンピューティングシステム上で実行することを試みることによって、そのようなチェックを促進し得る。そのような試みられた実行が失敗する場合（例えば、そのような試みられた実行に応じて、特定の量子コンピューティングシステムが、１又は複数のコンパイルエラー及び／又は１又は複数のランタイムエラーを返した場合）、調整コンポーネントは、現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能でないと結論付け得る。対照的に、そのような試みられた実行が成功する場合（例えば、そのような試みられた実行に応じて、特定の量子コンピューティングシステムが、１又は複数のコンパイルエラー及び／又は１又は複数のランタイムエラーを返さない場合）、調整コンポーネントは、代わりに、現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であると結論付け得る。
【0085】
上でも言及されるように、他の場合において、訓練結合マップを相応に修正／調整すること；及び現在修正中の訓練結合マップ及び特定の量子コンピューティングシステムの結合マップの間の新しい類似度スコアを計算することによって、調整コンポーネントは、そのようなチェックを促進し得る。
【0086】
再び、上で説明されるように、調整コンポーネントは、最小得点の論理量子ビットを除去することによって（例えば、最小得点の論理量子ビット上で動作する全ての量子ゲートを除去することによって）、ＱＭＬモデルの現在修正中のコピー／複製を作成し得る。そのような最小得点の論理量子ビットが訓練結合マップの１又は複数の特定の量子ビットによって実装されると仮定する（例えば、エラー軽減は、シングル論理量子ビットを実装するために複数の物理量子ビットを必要とし得る）。したがって、様々な態様において、調整コンポーネントは、それら１又は複数の特定の量子ビット（及びそれらの対応する量子ビット間接続）を訓練結合マップから除去し得、それによって訓練結合マップの修正されたバージョンをもたらす。それゆえ、マップコンポーネントは、上述されるような、訓練結合マップの修正されたバージョン及び特定の量子コンピューティングシステムの結合マップの間の新しい類似度スコアを計算し得る。そのような新しい類似度スコアが閾値類似度スコアを満たす場合であれば、調整コンポーネントは、ＱＭＬモデルの現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であると結論付け得る。対照的に、そのような新しい類似度スコアが閾値類似度スコアを満たすことに失敗する場合であれば、調整コンポーネントは、ＱＭＬモデルの現在修正中のコピー／複製が特定の量子コンピューティングシステム上でまだ実行可能でないと結論付け得る。
【0087】
任意の場合において、調整コンポーネントは、ＱＭＬモデルの現在修正中のコピー／複製が特定の量子コンピューティングシステム上で実行可能であるか否かをチェックし得る。その現在修正中のコピー／複製がまだ特定の量子コンピューティングシステム上で実行可能でない場合、調整コンポーネントは、コピー／複製から、残っているｂ－１個の論理量子ビットのうち現在最も低い／最も小さい量子ビットスコアを有するものどれでも除去／削除し得（例えば、新しい最小得点の論理量子ビット上で動作するあらゆる量子ゲートを除去／削除し得）それによって現在修正中のコピー／複製がｂ－２個の論理量子ビットを有するようにする（例えば、ここで、ｂ－２＞０である）。
【0088】
このように、調整コンポーネントは、ＱＭＬモデルを複製すること；及び複製の何らかの残るものが特定の量子コンピューティングシステム上で実行可能であるようになるまで、量子ビットスコアの順序で複製から論理量子ビットを反復的に除去／破棄することによって、特定の量子コンピューティングシステムに対応するＱＭＬモデルの調整されたバージョンを生成し得る。
【0089】
調整コンポーネントに関係する上記の例は、非限定的である。様々な実施形態において、調整コンポーネントは、変数重要度スコアが増大する順序で、一度に（例えば、各反復において）１又は複数の量子ゲート及び／又は１又は複数の論理量子ビットをＱＭＬモデルから除去することによって、ＱＭＬモデルの調整された／修正されたバージョンを作成し得る。様々な他の実施形態において、調整コンポーネントは、ランダム順序で、一度に（例えば、各反復において）１又は複数の量子ゲート及び／又は１又は複数の論理量子ビットをＱＭＬモデルから除去することによって、ＱＭＬモデルの調整された／修正されたバージョンを作成し得る。
【0090】
任意の場合において、マップコンポーネントによってコンピューティングされた類似度スコアのいずれもが閾値類似度スコアを満たさない場合、調整コンポーネントは、量子コンピューティングシステムヴォールト内の各量子コンピューティングシステムのための１又は複数のＱＭＬモデルの調整されたバージョンを生成し得、それによって、それぞれヴォールト内の量子コンピューティングシステムに対応するＱＭＬモデルの一組の調整されたバージョンをもたらす。
【0091】
様々な実施形態において、調整コンポーネントは更に、ＱＭＬモデルの一組の調整されたバージョンに基づいて、及び／又はテストデータに基づいて、一組の正確性レベルを電子的に生成し得る。より具体的には、上で言及されるように、テストデータは、一組の入力量子状態及びそれぞれ対応する一組の出力量子状態を含み得、ここでは、出力量子状態が、入力量子状態に対するそれぞれのグラウンドトゥルースであると考えられ得る。更に、上で言及されるように、ＱＭＬモデルの各調整されたバージョンは、ヴォールト内の量子コンピューティングシステムに対応する（例えば、これ上で実行可能である）と考えられ得る。
【0092】
したがって、様々な態様において、ＱＭＬモデルの各調整されたバージョンについて、調整コンポーネントは、（１）ＱＭＬモデルの調整されたバージョンに対応する（例えば、実行することが可能であるとしてチェックされた）量子コンピューティングシステムを特定し；（２）テストデータから入力量子状態及び対応する出力量子状態を選択し；（３）選択された入力量子状態を用いて、特定された量子コンピューティングシステムを初期化し；（４）ＱＭＬモデルの調整されたバージョンを特定された及び初期化された量子コンピューティングシステム上で実行し、それによって結果として生じる量子状態をもたらし；（５）結果として生じる量子状態及び選択された出力量子状態の間の差分を計算し；（６）テストデータの全てが使用されるまで、（２）～（５）を繰り返し、それによって一組の計算された差分をもたらし；及び／又は（７）一組の計算された差分に基づいて、ＱＭＬモデルの調整されたバージョンに対する正確性スコア（例えば、実数値のスカラ）を計算し得る。正確性スコアは、そのような一組の計算された差分の任意の好適な関数であり得る。非限定的な例として、正確性スコアは、一組の計算された差分の平均値（例えば、中間値）の逆数に基づき得、それにより、正確性スコアの値／大きさは、一組の計算された差分の平均値が減少するにつれて増加し得る。
【0093】
このように、調整コンポーネントは、ＱＭＬモデルの各調整されたバージョンに対する正確性スコアを算出し得る。
【0094】
様々な実施形態において、最も高い及び／又は最良の正確性スコアを有するＱＭＬモデルの調整されたバージョンが存在し得、及び様々な態様において、コンピュータ化されたツールの選択コンポーネントは、そのような最も正確なＱＭＬモデルの調整されたバージョンに対応する（例えば、それを実行することが可能であるとしてチェックされた）量子コンピューティングシステムどれでも電子的に選択し得る。２又はそれより多くのＱＭＬモデルの調整されたバージョンが最も高い／最良の正確性スコアを有する場合であれば、選択コンポーネントは、そのような２又はそれより多くのＱＭＬモデルの調整されたバージョンに対応する量子コンピューティングシステムを電子的に特定し得、任意の好適な優先順位の順序に従って、そのような量子コンピューティングシステムの中から選択し得る（例えば、そのような量子コンピューティングシステムのうち利用可能であり及び／又は最も低いキュー時間を有するものどれでも選択し得、そのような量子コンピューティングシステムのうち最も長いコヒーレンス時間及び／又は最も小さいノイズ／エラーレベルを有するものどれでも選択し得る）。
【0095】
そのような場合において、コンピュータ化されたツールの実行コンポーネントは、電子メッセージを電子的に生成し、任意の好適なコンピューティングデバイスに伝送し、及び／又は任意の好適なコンピュータスクリーン上に視覚的にディスプレイ／レンダリングし得、ここで、電子メッセージは、ヴォールト内の量子コンピューティングシステムのいずれもＱＭＬモデル（例えば、ＱＭＬモデルの元の変更されていないバージョン）に適切でないことを示し得る。しかし、様々な態様において、電子メッセージは更に、選択された量子コンピューティングシステムが、最も高い／最良の正確性スコアを有するＱＭＬモデルの調整されたバージョンに適切であることを示し得る。
【0096】
いくつかの事例において、アクセスコンポーネントは更に、ＱＭＬモデルによって、分析されることが望ましいユーザ提供の量子状態初期化にアクセスし得る。様々な場合において、実行コンポーネントは、ユーザ提供の量子状態初期化を用いて選択された量子コンピューティングシステムを初期化し；初期化された選択された量子コンピューティングシステム上で、最も高い／最良の正確性スコアを有するＱＭＬモデルの調整されたバージョンを実行し、それによって結果として生じる量子状態をもたらし；及び／又は結果として生じる量子状態を任意の好適なコンピュータスクリーン上にディスプレイし及び／又は任意の好適なコンピューティングデバイスに伝送し得る。
【0097】
したがって、本明細書で説明される様々な実施形態は、一組の量子コンピューティングシステムからのどの１つが所与のＱＭＬモデルに最も適切であるかを特定／決定し得るコンピュータ化されたツールであると考えられ得る。本明細書で説明されるように、そのようなコンピュータ化されたツールは、一組の量子コンピューティングシステムの結合マップを所与のＱＭＬモデルがその上で訓練された特定の結合マップとそれぞれ比較することによるそのような特定／決定を促進し得る。様々な事例において、トポロジ的に一致する結合マップが見つけられない場合であっても、コンピュータ化されたツールは、様々な一組の量子コンピューティングシステム上で実行可能であるＱＭＬモデルの様々な調整された／緩和されたバージョンを生成し得、コンピュータ化されたツールは、そのような調整された／緩和されたバージョンのうちどれが最も正確であるのか（例えば、どの調整された／緩和されたバージョンが十分に高いパフォーマンスを示すのか）を特定／決定し得る。
【0098】
本明細書で説明される様々な実施形態は、ハードウェア及び／又はソフトウェアを使用して、本質的に高度に技術的であり（例えば、結合マップ比較を介した量子システム選択を促進すること）、抽象的でなく、人間によって精神的な活動のセットとして実行されることができない問題を解決するために利用され得る。更に、実行されるプロセスのいくつかは、専用コンピュータ（例えば、量子機械学習モデルを実行／実装し得る量子コンピュータ）によって実行され得る。様々な態様において、本明細書で説明される様々な実施形態に関連付けられたいくつかの定義されたタスクは、少なくとも１つのプロセッサに動作可能に連結されたデバイスによって量子機械学習モデルにアクセスすること；デバイスによって、一組の量子コンピューティングシステムから、量子機械学習モデルのための量子コンピューティングシステムを、量子コンピューティングシステムの第１結合マップ及び量子機械学習モデルがその上で訓練された第２結合マップの間の比較に基づいて、特定すること；及び／又はデバイスによって、量子機械学習モデル又は量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行することを備え得る。様々な事例において、そのような定義されたタスクは更に、デバイスによって、第１結合マップとトポロジ的に一致せず且つ第１結合マップのいずれのサブグラフともトポロジ的に一致しない第２結合マップを決定すること；デバイスによって、量子機械学習モデルと関連付けられている一組の変数重要度スコアにアクセスすること；及び／又はデバイスによって、一組の変数重要度スコアに基づいて、量子機械学習モデルを調整し、それによって、量子機械学習モデルの調整されたバージョンをもたらすこと、ここで、デバイスは、量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行するように構成されている、を備え得る。
【0099】
人間の精神もペン及び紙を有する人間も、ＱＭＬモデル及び一組の量子コンピュータに電子的にアクセスし、（例えば、サブグラフマッチングメトリックの演算を介して）量子コンピュータの結合マップを、ＱＭＬモデルがその上で訓練された特定の結合マップと電子的に比較し；（例えば、変数重要度スコアの順序で、ＱＭＬモデルから量子ゲート及び／又は論理量子ビットを除去することによって）ＱＭＬモデルを電子的に調整し、量子コンピュータのうちの１つの上でＱＭＬモデルの調整されたバージョンを電子的に実行することができない。代わりに、そのような定義されたタスクは、コンピュータ技術と本来的に且つ密接に関連付けられており、コンピューティング環境の外部で実装され得ない。結局、量子コンピュータは、情報を処理するための物理量子ビット（例えば、トランスモン等の超伝導量子ビット）を利用するコンピューティングハードウェアの専門的なピースである。物理量子ビットは、人間の精神によって又はペン及び紙を有する人間によって実装され得ない。更に、ＱＭＬモデルは、量子コンピュータ上で実行され得且つその内部パラメータが訓練を通じて反復的に学習され得る量子ゲートのシーケンスであり得る。人間の精神もペン及び紙を有する人間も、物理量子ビット上で量子回路を実行することができない。したがって、ＱＭＬモデルがその上で訓練された結合マップと量子コンピュータの結合マップを比較し得る、ＱＭＬモデルから量子ゲート及び／又は論理量子ビットを除去し得る、及び／又は量子コンピュータ上でＱＭＬモデルを実行し得るコンピュータ化されたツールは、本来コンピュータ化されており、且つコンピュータなしでの任意の実用的な、実践可能な、又は合理的な方法で実装され得ない。
【0100】
様々な事例において、本明細書で説明される１又は複数の実施形態は、本明細書で説明された教示を実際の適用に統合し得る。上で言及されるように、所与のＱＭＬモデルの実行のための量子コンピューティングシステムを選択するための既存の技法は、量子ビットの総数等の、過度に単純化したヒューリスティクスに依拠する。上で説明されるように、そのような過度に単純化したヒューリスティクスは、不適切な量子コンピューティングシステムを選択する傾向がある（例えば、許容可能な態様において所与のＱＭＬモデルを実行し得ない量子コンピュータを選択する傾向がある）。この重要な技術的問題に対処するために、本発明者は結合マップ比較に基づいて量子コンピューティングシステムを選択するための技法を案出した。より具体的には、そのような技法は、（例えば、サブグラフマッチングメトリックを介して、）ＱＭＬモデルがその上で訓練された特定の結合マップと量子コンピューティングシステムの結合マップを比較することを備え得る。量子コンピューティングシステムが、結合マップ又はそのサブグラフが所与のＱＭＬモデルがその上で訓練された特定の結合マップとトポロジ的に一致するように見られる場合、そのような量子コンピューティングシステムは、ＱＭＬモデルに適切である（例えば、そのような量子コンピューティングシステムが、ＱＭＬモデルに含まれるエンタングリングゲートをサポートし得る）と考えられ得る。対照的に、その結合マップ又はそのサブグラフが所与のＱＭＬモデルがその上で訓練された特定の結合マップとトポロジ的に一致する量子コンピューティングシステムが存在しない場合、そのような技法は更に、（例えば、変数重要度スコアの順序でＱＭＬモデルから量子ゲート及び／又は論理量子ビットを反復的に除去／削除することによって、）量子コンピューティングシステムのそれぞれの上で実行可能である、ＱＭＬモデルの様々な調整された／緩和されたバージョンを作成すること、及びテストランを行って、そのような調整された／緩和されたバージョンのうちどれが最も正確であるか（例えば、最も不正確でないか）を特定／決定することを備え得る。したがって、本明細書で説明される技法は、一組の量子コンピューティングシステムのうちどれの上で所与のＱＭＬモデル（及び／又は所与のＱＭＬモデルの調整された／緩和されたバージョン）が実行されるべきなのかを特定し得る。そのような技法は、結合マップ比較を活用し得るので、そのような技法は、過度に単純化したヒューリスティクスに依拠する技法あるいは試行錯誤の技法に依拠する既存の技法とは対照的に、不適切な量子コンピューティングシステムを特定する可能性がはるかに少なくあり得る。これは、量子システムの分野における具体的及び有形の技術的改善である。少なくともこれらの理由により、本明細書で説明される様々な実施形態は、コンピュータの有用で実用的な適用を確実に構成する。
【0101】
図面及び本明細書における開示は、様々な実施形態の非限定的な例を説明することが認識されたい。更に、図面が必ずしも縮尺に従って描画されていないことが認識されたい。
【0102】
図１は、本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進し得る非限定的なシステム１００の例のブロック図を示す。示されるように、量子コンピューティング選択システム１０２は、任意の好適な有線及び／又はワイヤレス電気接続を介して、量子コンピューティングシステムヴォールト１０４に、量子機械学習モデル１０６（以降「ＱＭＬモデル１０６」）に、訓練結合マップ１０８に、一組の変数重要度スコア１１０に、及び／又はテストデータ１１２に電子的に統合され得る。
【0103】
様々な実施形態において、量子コンピューティングシステムヴォールト１０４は、任意の好適な量子コンピューティングシステムの、集中型及び／又は非集中型の集合体、集中型及び／又は非集中型の一組、集中型及び／又は非集中型のグループ、集中型及び／又は非集中型の倉庫、及び／又は集中型及び／又は非集中型のウェアハウスであり得る。様々な他の実施形態において、量子コンピューティングシステムヴォールト１０４は、様々な量子コンピューティングシステムに関係する及び／又はそれを説明する電子情報（例えば、メタデータ）を格納する任意の好適な集中型及び／又は非集中型データベースであり得る。任意の場合において、量子コンピューティングシステムヴォールト１０４内の各量子コンピューティングシステムは、それぞれの結合マップに対応し得る。これは更に、図２に関して説明される。
【0104】
図２は、本明細書で説明される１又は複数の実施形態に係る、量子コンピューティングシステムヴォールト１０４の非限定的なブロック図２００の例を示す。示されるように、量子コンピューティングシステムヴォールト１０４は、様々な態様において、一組の量子コンピューティングシステム２０２及び／又は一組の結合マップ２０４を含み得る。
【0105】
様々な事例において、一組の量子コンピューティングシステム２０２は、任意の好適な正の整数ｎについて、ｎ個の量子コンピューティングシステム：量子コンピューティングシステム２０２（１）から量子コンピューティングシステム２０２（ｎ）までを含み得る。様々な場合において、一組の量子コンピューティングシステム２０２の各々は、任意の好適な量子コンピューティングアーキテクチャ及び／又は量子コンピューティング構造を示し得る。例えば、量子コンピューティングシステム２０２（１）は、任意の好適な数の任意の好適なタイプの量子ビット（例えば、トランスモン等の超伝導量子ビット）を有し得、そのような量子ビットは、任意の好適な微細加工及び／又はナノ加工技法（例えば、フォトリソグラフィー、堆積、エッチング、ダブルアングル蒸着）に従って製造され得、及び／又はそのような量子ビットは、任意の好適な方法／配置／トポロジにおいて共に接続／結合され得る。別の例として、量子コンピューティングシステム２０２（ｎ）は、同様に、任意の好適な数の任意の好適なタイプの量子ビットを有し得、そのような量子ビットは、任意の好適な微細加工及び／又はナノ加工技法に従って製造され得、及び／又はそのような量子ビットは、任意の好適な方法／配置／トポロジにおいて共に接続／結合され得る。様々な場合において、一組の量子コンピューティングシステム２０２のうち異なるものは、互いに同じ及び／又は異なる数／タイプの量子ビットを有し得、互いに同じ及び／又は異なる製造技法に従って製造され得、及び／又は互いに同じ及び／又は異なる接続トポロジを示し得る。
【0106】
様々な態様において、一組の結合マップ２０４は、一組の量子コンピューティングシステム２０２にそれぞれ（例えば、１対１の方法で）対応し得る。したがって、一組の量子コンピューティングシステム２０２がｎ個の量子コンピューティングシステムを含み得るため、一組の結合マップ２０４は、ｎ個の結合マップ：結合マップ２０４（１）から結合マップ２０４（ｎ）までを含み得る。様々な事例において、一組の結合マップ２０４の各々は、一組の量子コンピューティングシステム２０２のうちそれぞれ対応する１つの接続トポロジを表す及び／又は説明するグラフデータ構造であり得る。例えば、結合マップ２０４（１）は、量子コンピューティングシステム２０２（１）に対応し得る。すなわち、結合マップ２０４（１）は、頂点及びエッジを含むグラフデータ構造であり得、そのような頂点の各々は、量子コンピューティングシステム２０２（１）内の量子ビットのうちそれぞれ対応する１つを表し得、及び／又はそのようなエッジの各々は、量子コンピューティングシステム２０２（１）内のそれぞれ対応する量子ビット間接続を表し得る。いくつかの場合において、結合マップ２０４（１）は、重み付けされていないグラフデータ構造であり得る。しかし、他の場合において、結合マップ２０４（１）は、重み付けされたグラフデータ構造であり得る。実際に、そのような場合において、結合マップ２０４（１）の頂点及び／又はエッジは、量子ビットの任意の好適なプロパティ及び／又は属性及び／又は量子コンピューティングシステム２０２（１）の量子ビット間接続に従って重み付けされ得る。重み付けのために使用され得るプロパティ／属性の非限定的な例は、量子コンピューティングシステム２０２（１）内の量子ビットの遷移周波数、量子コンピューティングシステム２０２（１）内の量子ビットのデコヒーレンス時間、量子コンピューティングシステム２０２（１）内の量子ビットの緩和時間、量子コンピューティングシステム２０２（１）内の量子ビットのノイズレベル、量子コンピューティングシステム２０２（１）内の量子ビットのエラー率、量子コンピューティングシステム２０２（１）内の量子ビットのフィデリティ、及び／又は量子コンピューティングシステム２０２（１）内のカプラのエンタグルメント強度を含み得る。
【0107】
別の例として、結合マップ２０４（ｎ）は、量子コンピューティングシステム２０２（ｎ）に対応し得る。よって、結合マップ２０４（ｎ）は、頂点及びエッジを含むグラフデータ構造であり得、そのような頂点の各々は、量子コンピューティングシステム２０２（ｎ）内の量子ビットのうちそれぞれ対応する１つを表し得、及び／又はそのようなエッジの各々は、量子コンピューティングシステム２０２（ｎ）内のそれぞれ対応する量子ビット間接続を表し得る。まさに上記のように、いくつかの場合において、結合マップ２０４（ｎ）は、重み付けされていないグラフデータ構造であり得る。しかし、他の場合において結合マップ２０４（ｎ）は、重み付けされたグラフデータ構造であり得る。上で言及されるように、そのような場合において、結合マップ２０４（ｎ）の頂点及び／又はエッジは、量子ビットの任意の好適なプロパティ及び／又は属性及び／又は量子コンピューティングシステム２０２（ｎ）の量子ビット間接続に従って重み付けされ得る。重み付けのために使用され得るそのようなプロパティ／属性の非限定的な例は、量子コンピューティングシステム２０２（ｎ）内の量子ビットの遷移周波数、量子コンピューティングシステム２０２（ｎ）内の量子ビットのデコヒーレンス時間、量子コンピューティングシステム２０２（ｎ）内の量子ビットの緩和時間、量子コンピューティングシステム２０２（ｎ）内の量子ビットのノイズレベル、量子コンピューティングシステム２０２（ｎ）内の量子ビットのエラー率、量子コンピューティングシステム２０２（ｎ）内の量子ビットのフィデリティ、及び／又は量子コンピューティングシステム２０２（ｎ）内のカプラのエンタグルメント強度を含み得る。
【0108】
図１に戻って参照すると、様々な実施形態において、ＱＭＬモデル１０６は、任意の好適な数の量子ビット（例えば、論理量子ビット）上で集合的に動作する直列及び／又は並列の量子ゲートの任意の好適なシーケンスで構成される、任意の好適なパラメータ化された量子回路であり得る。様々な態様において、ＱＭＬモデル１０６の内部パラメータは、機械学習（例えば、教師あり及び／又は教師なし訓練）のための任意の好適な訓練プロセスを通じて反復的に取得され得る。様々な態様において、ＱＭＬモデル１０６は、量子コンピューティングシステムヴォールト１０４内にあっても及び／又はなくてもよい任意の好適な量子コンピューティングシステム上で訓練され得る。いくつかの場合において、ＱＭＬモデル１０６を訓練した量子コンピューティングシステムは、量子コンピューティングシステムヴォールト１０４内にあり得るが、そのような量子コンピューティングシステムは、利用不可であり得る（例えば、コンシューマによって占有され得及び／又は量子ビットバーンアウトに起因して一時的にオフラインであり得る）。
【0109】
様々な事例において、訓練結合マップ１０８は、ＱＭＬモデル１０６がその上で訓練されたその特定の量子コンピューティングシステムの接続トポロジを表す及び／又は説明するグラフデータ構造であり得る。すなわち、訓練結合マップ１０８は、頂点及びエッジを含むグラフデータ構造であり得、そのような頂点の各々は、ＱＭＬモデル１０６がその上で訓練された特定の量子コンピューティングシステム内の量子ビットのうちそれぞれ対応する１つを表し得、及び／又はそのようなエッジの各々は、ＱＭＬモデル１０６がその上で訓練された特定の量子コンピューティングシステム内のそれぞれ対応する量子ビット間接続を表し得る。まさに上記のように、訓練結合マップ１０８は、いくつかの場合において、重み付けされていないグラフデータ構造であり得る。他の場合において、訓練結合マップ１０８は、重み付けされたグラフデータ構造であり得る。すなわち、訓練結合マップ１０８の頂点及び／又はエッジは、量子ビットの任意の好適なプロパティ、属性、及び／又はパラメータ及び／又はＱＭＬモデル１０６がその上で訓練された特定の量子コンピューティングシステムの量子ビット間接続に従って重み付けされ得る。そのようなプロパティ、属性、及び／又はパラメータの非限定的な例は、遷移周波数、デコヒーレンス時間、緩和時間、ノイズレベル、エラー率、フィデリティ、及び／又はエンタグルメント強度を含み得る。
【0110】
様々な実施形態において、一組の変数重要度スコア１１０は、一組の実数値のスカラであり得、一組の実数値のスカラの各々は、ＱＭＬモデル１０６によって、利用される量子ゲート及び／又は論理量子ビットの重要度の相対的レベルを表す及び／又は説明し得る。これは更に、図３に関して説明される。
【0111】
【0112】
様々な実施形態において、示されるように、ＱＭＬモデル１０６は、一組の論理量子ビット３０２及び／又は一組の量子ゲート３０４を含み得る。様々な態様において、一組の論理量子ビット３０２は、任意の好適な正の整数ｍについて、ｍ個の量子ビット：論理量子ビット３０２（１）から論理量子ビット３０２（ｍ）までを含み得る。様々な事例において、これは、ＱＭＬモデル１０６が２ｍの次元を有する量子状態で動作するように構成されていてよいことを意味し得る。様々な場合において、一組の量子ゲート３０４は、任意の好適な正の整数ｌについて、ｌ個のゲート：量子ゲート３０４（１）から量子ゲート３０４（ｌ）までを含み得る。様々な態様において、上で言及されるように、量子ゲートは、任意の好適なシングル量子ビットの量子ゲート及び／又は任意の好適な２量子ビットの量子ゲートであり得る。そのような量子ゲートの非限定的な例は、パウリＸゲート、パウリＹゲート、パウリＺゲート、位相ゲート、アダマールゲート、制御ＮＯＴゲート、制御位相ゲート、制御Ｚゲート、及び／又は回転ゲートを含み得る。任意の場合において、一組の量子ゲート３０４は、一組の論理量子ビット３０２上で集合的に動作するために、任意の好適な方法で（例えば、互いに直列及び／又は並列で）配置され得る。
【0113】
様々な態様において、示されるように、一組の変数重要度スコア１１０は、一組の量子ビットスコア３０６及び／又は一組のゲートスコア３０８を含み得る。様々な事例において、一組の量子ビットスコア３０６は、一組の論理量子ビット３０２にそれぞれ（例えば、１対１の方法で）対応し得る。したがって、一組の論理量子ビット３０２がｍ個の量子ビットを含み得るため、一組の量子ビットスコア３０６は、ｍ個のスコア：量子ビットスコア３０６（１）から量子ビットスコア３０６（ｍ）までを含み得る。様々な場合において、一組の量子ビットスコア３０６の各々は、その大きさがＱＭＬモデル１０６の機能性及び／又は運用性に対する一組の論理量子ビット３０２のうちそれぞれ対応する１つの重要度の相対的レベルを表す及び／又は示す実数値のスカラであり得る。例えば、量子ビットスコア３０６（１）は、論理量子ビット３０２（１）に対応し得、これは、量子ビットスコア３０６（１）が、その値が、ＱＭＬモデル１０６の機能性／運用性を促進するために一組の論理量子ビット３０２内の他の論理量子ビットと相対的に論理量子ビット３０２（１）がどの程度重要であるか及び／又はどの程度重要でないかを示す実数値のスカラであり得ることを意味する（例えば、量子ビットスコア３０６（１）のより高い値は、論理量子ビット３０２（１）がＱＭＬモデル１０６にとって重要度がより高いことを示し得、その一方で、量子ビットスコア３０６（１）のより低い値は、論理量子ビット３０２（１）がＱＭＬモデル１０６にとって重要度がより低いことを示し得る）。別の例として、量子ビットスコア３０６（ｍ）は、論理量子ビット３０２（ｍ）に対応し得、これは、量子ビットスコア３０６（ｍ）が、その値が、ＱＭＬモデル１０６の機能性／運用性を促進するために一組の論理量子ビット３０２内の他の論理量子ビットと相対的に論理量子ビット３０２（ｍ）がどの程度重要であるか及び／又はどの程度重要でないかを示す実数値のスカラであり得ることを意味する（例えば、量子ビットスコア３０６（ｍ）のより高い値は、論理量子ビット３０２（ｍ）がＱＭＬモデル１０６にとって重要度がより高いことを示し得、その一方で、量子ビットスコア３０６（ｍ）のより低い値は、論理量子ビット３０２（ｍ）がＱＭＬモデル１０６にとって重要度がより低いことを示し得る）。
【0114】
同様に、様々な態様において、一組のゲートスコア３０８は、一組の量子ゲート３０４とそれぞれ（例えば、１対１の方法で）対応し得る。よって、一組の量子ゲート３０４がｌ個のゲートを含み得るため、一組のゲートスコア３０８は、ｌ個のスコア：ゲートスコア３０８（１）からゲートスコア３０８（ｌ）までを含み得る。様々な事例において、一組のゲートスコア３０８の各々は、その大きさがＱＭＬモデル１０６の機能性及び／又は運用性に対する一組の量子ゲート３０４のうちそれぞれ対応する１つの重要度の相対的レベルを表す及び／又は示す実数値のスカラであり得る。例えば、ゲートスコア３０８（１）は、量子ゲート３０４（１）に対応し得、これは、ゲートスコア３０８（１）が、その値が、ＱＭＬモデル１０６の機能性／運用性を促進するために一組の量子ゲート３０４内の他の量子ゲートと相対的に量子ゲート３０４（１）がどの程度重要であるか及び／又はどの程度重要でないかを示す実数値のスカラであり得ることを意味する（例えば、ゲートスコア３０８（１）のより高い値は、量子ゲート３０４（１）がＱＭＬモデル１０６にとって重要度がより高いことを示し得、その一方で、ゲートスコア３０８（１）のより低い値は、量子ゲート３０４（１）がＱＭＬモデル１０６にとって重要度がより低いことを示し得る）。別の例として、ゲートスコア３０８（ｌ）は、量子ゲート３０４（ｌ）に対応し得、これは、ゲートスコア３０８（ｌ）が、その値が、ＱＭＬモデル１０６の機能性／運用性を促進するために一組の量子ゲート３０４内の他の量子ゲートと相対的に量子ゲート３０４（ｌ）がどの程度重要であるか及び／又はどの程度重要でないかを示す実数値のスカラであり得ることを意味する（例えば、ゲートスコア３０８（ｌ）のより高い値は、量子ゲート３０４（ｌ）がＱＭＬモデル１０６にとって重要度がより高いことを示し得、その一方で、ゲートスコア３０８（ｌ）のより低い値は、量子ゲート３０４（ｌ）がＱＭＬモデル１０６にとって重要度がより低いことを示し得る）。
【0115】
様々な実施形態において、一組の変数重要度スコア１１０は、任意の好適な量子回路分析技法を介して生成され得る。非限定的な例として、単変量フィッシャースコアは、ＱＭＬモデル１０６について計算され得、一組の変数重要度スコア１１０は、そのような単変量フィッシャースコアに等しくあり得る及び／あるいは基づき得る。別の非限定的な例として、ローカルスコープシャープレイ値は、ＱＭＬモデル１０６について計算され得、一組の変数重要度スコア１１０は、そのようなローカルスコープシャープレイ値に等しくあり得る及び／あるいは基づき得る。更に別の非限定的な例として、ＱＭＬモデル１０６の入力変数に関するＱＭＬモデル１０６の学習可能パラメータの標準が計算され得、一組の変数重要度スコア１１０は、そのような標準に等しくあり得る及び／あるいは基づき得る。
【0116】
図１に戻って参照すると、様々な実施形態において、テストデータ１１２は、様々な入力された量子状態及び様々なそれぞれ対応する出力された量子状態を表していると考えられ得る。これは更に、図４に関して説明される。
【0117】
【0118】
示されるように、テストデータ１１２は、一組の入力された量子状態４０２及び／又は一組の出力された量子状態４０４を含み得る。様々な態様において、一組の入力された量子状態４０２は、任意の好適な正の整数ｋについて、ｋ個の量子状態：入力された量子状態４０２（１）から入力された量子状態４０２（ｋ）までを含み得る。様々な事例において、一組の出力された量子状態４０４は、一組の入力された量子状態４０２にそれぞれ（例えば、１対１の方法で）対応し得る。したがって、一組の入力された量子状態４０２がｋ個の量子状態を含み得るため、一組の出力された量子状態４０４は、同様に、ｋ個の量子状態：出力された量子状態４０４（１）から出力された量子状態４０４（ｋ）までを含み得る。様々な場合において、一組の入力された量子状態４０２の各々及び／又は一組の出力された量子状態４０４の各々は、２ｍの次元を有するベクトルであり得る。様々な態様において、一組の出力された量子状態４０４は、一組の入力された量子状態４０２に対応するとして知られる及び／あるいはみなされるグラウンドトゥルースであると考えられ得る。例えば、出力された量子状態４０４（１）は、入力された量子状態４０２（１）に対応するとして知られる／みなされるグラウンドトゥルースであり得る。同様に出力された量子状態４０４（ｋ）は、入力された量子状態４０２（ｋ）に対応するとして知られる／みなされるグラウンドトゥルースであり得る。
【0119】
本明細書における開示は、主に、一組の入力された量子状態４０２の各々が一組の出力された量子状態４０４の各々と同じサイズ／次元を有する様々な実施形態を説明するが、これは、例示及び／又は説明を容易にするための単なる非限定的な例である。様々な態様において、出力された量子状態は、対応する入力された量子状態と比べて異なるサイズ／次元を有し得る。例えば、いくつかの場合において、入力された量子状態４０２（１）は、２ｍの次元を有し得、出力された量子状態４０４（１）は、２ｑの次元を有し得る、ここで、ｑ≠ｍ（例えば、ｑ＜ｍ）である。すなわち、ＱＭＬモデル１０６が生成するように構成されている出力は、いくつかの場合において、ＱＭＬモデル１０６が受け取るように構成されている入力と比べて異なるサイズ／次元を有し得る。
【0120】
図１に戻って参照すると、量子コンピューティングシステムヴォールト１０４からのどの量子コンピューティングシステムがＱＭＬモデル１０６に適切であるかを決定することが望ましい場合がある。本明細書で説明されるように、量子コンピューティング選択システム１０２は、訓練結合マップ１０８、一組の変数重要度スコア１１０、及び／又はテストデータ１１２に基づいて、そのような決定を促進し得る。
【0121】
様々な実施形態において、量子コンピューティング選択システム１０２は、プロセッサ１１４（例えば、コンピュータ処理ユニット、マイクロプロセッサ）及びプロセッサ１１４に動作可能に接続及び／又は連結された非一時的コンピュータ可読メモリ１１６を備え得る。メモリ１１６は、プロセッサ１１４による実行時に、プロセッサ１１４及び／又は量子コンピューティング選択システム１０２の他のコンポーネント（例えば、アクセスコンポーネント１１８、マップコンポーネント１２０、調整コンポーネント１２２、選択コンポーネント１２４、及び／又は実行コンポーネント１２６）に１又は複数の動作を実行させ得るコンピュータ実行可能命令を格納し得る。様々な実施形態において、メモリ１１６は、コンピュータ実行可能コンポーネント（例えば、アクセスコンポーネント１１８、マップコンポーネント１２０、調整コンポーネント１２２、選択コンポーネント１２４、及び／又は実行コンポーネント１２６）を格納し得、プロセッサ１１４は、コンピュータ実行可能コンポーネントを実行し得る。
【0122】
様々な実施形態において、量子コンピューティング選択システム１０２は、アクセスコンポーネント１１８を備え得る。様々な態様において、アクセスコンポーネント１１８は、任意の好適な方法で、量子コンピューティングシステムヴォールト１０４に電子的にアクセスし得、それにより、量子コンピューティング選択システム１０２は、一組の量子コンピューティングシステム２０２を電子的に初期化、電子的にアクティブ化（例えば、パワーアップ）、電子的に非アクティブ化（例えば、パワーダウン）、及び／あるいは電子的に制御／アクセスし得る。更に、様々な事例において、アクセスコンポーネント１１８は、任意の好適なデータ構造から及び／又は任意の好適なコンピューティングデバイスから、ＱＭＬモデル１０６、訓練結合マップ１０８、一組の変数重要度スコア１１０、及び／又はテストデータ１１２を電子的に受け取る、読み出す、取得する、インポートし得る及び／あるいはアクセスし得る。例えば、ユーザデバイス（例えば、ユーザのラップトップコンピュータ、ユーザのデスクトップコンピュータ、及び／又はユーザのスマートフォン）は、ＱＭＬモデル１０６、訓練結合マップ１０８、一組の変数重要度スコア１１０、及び／又はテストデータ１１２をアクセスコンポーネント１１８に電子的に伝送し得る。任意の場合において、アクセスコンポーネント１１８は、量子コンピューティングシステムヴォールト１０４、ＱＭＬモデル１０６、訓練結合マップ１０８、一組の変数重要度スコア１１０、及び／又はテストデータ１１２に電子的にアクセスする（例えば、それからデータ及び／又はプログラム命令を送る及び／又は受け取る）ことができ、その結果、量子コンピューティング選択システム１０２の他のコンポーネントは、量子コンピューティングシステムヴォールト１０４、ＱＭＬモデル１０６、訓練結合マップ１０８、一組の変数重要度スコア１１０、及び／又はテストデータ１１２と電子的に相互作用し得る。
【0123】
様々な実施形態において、量子コンピューティング選択システム１０２は更に、マップコンポーネント１２０を備え得る。様々な態様において、本明細書で説明されるように、マップコンポーネント１２０は、量子コンピューティングシステムヴォールト１０４に基づいて及び／又は訓練結合マップ１０８に基づいて、一組の結合マップ類似度スコアを生成し得る。
【0124】
様々な実施形態において、量子コンピューティング選択システム１０２は更に、調整コンポーネント１２２を備え得る。様々な事例において、本明細書で説明されるように、調整コンポーネント１２２は、一組の結合マップ類似度スコアに基づいて、一組の変数重要度スコア１１０に基づいて、及び／又はテストデータ１１２に基づいて、ＱＭＬモデル１０６の一組の調整されたバージョンを生成し得る。
【0125】
様々な実施形態において、量子コンピューティング選択システム１０２は更に、選択コンポーネント１２４を備え得る。様々な場合において、本明細書で説明されるように、選択コンポーネント１２４は、一組の結合マップ類似度スコアに基づいて及び／又はＱＭＬモデル１０６の一組の調整されたバージョンに基づいて、量子コンピューティングシステムヴォールト１０４から、ＱＭＬモデル１０６に適切である量子コンピューティングシステムを選択／特定し得る。
【0126】
様々な実施形態において、量子コンピューティング選択システム１０２は更に、実行コンポーネント１２６を備え得る。様々な態様において、本明細書で説明されるように、実行コンポーネント１２６は、ＱＭＬモデル１０６、及び／又はＱＭＬモデル１０６の調整されたバージョンを、選択された量子コンピューティングシステム上で実行し得る。
【0127】
図５は、本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進し得る一組の結合マップ類似度スコアを含む非限定的なシステム５００の例のブロック図を示す。示されるように、システム５００は、いくつかの場合において、システム１００と同じコンポーネントを備え得、更に、一組の結合マップ類似度スコア５０２を備え得る。
【0128】
様々な実施形態において、マップコンポーネント１２０は、量子コンピューティングシステムヴォールト１０４に基づいて及び／又は訓練結合マップ１０８に基づいて、一組の結合マップ類似度スコア５０２を電子的に生成し得る。様々な態様において、一組の結合マップ類似度スコア５０２は、訓練結合マップ１０８に関して、一組の結合マップ２０４のそれぞれがどの程度類似するのか及び／又はどの程度似ていないのかを示していると考えられ得る。これは更に、図６～図７に関して説明される。
【0129】
【0130】
様々な実施形態において、図６に示されるように、一組の結合マップ類似度スコア５０２は、一組の結合マップ２０４にそれぞれ（例えば、１対１の方法で）対応し得る。したがって、一組の結合マップ２０４がｎ個のマップを含み得るので、一組の結合マップ類似度スコア５０２は、ｎ個のスコア；類似度スコア５０２（１）から類似度スコア５０２（ｎ）までを含み得る。
【0131】
様々な態様において、マップコンポーネント１２０は、訓練結合マップ１０８を一組の結合マップ２０４のそれぞれと比較することによって、一組の結合マップ類似度スコア５０２を生成し得る。
【0132】
例えば、示されるように、類似度スコア５０２（１）は、結合マップ２０４（１）に対応し得る。したがって、マップコンポーネント１２０は、結合マップ２０４（１）を訓練結合マップ１０８と比較することによって、類似度スコア５０２（１）を計算し得る。より具体的には、類似度スコア５０２（１）は、その継続的に変動する及び／又は離散的に変動する大きさが、結合マップ２０４（１）が訓練結合マップ１０８とどの程度類似する及び／又はどの程度似ていないかを示す、表す、及び／あるいは伝え得る実数値のスカラであり得る。更により具体的には、マップコンポーネント１２０は、結合マップ２０４（１）及び訓練結合マップ１０８の間の任意の好適なサブグラフマッチングメトリックを計算することによって、類似度スコア５０２（１）を生成し得る。
【0133】
上で言及されるように、サブグラフマッチングメトリックは、グラフ理論からの任意の好適な機能及び／又は任意の好適なアルゴリズムであり得、その機能／アルゴリズムは、引数として、２つのグラフを取り得、互いに２つの入力されたグラフがどの程度遠く離れているかを表す（例えば、頂点及びエッジの配置が２つの入力されたグラフの間でどの程度異なるのかを表す、及び／又は頂点／エッジプロパティが２つの入力されたグラフの間でどの程度異なるのかを表す）スカラを結果として生成し得る。非限定的な例として、サブグラフマッチングメトリックは、グロモフ・ハウスドルフ距離であり得る。別の非限定的な例として、サブグラフマッチングメトリックは、マンハッタン距離であり得る。更に別の非限定的な例として、サブグラフマッチングメトリックは、グラフ編集距離であり得る。更に別の非限定的な例として、サブグラフマッチングメトリックは、Ｍｉｎ／Ｍａｘ類似度尺度であり得る。様々な場合において、２つのグラフの間の類似度の程度は、そのような２つのグラフの間のサブグラフマッチングメトリックの大きさが増加するにつれて減少し得る（例えば、そのような増大したサブグラフマッチングメトリックは、２つのグラフの間のより長い距離を示し得、これは、より低い類似度及びより高い不同性を意味し得る）。
【0134】
それゆえ、様々な態様において、マップコンポーネント１２０は、結合マップ２０４（１）及び訓練結合マップ１０８の間のサブグラフマッチングメトリック（例えば、グロモフ・ハウスドルフ距離、マンハッタン距離、グラフ編集距離）を計算し得、マップコンポーネント１２０は、そのようなサブグラフマッチングメトリックに基づいて、類似度スコア５０２（１）を算出し得る。いくつかの事例において、類似度スコア５０２（１）は、サブグラフマッチングメトリックに等しくあり得る。そのような場合において、結合マップ２０４（１）及び訓練結合マップ１０８の間の類似度の程度は、類似度スコア５０２（１）の値／大きさが増加するにつれて減少し得る。他の事例において、類似度スコア５０２（１）は、サブグラフマッチングメトリックの任意の他の好適な数学的関数であり得る。例えば、類似度スコア５０２（１）は、サブグラフマッチングメトリックの逆数に基づき得る。そのような場合において、結合マップ２０４（１）及び訓練結合マップ１０８の間の類似度の程度は、類似度スコア５０２（１）の値／大きさが増加するにつれて増加し得る。任意の場合において、類似度スコア５０２（１）は、（量子ビットの配置、量子ビット間接続の配置、量子ビットのプロパティ／重み、及び／又は量子ビット間接続のプロパティ／重みの観点から）結合マップ２０４（１）が訓練結合マップ１０８と比較してどの程度類似するのか及び／又はどの程度似ていないのかを示し得る。
【0135】
図５に示される別の例として、類似度スコア５０２（ｎ）は、結合マップ２０４（ｎ）に対応し得る。したがって、マップコンポーネント１２０は、結合マップ２０４（ｎ）を訓練結合マップ１０８と比較することによって、類似度スコア５０２（ｎ）を計算し得る。まさに上記のように、類似度スコア５０２（ｎ）は、その継続的に変動する及び／又は離散的に変動する大きさが、結合マップ２０４（ｎ）が訓練結合マップ１０８とどの程度類似する及び／又はどの程度似ていないかを示す、表す、及び／あるいは伝え得る実数値のスカラであり得る。上述もされるように、マップコンポーネント１２０は、結合マップ２０４（ｎ）及び訓練結合マップ１０８の間の任意の好適なサブグラフマッチングメトリック（例えば、グロモフ・ハウスドルフ距離、マンハッタン距離、グラフ編集距離、Ｍｉｎ／Ｍａｘ類似度尺度）を計算することによって、類似度スコア５０２（ｎ）を生成し得、マップコンポーネント１２０は、そのようなサブグラフマッチングメトリックに基づいて、類似度スコア５０２（ｎ）を算出し得る。いくつかの事例において、類似度スコア５０２（ｎ）は、サブグラフマッチングメトリックに等しくあり得る。そのような場合において、結合マップ２０４（ｎ）及び訓練結合マップ１０８の間の類似度の程度は、類似度スコア５０２（ｎ）の値／大きさが増加するにつれて減少し得る。他の事例において、類似度スコア５０２（ｎ）は、サブグラフマッチングメトリックの任意の他の好適な数学的関数であり得る。例えば、類似度スコア５０２（ｎ）は、サブグラフマッチングメトリックの逆数に基づき得る。そのような場合において、結合マップ２０４（ｎ）及び訓練結合マップ１０８の間の類似度の程度は、類似度スコア５０２（ｎ）の値／大きさが増加するにつれて増加し得る。任意の場合において、類似度スコア５０２（ｎ）は、（量子ビットの配置、量子ビット間接続の配置、量子ビットのプロパティ／重み、及び／又は量子ビット間接続のプロパティ／重みの観点から）結合マップ２０４（ｎ）が訓練結合マップ１０８と比較してどの程度類似するのか及び／又はどの程度似ていないのかを示し得る。
【0136】
図面において明示的に示されていないが、任意の好適な閾値類似度スコアが存在し得る。様々な態様において、閾値類似度スコアは、任意の２つの結合マップの間のトポロジカルな一致を示す及び／あるいは画定し得る。より具体的には、任意の２つの結合マップの間の類似度の程度が、そのような２つの結合マップの間のサブグラフマッチングメトリックが増加するにつれて減少し得るので、閾値類似度スコアは、最小限の及び／又は最小化されたサブグラフマッチングメトリックに対応する類似度スコアの何らかの値／大きさに等しくあり（及び／あるいはそれに基づき）得る。非限定的な例として、閾値類似度スコアは、ゼロのグロモフ・ハウスドルフ距離を示す何らかの類似度スコア値に等しくあり得る。別の非限定的な例として、閾値類似度スコアは、ゼロのマンハッタン距離を示す何らかの類似度スコア値に等しくあり得る。更に別の非限定的な例として、閾値類似度スコアは、ゼロのグラフ編集距離を示す何らかの類似度スコア値に等しくあり得る。しかし、これらは、単なる非限定的な例である。様々な他の場合において、閾値類似度スコアは、サブグラフマッチングメトリックの任意の好適な事前決定された値に対応する類似度スコアの何らかの値／大きさに等しくあり（及び／あるいはそれに基づき）得る。非限定的な例として、閾値類似度スコアは、任意の好適な、事前定義された、非ゼロのグロモフ・ハウスドルフ距離を示す何らかの類似度スコア値に等しくあり得る。別の非限定的な例として、閾値類似度スコアは、任意の好適な、事前定義された、非ゼロのマンハッタン距離を示す何らかの類似度スコア値に等しくあり得る。更に別の非限定的な例として、閾値類似度スコアは、任意の好適な、事前定義された、非ゼロのグラフ編集距離を示す何らかの類似度スコア値に等しくあり得る。
【0137】
これらの場合のいずれかにおいて、２つの結合マップの間の類似度スコアが閾値類似度スコアを満たす場合、（ｉ）２つの結合マップが互いにトポロジ的に一致する；又は（ｉｉ）２つの結合マップのうち一方の少なくとも１つのサブグラフが２つの結合マップのうち他方とトポロジ的に一致すると結論付けられ得る。対照的に、２つの結合マップの間の類似度スコアが閾値類似度スコアを満たすことに失敗する場合、（ｉｉｉ）２つの結合マップが互いにトポロジ的に一致しない；及び（ｉｖ）２つの結合マップのいずれかのサブグラフが２つの結合マップのうち他方とトポロジ的に一致しないと結論付けられ得る。
【0138】
したがって、マップコンポーネント１２０は、一組の結合マップ２０４の各々のための類似度スコア（例えば、５０２の１つ）を計算し得、そのような類似度スコアは、閾値類似度スコアを満たす又は満たすことに失敗するのいずれかであり得る。例えば、類似度スコア５０２（１）が閾値類似度スコアを満たす場合、結合マップ２０４（１）が、訓練結合マップ１０８と同じ（又は十分に類似する）量子ビットの配置及び量子ビット間接続を有し、及び／又は同じ（又は十分に類似する）量子ビットプロパティ及び／又は量子ビット間接続プロパティを有すると結論付けられ得る。これは、ＱＭＬモデル１０６が、変化なしで、修正なしで、及び／あるいは元々訓練されている状態で、量子コンピューティングシステム２０２（１）上で正確に実行され得ることを意味し得る。すなわち、量子コンピューティングシステム２０２（１）は、ＱＭＬモデル１０６に適切であると考えられ得る。その一方で、類似度スコア５０２（１）が閾値類似度値を満たすことに失敗する場合、結合マップ２０４（１）が、訓練結合マップ１０８と同じ（又は十分に類似する）量子ビットの配置及び量子ビット間接続を有さず、及び／又は同じ（又は十分に類似する）量子ビットプロパティ及び量子ビット間接続プロパティを有さないと結論付けられ得る。これは、ＱＭＬモデル１０６が、変化なしで、修正なしで、及び／あるいは元々訓練されている状態で、量子コンピューティングシステム２０２（１）上で正確に実行され得ないことを意味し得る。すなわち、量子コンピューティングシステム２０２（１）は、ＱＭＬモデル１０６に不適切であると考えられ得る。
【0139】
別の例として、類似度スコア５０２（ｎ）が閾値類似度値を満たす場合、結合マップ２０４（ｎ）が、訓練結合マップ１０８と同じ（又は十分に類似する）量子ビットの配置及び量子ビット間接続を有し、及び／又は同じ（又は十分に類似する）量子ビットプロパティ及び量子ビット間接続プロパティを有すると結論付けられ得る。これは、ＱＭＬモデル１０６が、変化なしで、修正なしで、及び／あるいは元々訓練されている状態で、量子コンピューティングシステム２０２（ｎ）上で正確に実行され得ることを意味し得る。すなわち、量子コンピューティングシステム２０２（ｎ）は、ＱＭＬモデル１０６に適切であると考えられ得る。その一方で、類似度スコア５０２（ｎ）が閾値類似度値を満たすことに失敗する場合、結合マップ２０４（ｎ）が、訓練結合マップ１０８と同じ（又は十分に類似する）量子ビットの配置及び量子ビット間接続を有さず、及び／又は同じ（又は十分に類似する）量子ビットプロパティ及び量子ビット間接続プロパティを有さないと結論付けられ得る。これは、ＱＭＬモデル１０６が、変化なしで、修正なしで、及び／あるいは元々訓練されている状態で、量子コンピューティングシステム２０２（ｎ）上で正確に実行され得ないことを意味し得る。すなわち、量子コンピューティングシステム２０２（ｎ）は、ＱＭＬモデル１０６に不適切であると考えられ得る。
【0140】
図７は、そのような結合マップ比較を明確化することに役立つためのいくつかの非限定的な例を示す。図７に示されるように、４つの結合を有する５つの量子ビット（例えば、量子ビット７０６から量子ビット７１０まで）で構成された結合マップ７０１が存在し得、４つの結合を有する５つの量子ビット（例えば、量子ビット７１１から量子ビット７１５まで）で構成された結合マップ７０２が存在し得、２３個の結合を有する２０個の量子ビット（例えば、量子ビット７１６から量子ビット７３５まで）で構成された結合マップ７０３が存在し得、１２個の結合を有する１０個の量子ビット（例えば、量子ビット７３６から量子ビット７４５まで）で構成された結合マップ７０４が存在し得、及び／又は６つの結合を有する５つの量子ビット（例えば、量子ビット７４６から量子ビット７５０まで）で構成された結合マップ７０５が存在し得る。
【0141】
様々な態様において、類似度スコアが結合マップ７０１及び結合マップ７０２の間で計算される場合、そのような類似度スコアは、閾値類似度スコアを満たし得る。すなわち、結合マップ７０１及び結合マップ７０２の間で計算されたサブグラフマッチングメトリックは、結合マップ７０１のトポロジを結合マップ７０２のトポロジから分離する最小化された（例えば、ゼロの）距離を示し得る。それゆえ、（ｉ）結合マップ７０１は、結合マップ７０２とトポロジ的に一致する；又は（ｉｉ）結合マップ７０１は、結合マップ７０２のサブグラフとトポロジ的に一致すると結論付けられ得る。図７の具体的で非限定的な例において、オプション（ｉ）は、真であり得る（例えば、結合マップ７０１は、結合マップ７０２と同じ量子ビットの配置及び量子ビット間接続を有し得る）。
【0142】
様々な事例において、類似度スコアが結合マップ７０１及び結合マップ７０３の間で計算される場合、そのような類似度スコアもまた、閾値類似度スコアを満たし得る。すなわち、結合マップ７０１及び結合マップ７０３の間で計算されたサブグラフマッチングメトリックは、結合マップ７０１のトポロジを結合マップ７０３のトポロジから分離する最小化された（例えば、ゼロの）距離を示し得る。それゆえ、（ｉ）結合マップ７０１は、結合マップ７０３とトポロジ的に一致する；又は（ｉｉ）結合マップ７０１は、結合マップ７０３のサブグラフとトポロジ的に一致すると結論付けられ得る。図７の具体的で非限定的な例において、オプション（ｉｉ）は、真であり得る（例えば、結合マップ７０１は、量子ビット７１６、７１７、７１８、７２２及び７２１によって与えられたサブグラフ等の、結合マップ７０３のサブグラフと同じ量子ビットの配置及び量子ビット間接続を有し得る）。
【0143】
様々な場合において、類似度スコアが結合マップ７０１及び結合マップ７０４の間で計算される場合、そのような類似度スコアもまた、閾値類似度スコアを満たし得る。すなわち、結合マップ７０１及び結合マップ７０４の間で計算されたサブグラフマッチングメトリックは、結合マップ７０１のトポロジを結合マップ７０４のトポロジから分離する最小化された（例えば、ゼロの）距離を示し得る。それゆえ（ｉ）結合マップ７０１は、結合マップ７０４とトポロジ的に一致する；又は（ｉｉ）結合マップ７０１は、結合マップ７０４のサブグラフとトポロジ的に一致すると結論付けられ得る。図７の具体的で非限定的な例において、オプション（ｉｉ）は、真であり得る（例えば、結合マップ７０１は、量子ビット７３６、７３７、７３８、７４１及び７４２によって与えられたサブグラフ等の、結合マップ７０４のサブグラフと同じ量子ビットの配置及び量子ビット間接続を有し得る）。
【0144】
対照的に、類似度スコアが結合マップ７０１及び結合マップ７０５の間で計算される場合、そのような類似度スコアは、閾値類似度スコアを満たすことに失敗し得る。すなわち、結合マップ７０１及び結合マップ７０５の間で計算されたサブグラフマッチングメトリックは、結合マップ７０１のトポロジを結合マップ７０５のトポロジから分離する最小化されていない（例えば、非ゼロの）距離を示し得る。それゆえ、（ｉｉｉ）結合マップ７０１は、結合マップ７０５とトポロジ的に一致しない；又は（ｉｉ）結合マップ７０１は、結合マップ７０５のいずれのサブグラフともトポロジ的に一致しないと結論付けられ得る。
【0145】
任意の場合において、マップコンポーネント１２０は、量子コンピューティングシステムヴォールト１０４に基づいて及び／又は訓練結合マップ１０８に基づいて、一組の結合マップ類似度スコア５０２を生成し得る。なお、様々な場合において、一組の結合マップ類似度スコア５０２は、一組の量子コンピューティングシステム２０２にそれぞれ対応していると考えられ得る。例えば、類似度スコア５０２（１）は、結合マップ２０４（１）に対応し得、結合マップ２０４（１）は、量子コンピューティングシステム２０２（１）に対応し得る。同様に、類似度スコア５０２（ｎ）は、結合マップ２０４（ｎ）に対応し得、結合マップ２０４（ｎ）は、量子コンピューティングシステム２０２（ｎ）に対応し得る。
【0146】
本明細書における開示は、マップコンポーネント１２０が一組の量子コンピューティングシステム２０２の各々につき１つの類似度スコアを生成する様々な実施形態を主に説明するが、これは、例示／説明を容易にするための単なる非限定的な例である。様々な態様において、マップコンポーネント１２０は、一組の量子コンピューティングシステム２０２のうち１又は複数の量子コンピューティングシステムのための類似度スコアを生成することを避け得る。例えば、いくつかの事例において、マップコンポーネント１２０は、現時点で利用可能であり、現時点で実行されておらず、及び／あるいは現時点で占有されていない量子コンピューティングシステムのみのために類似度スコアを生成し得る。逆に、マップコンポーネント１２０は、現時点で利用不可であり、現時点で実行されており、及び／あるいは現時点で占有されている任意の量子コンピューティングシステムのための類似度スコアを生成することを避け得る。
【0147】
なお、いくつかの実施形態において量子コンピューティングシステムのいくつかの部分は、現時点で利用可能であり、現時点で実行されておらず、及び／あるいは現時点で占有されていないと考えられ得、量子コンピューティングシステムのいくつかの他の部分は、現時点で利用不可であり、現時点で実行されており、及び／あるいは現時点で占有されていると同時に考えられ得る。例えば、結合マップ７０３に対応する量子コンピューティングシステムを考える。したがって、そのような量子コンピューティングシステムは、２０個の量子ビット及び２３個の結合を有すると考えられ得る。その量子コンピューティングシステムの２０個の量子ビットの第１サブセットが現時点で利用不可であり、現時点で実行されており、及び／あるいは現時点で占有されていると仮定し、更に、その量子コンピューティングシステムの２０個の量子ビットの残りの部分が現時点で利用可能であり、現時点で実行されておらず、及び／あるいは現時点で占有されていないと仮定する。そのような場合において、マップコンポーネント１２０は、その量子コンピューティングシステムのための類似度スコアを計算する場合、量子コンピューティングシステムの第１サブセットを無視し得、量子コンピューティングシステムの残りの部分のみを考慮し得る。例えば、量子コンピューティングシステムの２０個の量子ビットのうち７個が現時点で利用不可であり、その量子コンピューティングシステムの２０個の量子ビットのうち残っている１３個が現時点で利用可能であると仮定する。そのような場合において、結合マップ７０３のための類似度スコアを計算する場合、マップコンポーネント１２０は、現時点で利用不可である７個の量子ビットを無視／度外視し得る（及び／又はそれら７個の量子ビットの結合を無視／度外視し得る）。代わりに、結合マップ７０３のための類似度スコアを計算する場合、マップコンポーネント１２０は、現時点で利用可能である１３個の量子ビットのみを考慮し得る（及び／又はそれら１３個の量子ビットの結合を考慮し得る）。
【0148】
図８は、本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進し得る、一組の調整された量子機械学習モデル及び／又は一組の正確性レベルを備える非限定的なシステム８００の例のブロック図を示す。示されるように、システム８００は、いくつかの場合において、システム５００と同じコンポーネントを備え得、更に、一組の調整された量子機械学習モデル８０２（以降「一組の調整されたＱＭＬモデル８０２」）及び／又は一組の正確性レベル８０４を備え得る。
【0149】
様々な実施形態において、一組の結合マップ類似度スコア５０２のいずれも閾値類似度スコアを満たさないこと（例えば、ＱＭＬモデル１０６が一組の量子コンピューティングシステム２０２のいずれもの上で適切に実行可能でない場合）に応じて、調整コンポーネント１２２は、一組の変数重要度スコア１１０に基づいて及び／又はテストデータ１１２に基づいて、一組の調整されたＱＭＬモデル８０２及び／又は一組の正確性レベル８０４を電子的に生成し得る。これは更に、図９～図１０に関して説明される。
【0150】
【0151】
様々な実施形態において、示されるように、一組の結合マップ類似度スコア５０２の各々が閾値類似度スコアを満たすことに失敗する場合、調整コンポーネント１２２は、量子コンピューティングシステムヴォールト１０４内の各量子コンピューティングシステムのための１又は複数のＱＭＬモデル１０６の調整されたバージョンを電子的に作成し得る。
【0152】
非限定的な例として、本明細書で説明されるように、調整コンポーネント１２２は、量子コンピューティングシステム２０２（１）上で実行可能である一組の調整されたモデル８０２（１）を生成し得る。様々な事例において、一組の調整されたモデル８０２（１）は、任意の好適な正の整数ｐについて、ｐ個の調整されたＱＭＬモデル：調整されたＱＭＬモデル８０２（１）（１）から調整されたＱＭＬモデル８０２（１）（ｐ）までを含み得る。様々な態様において、そのようなｐ個の調整されたＱＭＬモデルの各々は、量子コンピューティングシステム２０２（１）によってサポートされる及び／あるいはその上で実行可能されるＱＭＬモデル１０６の調整、編集、操作、及び／又は緩和されたバージョンであると考えられ得る。
【0153】
いくつかの場合において、調整コンポーネント１２２は、以下の、非限定的な反復法の例を使用して一組の調整されたモデル８０２（１）のいずれかを生成し得る。
【0154】
まず、様々な態様において、調整コンポーネント１２２は、（Ａ）ＱＭＬモデル１０６のコピーを作成し得る。
【0155】
次に、様々な事例において、調整コンポーネント１２２は、（Ｂ）そのようなコピーから、一組の量子ゲート３０４のうち残っている量子ゲートのうち最も低いゲートスコアを有するものどれでも、及び／又は一組の論理量子ビット３０２のうち残っている論理量子ビットのうち最も低い量子ビットスコアを有するものどれでも除去（例えば、削除）し得る。すなわち、動作（Ｂ）において、調整コンポーネント１２２は、変数重要度スコアが増大する順序で、ＱＭＬモデル１０６のコピーから、１又は複数の量子ゲート及び／又は１又は複数の論理量子ビットを除去し得る。しかし、これは、単なる非限定的な例である。他の実施形態において、調整コンポーネント１２２は、ランダム順序で、ＱＭＬモデル１０６のコピーから、１又は複数の量子ゲート及び／又は１又は複数の論理量子ビットを除去し得る。これらの場合のいずれかにおいて、調整コンポーネント１２２は、量子ゲート及び／又は論理量子ビットを除去／削除することによって、ＱＭＬモデル１０６の現在修正中のコピーを生成し得る。
【0156】
続いて、様々な場合において、調整コンポーネント１２２は、（Ｃ）そのような現在修正中のコピーが量子コンピューティングシステム２０２（１）上で実行可能であるかどうかをチェックし得る。ＱＭＬモデル１０６の現在修正中のコピーがまだ量子コンピューティングシステム２０２（１）上で実行可能でない場合、調整コンポーネント１２２は、動作（Ｂ）に戻り得る。その一方で、ＱＭＬモデル１０６の現在修正中のコピーが量子コンピューティングシステム２０２（１）上で実行可能である場合、調整コンポーネント１２２は、一組の調整されたモデル８０２（１）にＱＭＬモデル１０６のそのような現在修正中のコピーを記録／ロギングし得る。
【0157】
様々な実施形態において、調整コンポーネント１２２は、任意の好適な技法によって、動作（ｃ）において特定されたチェックを実行し得る（例えば、現在修正中のコピーが量子コンピューティングシステム２０２（１）上で実行可能であるかどうかをチェックし得る）。
【0158】
非限定的な例として、調整コンポーネント１２２は、ＱＭＬモデル１０６の現在修正中のコピーを量子コンピューティングシステム２０２（１）上で実行することを試みることによって、そのようなチェックを実行し得る。そのような試みられた実行が失敗する場合（例えば、そのような試みられた実行に応じて、量子コンピューティングシステム２０２（１）が少なくとも１つのコンパイルエラー及び／又は少なくとも１つのランタイムエラーを返す場合）、調整コンポーネント１２２は、ＱＭＬモデル１０６の現在修正中のコピーがまだ量子コンピューティングシステム２０２（１）上で実行可能でないと推測／決定し得る。その一方で、そのような試みられた実行が成功する場合（例えば、そのような試みられた実行に応じて、量子コンピューティングシステム２０２（１）が少なくとも１つのコンパイルエラー及び／又は少なくとも１つのランタイムエラーを返さない場合）、調整コンポーネント１２２は、代わりに、ＱＭＬモデル１０６の現在修正中のコピーが量子コンピューティングシステム２０２（１）上で実行可能であると推測／決定し得る。
【0159】
別の非限定的な例として、調整コンポーネント１２２は、ＱＭＬモデル１０６と相応に訓練結合マップ１０８を修正すること；及び結合マップ２０４（１）及びそのような訓練結合マップ１０８の修正されたバージョンの間の新しい類似度スコアを計算することによって、動作（Ｃ）において特定されたチェックを実行し得る。
【0160】
例えば、上で言及されるように、調整コンポーネント１２２は、動作（Ｂ）において、１又は複数の量子ゲート及び／又は１又は複数の論理量子ビットを除去することによって、ＱＭＬモデル１０６の現在修正中のコピーを作成し得る。様々な態様において、そのような量子ゲート及び／又は論理量子ビットの除去の後、ＱＭＬモデル１０６の現在修正されたバージョンによってもはや利用されない、訓練結合マップ１０８内の１又は複数の特定の量子ビット及び／又は１又は複数の特定の量子ビット間接続が存在する可能性があり得る。すなわち、ＱＭＬモデル１０６の現在修正されたバージョンの残っている量子ゲートのいずれもがその上で実行されない、訓練結合マップ１０８内の特定の量子ビット及び／又は特定の量子ビット間接続が存在し得る。更に言い換えれば、動作（Ｂ）におけるＱＭＬモデル１０６からの量子ゲート及び／又は論理量子ビットの除去は、使用されない、訓練結合マップ１０８のそれらの特定の量子ビット及び／又はそれらの特定の量子ビット間接続をレンダリングし得る。したがって、様々な態様において、調整コンポーネント１２２は、訓練結合マップ１０８から、それらの特定の現在使用されていない量子ビット及び／又はそれらの特定の現在使用されていない量子ビット間接続を除去し得、それによって訓練結合マップ１０８の修正されたバージョンをもたらす。
【0161】
このように、調整コンポーネント１２２は、ＱＭＬモデル１０６の現在修正中のコピーと同等である訓練結合マップ１０８の修正されたバージョンを生成し得る。様々な態様において、マップコンポーネント１２０は、上述されるように、訓練結合マップ１０８の修正されたバージョン及び結合マップ２０４（１）の間の新しい類似度スコアを計算し得る。そのような新しい類似度スコアが閾値類似度スコアを満たす場合（例えば、訓練結合マップ１０８の修正されたバージョンが結合マップ２０４（１）とトポロジ的に一致する又は結合マップ２０４（１）の任意のサブグラフとトポロジ的に一致する場合）であれば、調整コンポーネント１２２は、ＱＭＬモデル１０６の現在修正中のコピーが量子コンピューティングシステム２０２（１）上で実行可能であると推測／決定し得る。対照的に、そのような新しい類似度スコアが閾値類似度スコアを満たすことに失敗する場合（例えば、訓練結合マップ１０８の修正されたバージョンが結合マップ２０４（１）とトポロジ的に一致しない及び結合マップ２０４（１）のあらゆるサブグラフとトポロジ的に一致しない場合）であれば、調整コンポーネント１２２は、代わりに、ＱＭＬモデル１０６の現在修正中のコピーがまだ量子コンピューティングシステム２０２（１）上で実行可能でないと結論付け得る。
【0162】
別の非限定的な例として、本明細書で説明されるように、調整コンポーネント１２２は、量子コンピューティングシステム２０２（ｎ）上で実行可能である一組の調整されたモデル８０２（ｎ）を生成し得る。様々な事例において、一組の調整されたモデル８０２（ｎ）は、任意の好適な正の整数ｐについて、ｐ個の調整されたＱＭＬモデル：調整されたＱＭＬモデル８０２（ｎ）（１）から調整されたＱＭＬモデル８０２（ｎ）（ｐ）までを含み得る。まさに上記のように、そのようなｐ個の調整されたＱＭＬモデルの各々は、量子コンピューティングシステム２０２（ｎ）によってサポートされる及び／あるいはその上で実行可能されるＱＭＬモデル１０６の調整、編集、操作、及び／又は緩和されたバージョンであると考えられ得る。
【0163】
いくつかの場合において、上述されるのと同様に、調整コンポーネント１２２は、以下の非限定的な反復法の例を使用して一組の調整されたモデル８０２（ｎ）のいずれかを生成し得る。
【0164】
まず、まさに上記のように、調整コンポーネント１２２は、（Ａ）ＱＭＬモデル１０６のコピーを作成し得る。
【0165】
次に、まさに上記のように、調整コンポーネント１２２は、（Ｂ）変数重要度スコアが増大する順序で又はランダム順序のいずれかで、そのようなコピーから、１又は複数の量子ゲート及び／又は１又は複数の論理量子ビットを除去し得る。任意の場合において、調整コンポーネント１２２は、量子ゲート及び／又は論理量子ビットを除去／削除することによって、ＱＭＬモデル１０６の現在修正中のコピーを生成し得る。
【0166】
続いて、様々な場合において、調整コンポーネント１２２は、（Ｃ'）そのような現在修正中のコピーが量子コンピューティングシステム２０２（ｎ）上で実行可能であるかどうかをチェックし得る。ＱＭＬモデル１０６の現在修正中のコピーがまだ量子コンピューティングシステム２０２（ｎ）上で実行可能でない場合、調整コンポーネント１２２は、動作（Ｂ）に戻り得る。その一方で、ＱＭＬモデル１０６の現在修正中のコピーが量子コンピューティングシステム２０２（ｎ）上で実行可能である場合、調整コンポーネント１２２は、一組の調整されたモデル８０２（ｎ）にＱＭＬモデル１０６のそのような現在修正中のコピーを記録／ロギングし得る。
【0167】
上述されるのと同様に、調整コンポーネント１２２は、任意の好適な技法によって、動作（Ｃ'）において特定されたチェックを実行し得る（例えば、現在修正中のコピーが量子コンピューティングシステム２０２（ｎ）上で実行可能であるかどうかをチェックし得る）。非限定的な例として、調整コンポーネント１２２は、ＱＭＬモデル１０６の現在修正中のコピーを量子コンピューティングシステム２０２（ｎ）上で実行することを試みることによって、そのようなチェックを実行し得る。別の非限定的な例として、調整コンポーネント１２２は、ＱＭＬモデル１０６と相応に訓練結合マップ１０８を修正すること（例えば、訓練結合マップ１０８から、ＱＭＬモデル１０６の調整されたバージョンによってもはや利用されない任意の量子ビット及び／又は量子ビット間接続を除去すること）；及び結合マップ２０４（ｎ）及びそのような訓練結合マップ１０８の修正されたバージョンの間の新しい類似度スコアを計算することによって、そのようなチェックを実行し得る。
【0168】
任意の場合において、調整コンポーネント１２２は、量子コンピューティングシステムヴォールト１０４内の量子コンピューティングシステムの各々のための１又は複数のＱＭＬモデル１０６の調整されたバージョンを生成し得る。様々な態様において、調整されたＱＭＬモデル８０２（１）（１）から調整されたＱＭＬモデル８０２（ｎ）（ｐ）までは、一組の調整されたＱＭＬモデル８０２として集合的に考えられ得る。
【0169】
図９は、一組の調整されたモデル８０２（ｎ）を一組の調整されたモデル８０２（１）と同じ数のモデル（例えば、ｐ）を有するものとして示すが、これは、例示を容易にするための単なる非限定的な例である。様々な態様において、一組の調整されたモデル８０２（ｎ）は、一組の調整されたモデル８０２（１）と比べて異なる数のモデルを有し得る（例えば、異なる量子コンピューティングシステムが互いに同じ及び／又は異なる数の調整されたＱＭＬモデルに対応し得る）。
【0170】
【0171】
様々な実施形態において、一組の正確性レベル８０４は、一組の調整されたＱＭＬモデル８０２にそれぞれ（例えば、１対１の方法で）対応する一組の実数値のスカラであり得る。すなわち、調整コンポーネント１２２は、一組の調整されたＱＭＬモデル８０２の各々のための正確性レベルを計算及び／又は算出し得る。いくつかの場合において、調整コンポーネント１２２は、テストデータ１１２に基づいて、そのような正確性レベルを計算／算出し得る。
【0172】
例えば、正確性レベル８０４（１）（１）は、その大きさが、調整されたＱＭＬモデル８０２（１）（１）がどの程度よく（例えば、どの程度正確に、どの程度精度よく）実行し得るかを示す／表す実数値のスカラであり得る。様々な態様において、調整コンポーネント１２２は、（Ｉ）テストデータ１１２から、入力された量子状態及び対応する出力された量子状態を選択すること；（ＩＩ）選択された入力された量子状態を用いて量子コンピューティングシステム２０２（１）を初期化すること；（ＩＩＩ）そのような初期化の後に、調整されたＱＭＬモデル８０２（１）（１）を量子コンピューティングシステム２０２（１）上で実行し、それにより調整されたＱＭＬモデル８０２（１）（１）が結果として生じる量子状態を生成すること；（ＩＶ）結果として生じる量子状態及び選択された出力された量子状態の間の差分を計算すること；（Ｖ）テストデータ１１２内の入力された量子状態及び出力された量子状態のｋ個のペア全てについて（Ｉ）～（ＩＶ）を繰り返し、それによって合計ｋ個の計算された差分をもたらすこと；及び／又は（ＶＩ）そのようなｋ個の計算された差分に基づいて正確性レベル８０４（１）（１）を算出することによって、正確性レベル８０４（１）（１）を計算し得る。様々な場合において、正確性レベル８０４（１）（１）は、そのようなｋ個の計算された差分の平均値／中間値に等しくあり得る及び／あるいは基づき得る。様々な態様において、（Ｉ）～（ＩＶ）は、テストデータ１１２を使用した、量子コンピューティングシステム２０２（１）上での調整されたＱＭＬモデル８０２（１）（１）のテストランを実行することであると考えられ得、及び／又は（Ｉ）～（Ｖ）は、テストデータ１１２を使用した、量子コンピューティングシステム２０２（１）上での調整されたＱＭＬモデル８０２（１）（１）のｋ個のテストランを実行することであると考えられ得る。
【0173】
別の例として、正確性レベル８０４（１）（ｐ）は、その大きさが、調整されたＱＭＬモデル８０２（１）（ｐ）がどの程度よく（例えば、どの程度正確に、どの程度精度よく）実行し得るかを示す／表す実数値のスカラであり得る。まさに上記と同様に、調整コンポーネント１２２は、テストデータ１１２を使用して、量子コンピューティングシステム２０２（１）上で調整されたＱＭＬモデル８０２（１）（ｐ）のｋ個のテストランを行い、それによって一組のｋ個の計算された差分をもたらすこと；及びそのようなｋ個の計算された差分に基づいて、正確性レベル８０４（１）（ｐ）を算出することによって、正確性レベル８０４（１）（ｐ）を計算し得る。様々な場合において、正確性レベル８０４（１）（１）から正確性レベル８０４（１）（ｐ）までは、一組の正確性レベル８０４（１）と称され得る。
【0174】
更に別の例として、正確性レベル８０４（ｎ）（１）は、その大きさが、調整されたＱＭＬモデル８０２（ｎ）（１）がどの程度よく（例えば、どの程度正確に、どの程度精度よく）実行し得るかを示す／表す実数値のスカラであり得る。まさに上記と同様に、調整コンポーネント１２２は、テストデータ１１２を使用して、量子コンピューティングシステム２０２（ｎ）上で調整されたＱＭＬモデル８０２（ｎ）（１）のｋ個のテストランを行い、それによって一組のｋ個の計算された差分をもたらすこと；及びそのようなｋ個の計算された差分に基づいて、正確性レベル８０４（ｎ）（１）を算出することによって、正確性レベル８０４（ｎ）（１）を計算し得る。
【0175】
更に別の例として、正確性レベル８０４（ｎ）（ｐ）は、その大きさが、調整されたＱＭＬモデル８０２（ｎ）（ｐ）がどの程度よく（例えば、どの程度正確に、どの程度精度よく）実行し得るかを示す／表す実数値のスカラであり得る。まさに上記と同様に、調整コンポーネント１２２は、テストデータ１１２を使用して、量子コンピューティングシステム２０２（ｎ）上で調整されたＱＭＬモデル８０２（ｎ）（ｐ）のｋ個のテストランを行い、それによって一組のｋ個の計算された差分をもたらすこと；及びそのようなｋ個の計算された差分に基づいて、正確性レベル８０４（ｎ）（ｐ）を算出することによって、正確性レベル８０４（ｎ）（ｐ）を計算し得る。様々な場合において、正確性レベル８０４（ｎ）（１）から正確性レベル８０４（ｎ）（ｐ）までは、一組の正確性レベル８０４（ｎ）と称され得る。
【0176】
様々な態様において、正確性スコアは、占有されていない／利用可能である量子コンピューティングシステム上で算出され得、及び／又はその正確性スコアは、占有された／利用不可の量子コンピューティングシステム上で算出され得ない（例えば、テストランは、現時点で占有されている量子コンピューティングシステム上で実装／実行され得ない）。
【0177】
任意の場合において、調整コンポーネント１２２は、テストデータ１１２を活用して、ＱＭＬモデルの各調整されたバージョン１０６のための正確性スコアを算出し得る。
【0178】
図１１は、本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進し得る選択された量子コンピューティングシステムを備える非限定的なシステム１１００の例のブロック図を示す。示されるように、システム１１００は、いくつかの場合において、システム８００と同じコンポーネントを備え得、更に、選択された量子コンピューティングシステム１１０２を備え得る。
【0179】
様々な実施形態において、選択コンポーネント１２４は、一組の結合マップ類似度スコア５０２に基づいて及び／又は一組の正確性レベル８０４に基づいて、一組の量子コンピューティングシステム２０２の１つをＱＭＬモデル１０６に適切であるとして（及び／又はＱＭＬモデル１０６の調整されたバージョンに適切であるとして）電子的に選択、選出、及び／又は特定し得る。任意の場合において、そのような選択された、選出された、及び／又は特定された量子コンピューティングシステムは、選択された量子コンピューティングシステム１１０２と称され得る。
【0180】
非限定的な例として、選択された量子コンピューティングシステム１１０２は、一組の量子コンピューティングシステム２０２のうち閾値類似度スコアを満たす結合マップ類似度スコアを有するものどれでもよい。１つより多くのそのような量子コンピューティングシステムが存在する場合であれば、選択コンポーネント１２４は、そのような１つより多くの量子コンピューティングシステムの中から、任意の好適な優先順位の順序に従って選択／選出し得る。例えば、選択された量子コンピューティングシステム１１０２は、そのような１つより多くの量子コンピューティングシステムのうち現時点で利用可能である、現時点で占有されていない、及び／又は最も低いキュー時間を有するものどれでもよい。他の場合において、選択された量子コンピューティングシステム１１０２は、そのような１つより多くの量子コンピューティングシステムのうち最も小さい数の量子ビットを有するものどれでもよい。更に他の場合において、選択された量子コンピューティングシステム１１０２は、そのような１つより多くの量子コンピューティングシステムのうち最も高い量子ビットフィデリティ、最も高い量子ビットコヒーレンス時間、最も低い量子ビットノイズレベル、及び／又は最も低い量子ビットエラー率に関連付けられたものどれでもよい。更に他の場合において、選択された量子コンピューティングシステム１１０２は、そのような１つより多くの量子コンピューティングシステムのうち最も低い、最も安価な、及び／又は最も高価でない金銭的コスト（例えば、量子コンピューティングシステムを使用／占有するのに１時間当たり最も小さい金銭的価格）に関連付けられたものどれでもよい。
【0181】
様々な実施形態において、実行コンポーネント１２６は、電子メッセージを電子的に生成し得及び／又はそれを（例えば、不図示の任意の好適なコンピューティングデバイスに）伝送し得、そのような電子メッセージは、選択された量子コンピューティングシステム１１０２がＱＭＬモデル１０６に適切であることを示し得る。すなわち、電子メッセージは、ＱＭＬモデル１０６が選択された量子コンピューティングシステム１１０２上で正確に実行可能であること及び／あるいはそれによってサポートされることを示し得る。いくつかの場合において、電子メッセージは更に、選択された量子コンピューティングシステム１１０２に関係する任意の他の好適な情報（例えば、選択された量子コンピューティングシステム１１０２に関連付けられたキュー時間；選択された量子コンピューティングシステム１１０２に関連付けられた量子ビットノイズレベル；選択された量子コンピューティングシステム１１０２に関連付けられた量子ビットフィデリティ）を示し得る。
【0182】
様々な他の実施形態において、実行コンポーネント１２６は、選択された量子コンピューティングシステム１１０２上でＱＭＬモデル１０６を電子的に実行し得る。より具体的には、実行コンポーネント１２６は、任意の好適なユーザ提供の量子状態初期化を用いて選択された量子コンピューティングシステム１１０２を初期化し；及び／又はそのような初期化の後、選択された量子コンピューティングシステム１１０２上でＱＭＬモデル１０６を実行し、それによって結果として生じる量子状態をもたらし得る。いくつかの場合において、実行コンポーネント１２６は、結果として生じる量子状態を任意の他の好適なコンピューティングデバイスと電子的に共有し得る。
【0183】
別の非限定的な例として、一組の結合マップ類似度スコア５０２のいずれもが閾値類似度スコアを満たさない場合、選択コンポーネント１２４は、一組の調整されたＱＭＬモデル８０２のうちどれが最も高い／最良の正確性レベルを有するかを特定し得、選択された量子コンピューティングシステム１１０２は、一組の量子コンピューティングシステム２０２のうちそのようなＱＭＬモデル１０６の調整されたバージョンに対応する（例えば、実行することが可能であるとして調整コンポーネント１２２によってチェックされた）ものどれでもよい。まさに上記のように、１つより多くのそのような量子コンピューティングシステムが存在する場合であれば、選択コンポーネント１２４は、任意の好適な優先順位の順序に従って（例えば、可用性及び／又はキュー時間に従って、量子ビットフィデリティに従って、量子ビットノイズレベルに従って、及び／又は量子ビットエラー率に従って）そのような１つより多くの量子コンピューティングシステムの中から選択／選出し得る。
【0184】
様々な実施形態において、実行コンポーネント１２６は、電子メッセージを電子的に生成し得及び／又はそれを（例えば、不図示の任意の好適なコンピューティングデバイスに）伝送し得、そのような電子メッセージは、一組の量子コンピューティングシステム２０２のいずれもがＱＭＬモデル１０６（例えば、ＱＭＬモデル１０６の元の、変更されていないバージョン）に適切でないことを示し得る。様々な態様において、しかし、電子メッセージは更に、選択された量子コンピューティングシステム１１０２が最も高い／最良の正確性レベルを有するＱＭＬモデル１０６の調整されたバージョンに適切であることを示し得る。まさに上記のように、電子メッセージは更に、選択された量子コンピューティングシステム１１０２に関係する任意の他の好適な情報（例えば、選択された量子コンピューティングシステム１１０２に関連付けられたキュー時間；選択された量子コンピューティングシステム１１０２に関連付けられた量子ビットノイズレベル；選択された量子コンピューティングシステム１１０２に関連付けられた量子ビットフィデリティ）を示し得る。
【0185】
更に他の場合において、電子メッセージは、代わりに、そのような一組の量子コンピューティングシステム２０２、そのような複数の量子コンピューティングシステムに対応する複数の調整されたＱＭＬモデル、及び／又はそのような複数の調整されたＱＭＬモデルの正確性レベルのうち複数を示し得る。例えば、実行コンポーネント１２６は、様々な態様において、一組の量子コンピューティングシステム２０２から、（任意の好適な正の整数ｘ＜ｎについての）ｘ個の量子コンピューティングシステムを特定し得る。様々な態様において、そのようなｘ個の量子コンピューティングシステムのいくつかは、ＱＭＬモデル１０６自体に（例えば、ＱＭＬモデル１０６の元の、変更されていないバージョンに）対応し得、そのようなｘ個の量子コンピューティングシステムのうち他のものは、ＱＭＬモデル１０６の異なる調整されたバージョンに（例えば、トップの及び／又は最も正確なＱＭＬモデル１０６の調整されたバージョンに）に対応し得る。そのような場合において、そのようなｘ個の量子コンピューティングシステムの正確性レベル（及び／又はコヒーレンス時間、エラー率、ノイズレベル、及び／又は金銭的コスト等の任意の他の情報）は、実行コンポーネント１２６によって伝送され、レンダリングされ、及び／又は伝えられ得る。
【0186】
様々な他の実施形態において、実行コンポーネント１２６は、選択された量子コンピューティングシステム１１０２上で、選択された量子コンピューティングシステム１１０２に対応するＱＭＬモデルの調整されたバージョンどれでも電子的に実行し得る。すなわち、まさに上記のように、実行コンポーネント１２６は、任意の好適なユーザ提供の量子状態初期化を用いて選択された量子コンピューティングシステム１１０２を初期化し；及び／又は、そのような初期化の後、選択された量子コンピューティングシステム１１０２上でＱＭＬモデル１０６の調整されたバージョンを実行し、それによって結果として生じる量子状態をもたらし得る。再び、いくつかの場合において、実行コンポーネント１２６は、結果として生じる量子状態を任意の他の好適なコンピューティングデバイスと電子的に共有し得る。
【0187】
図１２～図１５は、本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進し得る、非限定的なコンピュータ実装方法１２００、１３００、１４００及び１５００の例のフロー図を示す。様々な場合において、量子コンピューティング選択システム１０２は、コンピュータ実装方法１２００、１３００、１４００及び／又は１５００を促進し得る。
【0188】
第１に、図１２を考える。様々な実施形態において、動作１２０２は、プロセッサに動作可能に連結されたデバイスによって（例えば、１１８を介して）、ＱＭＬモデル（例えば、１０６）、ＱＭＬモデルに関連付けられた訓練結合マップ（例えば、１０８）、ＱＭＬモデルに関連付けられた変数重要度スコア（例えば、１１０）、及び／又はＱＭＬモデルに関連付けられたテストデータ（例えば、１１２）にアクセスする段階を有し得る。いくつかの場合において、上で言及されるように、訓練結合マップは、ＱＭＬモデルがその上で訓練された特定の量子コンピューティングシステムの接続性トポロジを示し得る。
【0189】
様々な態様において、動作１２０４は、デバイスによって（例えば、１１８を介して）一組の量子コンピューティングシステム（例えば、２０２）にアクセスする段階を有し得る。
【0190】
様々な事例において、動作１２０６は、デバイスによって（例えば、１２０を介して）、その一組のうち量子コンピューティングシステムのいずれかがまだ結合マップ類似度スコアを有さないかどうかを決定する段階を有し得る。そうでない場合（例えば、あらゆる量子コンピューティングシステムが既に結合マップ類似度スコアを有する場合）、コンピュータ実装方法１２００は、コンピュータ実装方法１３００の動作１３０２に進み得る。その一方で、そうである場合（例えば、少なくとも１つの量子コンピューティングシステムがまだ結合マップ類似度スコアを有さない場合）、コンピュータ実装方法１２００は、動作１２０８に進み得る。
【0191】
様々な場合において、動作１２０８は、一組の量子コンピューティングシステムから、まだ結合マップ類似度スコアを有さない量子コンピューティングシステムを選択する段階を有し得る。様々な態様において、これは、任意の好適な選択の優先順位順序（例えば、可用性、キュー時間、量子ビットカウント、フィデリティ、ノイズレベル、エラー率）に基づき得る。
【0192】
様々な事例において、動作１２１０は、デバイスによって（例えば、１２０を介して）、選択された（例えば、１２０８において選択された）量子コンピューティングシステムの結合マップ（例えば、２０４の１つ）及び訓練結合マップの間の結合マップ類似度スコア（例えば、５０２の１つ）を計算する段階を有し得る。様々な場合において、これは、グロモフ・ハウスドルフ距離、マンハッタン距離、グラフ編集距離、及び／又はＭｉｎ／Ｍａｘ類似度尺度等の任意の好適なサブグラフマッチングメトリックに基づき得る。示されるように、コンピュータ実装方法１２００は、動作１２０６に戻り得る。
【0193】
なお、いくつかの場合において、デバイスは、その一組のうちの１又は複数の量子コンピューティングシステムのための、以前計算した１又は複数の結合マップ類似度スコアを有し得、そのような１又は複数の結合マップ類似度スコアは、コンピュータ化されたメモリに電子的に格納／記録されていてよい。そのような場合において、そのような以前算出された結合マップ類似度スコアは、デバイスによって、再計算される必要なく（例えば、デバイスは、そのような量子コンピューティングシステムのために動作１２０８～１２１０を反復処理する必要がなく）、再呼出し及び／又はクエリされ得る。しかし、所与の量子コンピューティングシステムが以前算出された結合マップ類似度スコアを有する場合であっても、所与の量子コンピューティングシステムがその以前の結合マップ類似度スコアが算出されてから変化していた／更新されていた場合（例えば、その所与の量子コンピューティングシステムの量子ビットの総数及び／又は量子ビットトポロジが変化していた／更新されていた場合、その所与の量子コンピューティングシステムの量子ビットプロパティ及び／又は量子ビット間接続プロパティが変化していた／更新されていた場合）、及び／又はその以前の結合マップ類似度スコアが算出されてから、ＱＭＬモデルが異なる量子コンピューティングシステム上で再訓練された場合、デバイスは、そのような所与の量子コンピューティングシステムのために結合マップ類似度スコアを再算出し得る（例えば、動作１２０８及び１２１０を反復処理し得る）。
【0194】
ここで、図１３を考える。様々な実施形態において、動作１３０２は、デバイスによって（例えば、１２４を介して）、その一組のうちいずれかの量子コンピューティングシステムが閾値（例えば、上で説明した閾値類似度スコア）を満たす結合マップ類似度スコアを有するかどうかを決定する段階を有し得る。上で説明されるように、そのような閾値は、最小化された及び／あるいは事前定義されたサブグラフマッチングメトリックを示す何らかの類似度スコア値／大きさに等しくあり得る及び／あるいは基づき得る。閾値を満たす結合マップ類似度スコアがない場合、コンピュータ実装方法１３００は、コンピュータ実装方法１４００の動作１４０２に進み得る。その一方で、少なくとも１つの結合マップ類似度スコアが閾値を満たす場合、コンピュータ実装方法１３００は、動作１３０４に進み得る。
【0195】
様々な態様において、動作１３０４は、デバイスによって（例えば、１２４を介して）、一組の量子コンピューティングシステムから、その結合マップ類似度スコアが閾値を満たす量子コンピューティングシステム（例えば、１１０２）を選択する段階を有し得る。様々な事例において、そのような選択は、１つより多くのそのような量子コンピューティングシステムが存在する場合、任意の好適な優先順位の順序に基づき（例えば、可用性、キュー時間、量子ビットカウント、フィデリティ、ノイズレベル、エラー率に基づき）得る。
【0196】
様々な場合において、動作１３０６は、デバイスによって（例えば、１２６を介して）、ユーザ提供の量子状態初期化が利用可能であるか及び／あるいは受け取られている／インポートされているかどうかを決定する段階を有し得る。そうでない場合、コンピュータ実装方法１３００は、動作１３１０に進み得る。その一方で、そうである場合、コンピュータ実装方法１３００は、動作１３０８に進み得る。
【0197】
様々な態様において、動作１３０８は、デバイスによって（例えば、１２６を介して）、ユーザ提供の量子状態初期化に基づいて、選択された（例えば、１３０４において選択された）量子コンピューティングシステム上でＱＭＬモデルを実行する段階を有し得る。
【0198】
様々な事例において、動作１３１０は、デバイスによって（例えば、１２６を介して）、選択された（例えば、１３０４において選択された）量子コンピューティングシステムがＱＭＬモデルに適切であることを示す電子メッセージを生成、伝送、及び／又はディスプレイする段階を有し得る。すなわち、電子メッセージは、ＱＭＬモデルが選択された量子コンピューティングシステム上で実行され得る及び／あるいはそれよってサポートされ得ることを示し得る。
【0199】
ここで、図１４を考える。様々な実施形態において、動作１４０２は、デバイスによって（例えば、１２２を介して）、それのためにＱＭＬモデルの調整されたバージョンがまだ作成及び／又は評価されていない量子コンピューティングシステムがその一組に存在するかどうかを決定する段階を有し得る。そうでない場合（例えば、ＱＭＬモデルの調整されたバージョンがその一組内のあらゆる量子コンピューティングシステムのために作成／評価されている場合）、コンピュータ実装方法１４００は、コンピュータ実装方法１５００の動作１５０２に進み得る。その一方で、そうである場合（例えば、それのためにＱＭＬモデルの調整されたバージョンがまだ作成及び／又は評価されていない、少なくとも１つの量子コンピューティングシステムがその一組に存在する場合）、コンピュータ実装方法１４００は、動作１４０４に進み得る。
【0200】
様々な態様において、動作１４０４は、デバイスによって（例えば、１２２を介して）、一組の量子コンピューティングシステムから、それためにＱＭＬモデルの調整されたバージョンがまだ作成／評価されていない量子コンピューティングシステムを選択する段階を有し得る。様々な事例において、そのような選択は、任意の好適な優先順位の順序に基づき得る（例えば、結合マップ類似度スコアが減少する順序であり得る）。
【0201】
様々な事例において、動作１４０６は、デバイスによって（例えば、１２２を介して）、選択された（例えば、１４０４において選択された）量子コンピューティングシステム上で実行可能である１又は複数のＱＭＬモデルの調整されたバージョン（例えば、一組の調整されたモデル８０２（ｎ））を生成する段階を有し得る。様々な場合において、これは、変数重要度スコアが増大する順序で及び／又はランダム順序で、ＱＭＬモデルから論理量子ビット及び／又は量子ゲートを反復的に除去することによって、促進され得る。
【0202】
様々な態様において、動作１４０８は、デバイスによって（例えば、１２２を介して）、１又は複数のＱＭＬモデルの調整されたバージョンの各々のための正確性レベル（例えば、一組の正確性レベル８０４（ｎ））を計算する段階を有し得る。様々な場合において、これは、テストデータに従って、選択された（例えば、１４０４において選択された）量子コンピューティングシステム上で１又は複数のＱＭＬモデルの調整されたバージョンの各々を実行することによって促進され得る。様々な場合において、示されるように、コンピュータ実装方法１４００は、動作１４０２に戻り得る。
【0203】
なお、いくつかの場合において、デバイスは、その一組のうち任意の特定の量子コンピューティングシステムのための以前生成された１又は複数のＱＭＬモデルの調整されたバージョンを有し得、そのような１又は複数の調整されたバージョンは、コンピュータ化されたメモリに電子的に格納／記録されていてよい。そのような場合において、そのような１又は複数の以前生成されたＱＭＬモデルの調整されたバージョンは、デバイスによって、スクラッチから再生成される必要なく（例えば、デバイスがそのような量子コンピューティングシステムのために動作１４０４～１４０８を反復処理する必要なく）、再呼出し及び／又はクエリされ得る。しかし、所与の量子コンピューティングシステムが以前生成されたＱＭＬモデルの調整されたバージョンに対応する場合であっても、所与の量子コンピューティングシステムがその以前のＱＭＬモデルの調整されたバージョンが生成されてから変化した／更新された場合（例えば、その所与の量子コンピューティングシステムの量子ビットの総数及び／又は量子ビットトポロジが変化していた／更新されていた場合、及び／又はその所与の量子コンピューティングシステムの量子ビットプロパティ及び／又は量子ビット間接続プロパティが変化していた／更新されていた場合）、及び／又はその以前の調整されたバージョンが生成されてから、ＱＭＬモデルが異なる量子コンピューティングシステム上で再訓練された場合、デバイスは、そのような所与の量子コンピューティングシステムのためにＱＭＬモデルの調整されたバージョンを再生成し得る（例えば、動作１４０４～１４０８を反復処理し得る）。
【0204】
ここで、コンピュータ実装方法１５００を考える。様々な実施形態において、動作１５０２は、デバイスによって（例えば、１２４を介して）、最も高い及び／又は最良の正確性レベル（例えば、８０４の１つ）を有するＱＭＬモデルの調整されたバージョン（例えば、８０２の１つ）を特定する段階を有し得る。様々な態様において、動作１５０２は更に、デバイスによって（例えば、１２４を介して）、一組の量子コンピューティングシステムから、特定されたＱＭＬモデルの調整されたバージョンがそのために作成された量子コンピューティングシステム（例えば、１１０２）（例えば、特定されたＱＭＬモデルの調整されたバージョンをサポート及び／又は実行し得る量子コンピューティングシステム）を特定する段階を有し得る。そのような特定／選択は、１つより多くのそのような量子コンピューティングシステムが存在する場合、任意の好適な優先順位の順序に基づき（例えば、可用性、キュー時間、量子ビットカウント、フィデリティ、ノイズレベル、エラー率に基づき）得る。
【0205】
様々な事例において、動作１５０４は、デバイスによって（例えば、１２６を介して）、ユーザ提供の量子状態初期化が利用可能であるか及び／あるいは受け取られている／インポートされているかどうかを決定する段階を有し得る。そうでない場合、コンピュータ実装方法１５００は、動作１５０８に進み得る。その一方で、そうである場合、コンピュータ実装方法１５００は、動作１５０６に進み得る。
【0206】
様々な態様において、動作１５０６は、デバイスによって（例えば、１２６を介して）、ユーザ提供の量子状態初期化に基づいて、特定されたＱＭＬモデルの調整されたバージョンを特定された（例えば、１５０２において特定された）量子コンピューティングシステム上で実行する段階を有し得る。
【0207】
様々な事例において、動作１５０８は、デバイスによって（例えば、１２６を介して）、一組の量子コンピューティングシステムのいずれもがＱＭＬモデルに適切でないことを示すが、特定された（例えば、１５０２において特定された）量子コンピューティングシステムが特定されたＱＭＬモデルの調整されたバージョンに適切であることも示す電子メッセージを生成、伝送、及び／又はディスプレイする段階を有し得る。すなわち、電子メッセージは、特定されたＱＭＬモデルの調整されたバージョンが特定された量子コンピューティングシステム上で実行され得る及び／あるいはサポートされ得ることを示し得る。
【0208】
【0209】
具体的には本発明者は、４つの入力特徴（例えば、ｓｅｐａｌ ｌｅｎｇｔｈ（がく辺の長さ）、ｓｅｐａｌ ｗｉｄｔｈ（がく辺の幅）、ｐｅｔａｌ ｌｅｎｇｔｈ（花弁の長さ）、ｐｅｔａｌ ｗｉｄｔｈ（花弁の幅））及び２つの出力クラス（例えば、ｖｅｒｓｉｃｏｌｏｒ（バージカラー）クラス及びｖｉｒｇｉｎｉｃａ（バージニカ）クラス）に伴う二項分類問題を考えた。様々な態様において、ＱＭＬモデルは、そのような二項分類問題を評価するために作成された。特に、図１６の符号１６０２によって示される特徴マップが作られ、そのような特徴マップは、反転テストを介して、図１６の符号１６０４によって示されるカーネル算出回路に変換された。様々な場合において、そのようなカーネル算出回路は、ＱＭＬモデルであると考えられ得る。様々な態様において、そのようなカーネル算出回路は、既知のテストデータセット上で実行され、カーネル算出回路は、９７％の正確性スコアを達成した。
【0210】
様々な事例において、制御Ｚゲートは、図１７の符号１７０２によって示されるように、特徴マップから除去された。そのような調整された特徴マップへの反転テストの適用は、図１７の符号１７０４によって示されるカーネル算出回路をもたらした。そのようなカーネル算出回路は、９７％の正確性スコアをもたらして、既知のテストデータセット上で実行された。
【0211】
様々な他の事例において、第２量子ビットは、図１８の符号１８０２によって示されるように、特徴マップから除去された。そのような調整された特徴マップへの反転テストの適用は、図１８の符号１８０４によって示されるカーネル算出回路をもたらした。そのようなカーネル算出回路は、６２％の正確性スコアをもたらして、既知のテストデータセット上で実行された。
【0212】
これらの実験結果は、調整コンポーネント１２２の機能性／パフォーマンスを検証するのに役立つ。すなわち、本発明者は、ＱＭＬモデルがいくつかの量子ゲート及び／又はいくつかの論理量子ビットの除去の後においても依然として十分な正確性を示し得るように、ＱＭＬモデルのパラメータ設定には、非ゼロ量の冗長性が存在する場合が多いことを理解した。実際に、上記の非限定的な例において示されるように、制御Ｚゲートの除去は、ＱＭＬモデルの正確性に影響しなかった一方で、第２量子ビットの除去は、ＱＭＬモデルがランダムと比べてより良好な（例えば、コイントスより良好な）正確性を有することを依然として可能にする。この正確性スコアにつながった訓練及び実行は、シングル量子システム上で実行された。
【0213】
様々な場合において、ユーザは、これらの結果を提供され得、そのような調整されたモデルのうちどれを実行／実行するべきかを決定し得る。例えば、カーネル１６０４を訓練及び／又は実行するために使用された量子コンピュータが利用不可である場合があり得る。カーネル１７０４を実行することが可能な量子コンピュータもまた利用不可である場合が更にあり得る。しかし、カーネル１８０４を実行することが可能な量子コンピュータが利用可能である場合があり得る。そのような事例において、ユーザは、６２％の正確性率がカーネル１８０４の実行を請け負うのに十分であるのか否かを決定し得る。ユーザの見解において６２％が十分に高い場合（例えば、モデルが、高い正確性が最も重要ではない、重要度の低いフィールド／文脈に関与する場合がある）、ユーザは、利用可能な量子コンピュータ上でカーネル１８０４を現在実行することを決定す得る。その一方で、ユーザの見解において６２％が十分に高くない場合（例えば、モデルが、高い正確性が最も重要である、重要度の高いフィールド／文脈に関与する場合がある）、ユーザは、カーネル１８０４を実行することを避けることを決定し得、代わりに、カーネル１６０４及び／又はカーネル１７０４を実行することが可能である量子コンピュータのために、キューにおいて待機することを選び得る。
【0214】
図１９は、本明細書で説明される１又は複数の実施形態に係る、結合マップ比較を介した量子システム選択を促進し得る非限定的なコンピュータ実装方法１９００の例のフロー図を示す。様々な場合において、量子コンピューティング選択システム１０２は、コンピュータ実装方法１９００を促進し得る。
【0215】
様々な実施形態において、動作１９０２は、プロセッサに動作可能に連結されたデバイスによって（例えば、１１８を介して）、ＱＭＬモデル（例えば、１０６）にアクセスする段階を有し得る。
【0216】
様々な態様において、動作１９０４は、デバイスによって（例えば、１２４を介して）、一組の量子コンピューティングシステム（例えば、２０２）から、量子機械学習モデルのための量子コンピューティングシステム（例えば、１１０２）を、量子コンピューティングシステムの第１結合マップ（例えば、２０４の１つ）及び量子機械学習モデルがその上で訓練された第２結合マップ（例えば、１０８）間の比較に基づいて、特定する段階を有し得る。
【0217】
様々な事例において、動作１９０６は、デバイスによって（例えば、１２６を介して）、量子機械学習モデル又は量子機械学習モデルの調整されたバージョン（例えば、８０２の１つ）を量子コンピューティングシステム上で実行する段階を有し得る。
【0218】
図１９において明示的に示されていないが、第１結合マップは、そのノードがそれぞれ量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ量子コンピューティングシステムの量子ビット間接続を表すグラフであり得、及び／又は第２結合マップは、そのノードがそれぞれ量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビットを表し且つそのエッジがそれぞれ量子機械学習モデルがその上で訓練された別の量子コンピューティングシステムの量子ビット間接続を表すグラフであり得る。更に、様々な場合において、コンピュータ実装方法１９００は更に、デバイスによって（例えば、１２０を介して）、サブグラフマッチングメトリックの演算を介して、第１結合マップ及び第２結合マップ間の比較を促進する段階を有し得る。いくつかの場合において、サブグラフマッチングメトリックは、第１結合マップ及び第２結合マップの間のグロモフ・ハウスドルフ距離又はマンハッタン距離であり得る。
【0219】
図１９において明示的に示されていないが、第２結合マップは、第１結合マップとトポロジ的に一致し得、又は第１結合マップのサブグラフとトポロジ的に一致し得る。そのような場合において、デバイスは、量子機械学習モデルを量子コンピューティングシステム上で実行するように構成されていてよい。
【0220】
図１９において明示的に示されていないが、第２結合マップは、第１結合マップとトポロジ的に一致することに失敗し得、及び第１結合マップのあらゆる／任意のサブグラフとトポロジ的に一致することに失敗し得る。そのような場合において、コンピュータ実装方法１９００は更に、デバイスによって（例えば、１１８を介して）、量子機械学習モデルと関連付けられている一組の変数重要度スコア（例えば、１１０）にアクセスする段階；及びデバイスによって（例えば、１２２を介して）、一組の変数重要度スコアに基づいて、量子機械学習モデルを調整し、それによって、量子機械学習モデルの調整されたバージョンをもたらす段階を備え得る。そのような場合において、デバイスは、量子機械学習モデルの調整されたバージョンを量子コンピューティングシステム上で実行するように構成されていてよい。図１９において明示的に示されていないが、コンピュータ実装方法１９００は更に、デバイスによって（例えば、１２２を介して）、１又は複数のテストランを介して（例えば、１１２に基づいて）、量子機械学習モデルの調整されたバージョンの正確性レベル（例えば、８０４の１つ）を決定する段階を備え得る。
【0221】
したがって、本明細書で説明される様々な実施形態は、結合マップ比較を介した量子システム選択を促進し得るコンピュータ化されたツールを含む。本明細書で説明されるように、そのようなコンピュータ化されたツールは、過度に単純化したヒューリスティクス及び又は試行錯誤の方法に依拠する既存の技法と比較して、ＱＭＬモデルが与えられる場合、適切な量子システムを選択／推奨する可能性がより高くあり得る。したがって、そのようなコンピュータ化されたツールは、量子コンピューティングシステムの分野における具体的で有形の技術的改善を確実に構成する。
【0222】
本明細書における開示は主に、パラメータ化された量子回路としてＱＭＬモデル１０６の様々な実施形態を説明するが、これは、例示／説明を容易にするための単なる非限定的な例である。様々な実施形態において、ＱＭＬモデル１０６は、任意の他の好適な量子人工知能アーキテクチャを示し得る（例えば、量子ニューラルネットワークであり得る）。
【0223】
本明細書における開示は主に、量子ビットを利用する量子コンピューティングシステムに関係するものとして様々な実施形態を説明するが、これは、説明を容易にするための単なる非限定的な例である。様々な実施形態において、本明細書で説明された教示は、量子ビット、量子トリット、及び／又は任意の好適な形態の量子ビットを含む任意の好適な量子コンピューティングシステムに適用され得る。
【0224】
本明細書における開示は主に、一組の結合マップ２０４を訓練結合マップ１０８と比較するものとしてマップコンポーネント１２０の様々な実施形態を説明するが、これは、例示／説明を容易にするための単なる非限定的な例である。上で言及されるように、調整コンポーネント１２２は、様々な態様において、ＱＭＬモデル１０６の１又は複数の調整された／緩和されたバージョンを生成し得る。いくつかの事例において、ＱＭＬモデル１０６の任意の所与の調整された／緩和されたバージョンのために、調整コンポーネント１２２は、訓練結合マップ１０８の調整された／緩和されたバージョンをそれに対応して及び／又は相応に生成し得る。例えば、調整コンポーネント１２２が、ＱＭＬモデル１０６をコピーすること及びそのようなコピーから特定の論理量子ビット除去／削除することによって、ＱＭＬモデル１０６の調整された／緩和されたバージョンを生成すると仮定する。そのような場合において、調整コンポーネント１２２は、訓練結合マップ１０８を複製すること及び特定の論理量子ビットに対応する（例えば、それを実装する）その複製における１又は複数の物理量子ビットを除去／削除／無視することによって、訓練結合マップ１０８の調整された／緩和されたバージョンを生成し得る。このようにＱＭＬモデル１０６を調整／緩和することは、訓練結合マップ１０８を縮小すること（例えば、マップコンポーネント１２０によって一組の結合マップ２０４と比較される結合マップを縮小すること）であると考えられ得る。
【0225】
本明細書における開示は主に、において内の量子コンピューティングシステムにつき１つの結合マップ類似度スコアを生成するものとして様々な実施形態を説明するが、量子コンピューティングシステムヴォールト１０４は、例示／説明を容易にするための単なる非限定的な例である。様々な態様において、マップコンポーネント１２０は、量子コンピューティングシステムヴォールト１０４内の任意の所与の量子コンピューティングシステムのための１つより多くの結合マップ類似度スコアを生成し得る。例えば、いくつかの場合において、マップコンポーネント１２０は、任意の所与の量子コンピューティングシステムの結合マップの各サブグラフのための結合マップ類似度スコアを生成し得る。例えば、結合マップ７０３に対応する量子コンピューティングシステムを再び考える。様々な態様において、量子ビット７１６、７１７、７１８、７２１及び７２２によって与えられる第１サブグラフは、結合マップ７０１とトポロジ的に一致していると考えられ得る。それゆえ、結合マップ７０３は、第１サブグラフに対応する第１類似度スコアを有すると考えられ得る。更に、量子ビット７２８、７２９、７３０、７３４及び７３５によって与えられる第２サブグラフはまた、結合マップ７０１とトポロジ的に一致していると考えれ得る。よって、結合マップ７０３は、第２サブグラフに対応する第２類似度スコアを有すると考えられ得る。いくつかの場合において、その第２サブグラフは、第１サブグラフと比べて、より良好なコヒーレンス時間、より低いエラー率、及び／又はより低いノイズレベルを有し得る。したがって、そのような場合において、第２類似度スコアは、第１類似度スコアと比べて、より高い及び／又はより良好であり得る。任意の場合において、マップコンポーネント１２０は、様々な態様において、量子コンピューティングシステムヴォールト１０４内の任意の所与の量子コンピューティングシステムのための１つより多くの類似度スコアを生成し得る。
【0226】
本明細書における開示は主に、調整コンポーネント１２２が、テストデータ１１２に基づいて、一組の調整されたＱＭＬモデル８０２を実際に実行することによって、一組の正確性レベル８０４を生成する様々な実施形態を説明するが、これは、単なる非限定的な例である。様々な実施形態において、調整コンポーネント１２２は、一組の調整されたＱＭＬモデル８０２を実際に実行することを避け得る。代わりに、そのような場合において、調整コンポーネント１２２は、任意の好適な予測モデル（例えば、ニューラルネットワーク等の古典的な機械学習モデル）を利用して、一組の正確性レベル８０４を予測／推測し得る。様々な場合において、そのような予測モデルは、任意の好適な方法（例えば、教師あり訓練、教師なし訓練、強化学習）で訓練され得る。
【0227】
本明細書における開示は、主題のイノベーションの様々な実施形態の非限定的な例を説明する。説明及び／又は説明を容易にするために、本明細書における開示の様々な部分が、主題のイノベーションの様々な実施形態を議論する場合に「それぞれ（ｅａｃｈ）」という用語を利用する。「それぞれ」という用語のそのような使用は、非限定的な例である。すなわち、本明細書における開示が、いくつかの特定のオブジェクト及び／又はコンポーネントの「それぞれ」に適用される記載を提供する場合、これは、主題のイノベーションの様々な実施形態の非限定的な例であると理解されるべきであり、更に、主題のイノベーションの様々な他の実施形態において、その特定のオブジェクト及び／又はコンポーネントの「それぞれ」よりも少ないものにそのような記載が適用される場合もあり得ることが理解されるべきである。
【0228】
本明細書で説明される様々な実施形態のための追加の文脈を提供すべく、図２０及び以下の議論は、本明細書で説明される実施形態の様々な実施形態が実装され得る好適なコンピューティング環境２０００を簡潔に一般的に説明することを意図する。実施形態は、１又は複数のコンピュータを実行し得るコンピュータ実行可能命令の一般的な文脈において上述されてきたが、当業者は、実施形態がまた、他のプログラムモジュールとの組み合わせで及び／又はハードウェア及びソフトウェアの組み合わせとしても実装され得ることを認識するであろう。
【0229】
概して、プログラムモジュールは、特定のタスクを実行する、又は、特定の抽象データタイプを実装する、ルーチン、プログラム、コンポーネント、データ構造等を含む。更に、当業者は、その各々が１又は複数の関連付けられたデバイスに動作可能に連結されていてよい、シングルプロセッサ又はマルチプロセッサコンピュータシステム、ミニコンピュータ、メインフレームコンピュータ、モノのインターネット（ＩｏＴ）デバイス、分散コンピューティングシステム、並びにパーソナルコンピュータ、ハンドヘルドコンピューティングデバイス、及びマイクロプロセッサベースの又はプログラマブルコンシューマエレクトロニクス等を含む、他のコンピュータシステム構成を用いて、発明の方法が実施され得ると認識されるであろう。
【0230】
本明細書における実施形態のうち示された実施形態はまた、特定のタスクが通信ネットワークを通じてリンクされたリモート処理デバイスによって実行される分散型コンピューティング環境において実施され得る。分散型コンピューティング環境において、プログラムモジュールは、ローカル及びリモート両方のメモリストレージデバイスに位置し得る。
【0231】
コンピューティングデバイスは典型的には、その２つの用語が以下のように互いに異なるように本明細書で使用される、コンピュータ可読記憶媒体、機械可読記憶媒体、及び／又は通信媒体を含み得る様々な媒体を含む。コンピュータ可読記憶媒体、又は、機械可読記憶媒体は、コンピュータによってアクセスされ得る任意の利用可能な記憶媒体であり得、揮発性及び不揮発性媒体、取り外し可能又は非取り外し可能媒体の両方を含む。限定ではなく例として、コンピュータ可読記憶媒体又は機械可読記憶媒体は、コンピュータ可読又は機械可読命令、プログラムモジュール構造化データ又は非構造化データ等の情報の格納のために、任意の方法又は技術に関連して実装され得る。
【0232】
コンピュータ可読記憶媒体は、限定されないが、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、フラッシュメモリ又は他のメモリ技術、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイディスク（ＢＤ）又は他の光学ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又は他の磁気ストレージデバイス、ソリッドステートドライブ又は他のソリッドステートストレージデバイス、又は望ましい情報を格納するために使用され得る他の有形及び／又は非一時的媒体を含み得る。これに関して、本明細書における「有形」又は「非一時的」という用語は、ストレージ、メモリ又はコンピュータ可読媒体に対して適用される場合、一時的な信号自体を修飾子として伝搬しているのみであるものを除外することを理解されるべきであり、一時的な信号自体を伝搬しているのみでない全ての標準的なストレージ、メモリ又はコンピュータ可読媒体に対する権利を放棄しない。
【0233】
コンピュータ可読記憶媒体は、媒体によって格納された情報に関する様々な動作のために、例えば、アクセス要求、クエリ、又は他のデータ取得プロトコルを介して、１又は複数のローカルコンピューティングデバイス又はリモートコンピューティングデバイスによってアクセスされ得る。
【0234】
通信媒体は、典型的には、コンピュータ可読命令、データ構造、プログラムモジュール、又は他の構造化又は非構造化データを、変調されたデータ信号、例えば、搬送波又は他の輸送機構等のデータ信号において具現化し、任意の情報送達、又は輸送媒体を含む。「変調されたデータ信号」という用語又は信号は、その特徴的なセットのうちの１又は複数を有する、又は、１又は複数の信号において情報を符号化するような方式で変更された信号を指す。限定ではなく例として、通信媒体は、有線ネットワーク又は直接的な有線接続のような有線媒体、及び、アコースティック、ＲＦ、赤外線及び他のワイヤレス媒体のようなワイヤレス媒体を含む。
【0235】
再び図２０を参照して、本明細書で説明される態様の様々な実施形態を実装するための例示的な環境２０００は、コンピュータ２００２、処理ユニット２００４を含むコンピュータ２００２、システムメモリ２００６、及びシステムバス２００８を含む。システムバス２００８は、限定されないがシステムメモリ２００６を含むシステムコンポーネントを処理ユニット２００４に結合する。処理ユニット２００４は、商業上入手可能な様々なプロセッサのいずれかであり得る。デュアルマイクロプロセッサ及び他のマルチプロセッサアーキテクチャはまた、処理ユニット２００４として利用され得る。
【0236】
システムバス２００８は、様々な商業上入手可能なバスアーキテクチャのいずれかを使用する（メモリコントローラを有する又は有さない）メモリバス、ペリフェラルバス、及びローカルバスに更に相互接続し得るいくつかのタイプのバス構造のうちのいずれかであり得る。システムメモリ２００６は、ＲＯＭ２０１０及びＲＡＭ２０１２を含む。ベーシックインプット／アウトプットシステム（ｂａｓｉｃ ｉｎｐｕｔ／ｏｕｔｐｕｔ ｓｙｓｔｅｍ：ＢＩＯＳ）は、ＲＯＭ等の不揮発性メモリ、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ）、ＥＥＰＲＯＭに格納され得、このＢＩＯＳは、起動時等の、コンピュータ２００２内の要素間で情報を伝達するのに役立つ基本ルーチンを含む。ＲＡＭ２０１２はまた、データをキャッシュするためのスタティックＲＡＭ等の高速ＲＡＭを含み得る。
【0237】
コンピュータ２００２は更に、内部ハードディスクドライブ（ＨＤＤ）２０１４（例えば、ＥＩＤＥ、ＳＡＴＡ）、１又は複数の外部ストレージデバイス２０１６（例えば、磁気フロッピディスクドライブ（ＦＤＤ）２０１６、メモリスティック又はフラッシュドライブリーダ、メモリカードリーダ等）及び、例えば、ソリッドステートドライブ、ＣＤ‐ＲＯＭディスク、ＤＶＤ、ＢＤ等といったディスク２０２２から読み又は書き得る、光学ディスクドライブ等のドライブ２０２０を含む。代替的に、ソリッドステートドライブが関与する場合は、ディスク２０２２は、分離しない限り、含まれないであろう。内部ＨＤＤ２０１４がコンピュータ２００２内に位置するように示されているが、内部ＨＤＤ２０１４はまた、好適なシャシ（不図示）における外部使用のために構成され得る。追加的に、環境２０００において図示していないが、ソリッドステートドライブ（ＳＳＤ）は、ＨＤＤ２０１４に加えて又はそれの代わりに使用され得る。ＨＤＤ２０１４、外部ストレージデバイス２０１６、及びドライブ２０２０は、ＨＤＤインタフェース２０２４によって、システムバス２００８、外部ストレージインタフェース２０２６、及びドライブインタフェース２０２８にそれぞれ接続され得る。外部ドライブ実装のためのインタフェース２０２４は、ユニバーサルシリアルバス（ＵＳＢ）及び米国電気電子学会（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｓ：ＩＥＥＥ）１３９４インタフェース技術の少なくとも１つ又は両方を含み得る。他の外部ドライブ接続技術は、本明細書で説明される実施形態の構想内にある。
【0238】
ドライブ及びその関連するコンピュータ可読記憶媒体は、データ、データ構造、コンピュータ実行可能命令等の不揮発性ストレージを提供する。コンピュータ２００２については、ドライブ及び記憶媒体は、好適なデジタルフォーマットの任意のデータのストレージに対応する。上でのコンピュータ可読記憶媒体の説明は、ストレージデバイスのそれぞれのタイプを指すが、現在存在するものであっても又は将来開発されるものであっても、コンピュータによって可読である記憶媒体の他のタイプもまた、動作環境の例において使用され得ること、更に、任意のそのような記憶媒体が、本明細書で説明される方法を実行するためのコンピュータ実行可能命令を含み得ることが、当業者によって認識されるべきである。
【0239】
オペレーティングシステム２０３０、１又は複数のアプリケーションプログラム２０３２、他のプログラムモジュール２０３４、及びプログラムデータ２０３６を含む、いくつかのプログラムモジュールは、ドライブ及びＲＡＭ２０１２に格納され得る。オペレーティングシステム、アプリケーション、モジュール、及び／又はデータの全て又は一部はまた、ＲＡＭ２０１２においてキャッシュされ得る。本明細書で説明されるシステム及び方法は様々な商業上入手可能なオペレーティングシステム又はオペレーティングシステムの組み合わせを利用して実装され得る。
【0240】
コンピュータ２００２は任意選択的に、エミュレーション技術を含み得る。例えば、ハイパーバイザ（不図示）又は他の中間物は、オペレーティングシステム２０３０のためのハードウェア環境をエミュレートし得、エミュレートされたハードウェアは任意選択的に、図２０に示されるハードウェアとは異なり得る。そのような実施形態において、オペレーティングシステム２０３０は、コンピュータ２００２においてホストされた複数の仮想マシン（ＶＭ）のうち１つのＶＭを備え得る。更に、オペレーティングシステム２０３０は、アプリケーション２０３２のためのＪａｖａ（登録商標）ランタイム環境、又は、ＮＥＴフレームワーク等のランタイム環境を提供し得る。ランタイム環境は、アプリケーション２０３２が、ランタイム環境を含む任意のオペレーティングシステムを実行することを可能にする一貫した実行環境である。同様に、オペレーティングシステム２０３０は、コンテナをサポートし得、アプリケーション２０３２は、例えば、コード、ランタイム、システムツール、システムライブラリ、及びアプリケーションのための設定を含むソフトウェアの、軽量で、スタンドアロンで、実行可能なパッケージであるコンテナの形態であり得る。
【0241】
更に、コンピュータ２００２は、トラステッドプロセッシングモジュール（ｔｒｕｓｔｅｄ ｐｒｏｃｅｓｓｉｎｇ ｍｏｄｕｌｅ：ＴＰＭ）等のセキュリティモジュールに対応し得る。例えばＴＰＭを用いて、ブートコンポーネントは、時間的に次のブートコンポーネントをハッシュし、次のブートコンポーネントをロードする前に、安全性が保証されている値に対する結果の一致のために待機する。このプロセスは、例えば、アプリケーション実行レベルにおいて又はオペレーティングシステム（ＯＳ）カーネルレベルにおいて適用されるコンピュータ２００２のコード実行スタックにおける任意の層において生じ得、それによってコード実行の任意のレベルにおいてセキュリティを可能にする。
【0242】
ユーザは、１又は複数の有線／ワイヤレス入力デバイス、例えば、キーボード２０３８、タッチスクリーン２０４０、及びマウス２０４２のようなポインティングデバイスを通じてコンピュータ２００２にコマンド及び情報を入れ得る。他の入力デバイス（不図示）は、マイクロフォン、赤外線（ＩＲ）リモート制御、無線周波数（ＲＦ）リモート制御、又は他のリモート制御、ジョイスティック、仮想現実コントローラ及び／又は仮想現実ヘッドセット、ゲームパッド、スタイラスペン、例えば、カメラ等のイメージ入力デバイス、ジェスチャセンサ入力デバイス、視覚動作センサ入力デバイス、感情又は顔検出デバイス、又はバイオメトリック入力デバイス等、例えば、指紋又は虹彩スキャナを含み得る。これら及び他の入力デバイスは、多くの場合、システムバス２００８に連結され得る入力デバイスインタフェース２０４４を通じて処理ユニット２００４に接続されているが、パラレルポート、ＩＥＥＥ１３９４シリアルポート、ゲームポート、ＵＳＢポート、ＩＲインタフェース、ＢＬＵＥＴＯＯＴＨ（登録商標）インタフェース等といった他のインタフェースによって接続され得る。
【0243】
モニタ２０４６又は他のタイプのディスプレイデバイスはまた、ビデオアダプタ２０４８等のインタフェースを介してシステムバス２００８に接続され得る。モニタ２０４６に加えて、コンピュータは、典型的に、スピーカ、プリンタ等といった他の周辺出力デバイス（不図示）を含む。
【0244】
コンピュータ２００２は、リモートコンピュータ２０５０等の１又は複数のリモートコンピュータに対する有線及び／又はワイヤレス通信を介した論理接続を使用して、ネットワーク化された環境において動作し得る。簡潔の目的のために、メモリ／ストレージデバイス２０５２のみが示されているが、リモートコンピュータ２０５０は、ワークステーション、サーバコンピュータ、ルータ、パーソナルコンピュータ、ポータブルコンピュータ、マイクロプロセッサベースのエンタテイメント機器、ピアデバイス又は他の一般的なネットワークノードであり得、典型的に、コンピュータ２００２に関連して説明される要素の多く又は全てを含む。図示される論理接続は、ローカルエリアネットワーク（ＬＡＮ）２０５４及び／又はより大きいネットワーク、例えばワイドエリアネットワーク（ＷＡＮ）２０５６に対する有線／ワイヤレス接続を含む。そのようなＬＡＮ及びＷＡＮネットワーキング環境は、オフィス及び会社において一般的であり、イントラネット等の企業規模のコンピュータネットワークを促進し、企業規模のコンピュータネットワークの全ては、包括的通信ネットワーク、例えば、インターネットに接続し得る。
【0245】
ＬＡＮネットワーキング環境において使用される場合、コンピュータ２００２は、有線及び／又はワイヤレス通信ネットワークインタフェース又はアダプタ２０５８を通じてローカルネットワーク２０５４に接続され得る。アダプタ２０５８は、ＬＡＮ２０５４への有線又はワイヤレス通信を促進し得、ＬＡＮ２０５４はまた、ワイヤレスモードにおいてアダプタ２０５８と通信するためにその上に配設されたワイヤレスアクセスポイント（ＡＰ）を含み得る。
【0246】
ＷＡＮネットワーキング環境において使用される場合、コンピュータ２００２は、モデム２０６０を含み得るか、又はインターネットによってのような、ＷＡＮ２０５６上の通信を確立するための他の手段を介してＷＡＮ２０５６上の通信サーバに接続され得る。内部又は外部の、有線又はワイヤレスのデバイスであってよいモデム２０６０は、入力デバイスインタフェース２０４４を介して、システムバス２００８に接続され得る。ネットワーク化された環境において、コンピュータ２００２又はその一部に関連して図示されるプログラムモジュールは、リモートメモリ／ストレージデバイス２０５２に格納されていてよい。例において示されるネットワーク接続及びコンピュータ間で通信リンクを確立する他の手段が使用され得ることを理解されたい。
【0247】
ＬＡＮ又はＷＡＮネットワーキング環境のいずれかにおいて使用される場合、コンピュータ２００２は、限定されないが、情報の格納又は処理の１又は複数の態様を提供するネットワーク仮想マシン等の上述された外部ストレージデバイス２０１６に加えて又はそれの代わりに、クラウドストレージシステム又は他のネットワークベースストレージシステムにアクセスし得る。概して、コンピュータ２００２及びクラウドストレージシステムの間の接続が、例えば、アダプタ２０５８又はモデム２０６０によって、それぞれＬＡＮ２０５４又はＷＡＮ２０５６を介して確立され得る。コンピュータ２００２を関連付けられたクラウドストレージシステムに接続すると、外部ストレージインタフェース２０２６は、アダプタ２０５８及び／又はモデム２０６０の補助を用いて、外部ストレージの他のタイプを管理するように、クラウドストレージシステムによって提供されたストレージを管理し得る。例えば、外部ストレージインタフェース２０２６は、それらソースがコンピュータ２００２に物理的に接続されているかのように、クラウドストレージソースへのアクセスを提供するように構成されていてよい。
【0248】
コンピュータ２００２は、例えば、プリンタ、スキャナ、デスクトップ及び／又はポータブルコンピュータ、ポータブルデータアシスタント、通信衛星、ワイヤレスで検出可能なタグ（例えば、キオスク、ニューススタンド、店舗の棚等）に関連付けられた任意の機器又は位置、及び電話のような、無ワイヤレス通信において動作可能に配設された任意のワイヤレスデバイス又はエンティティと通信するように動作可能であり得る。これは、ワイヤレスフィデリティ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ：Ｗｉ－Ｆｉ（登録商標））及びＢＬＵＥＴＯＯＴＨ（登録商標）ワイヤレス技術を含み得る。それゆえ、通信は、従来のネットワークと同様に予め定義された構造であってよく、又は単純に、少なくとも２つのデバイスの間におけるアドホック通信であってよい。
【0249】
ここで図２１を参照すると、例示的なクラウドコンピューティング環境２１００が図示されている。示されるように、クラウドコンピューティング環境２１００は、１又は複数のクラウドコンピューティングノード２１０２を備え、例えば、パーソナルデジタルアシスタント（ＰＤＡ（登録商標））又は携帯電話２１０４、デスクトップコンピュータ２１０６、ラップトップコンピュータ２１０８、及び／又は自動車コンピュータシステム２１１０等の、クラウドコンシューマに使用されるローカルコンピューティングデバイスが、クラウドコンピューティングノード２１０２を用いて通信してよい。ノード２１０２は、互いに通信してよい。それらは、本明細書の上記で説明されるようなプライベート、コミュニティ、パブリック、又はハイブリッドクラウド、又はそれらの組み合わせ等の、１又は複数のネットワーク内で物理的に又は仮想的にグループ化されてよい（不図示）。これにより、クラウドコンピューティング環境２１００は、クラウドコンシューマがローカルコンピューティングデバイス上でリソースを維持する必要がないサービスとして、インフラストラクチャ、プラットフォーム及び／又はソフトウェアを提供できる。図２１に示されるコンピューティングデバイス２１０４－２１１０のタイプは、例示のみを意図するものであり、また、コンピューティングノード２１０２及びクラウドコンピューティング環境２１００は、任意のタイプのネットワーク及び／又はネットワークアドレス指定可能な接続を通して（例えば、ウェブブラウザを使用して）、任意のタイプのコンピュータ化されたデバイスと通信し得ることが理解される。
【0250】
ここで図２２を参照すると、クラウドコンピューティング環境２１００（図２１）によって提供される一組の機能抽象化層が示されている。本明細書で説明される他の実施形態において利用される同様の要素の繰り返しの説明は、簡潔さのために省略する。図２２に示されたコンポーネント、層、及び機能が、例示のみを意図するものであり、本明細書で説明される実施形態がそれに限定されないことを、前もって理解されるべきである。図示のように、以下の各層及び対応する機能が提供される。
【0251】
ハードウェア及びソフトウェア層２２０２は、ハードウェア及びソフトウェアコンポーネントを含む。ハードウェアコンポーネントの例は、メインフレーム２２０４；ＲＩＳＣ（縮小命令セットコンピュータ）アーキテクチャベースのサーバ２２０６；サーバ２２０８；ブレードサーバ２２１０；ストレージデバイス２２１２；及びネットワーク及びネットワーキングコンポーネント２２１４を含む。いくつかの実施形態において、ソフトウェアコンポーネントは、ネットワークアプリケーションサーバソフトウェア２２１６及びデータベースソフトウェア２２１８を備える。
【0252】
仮想化層２２２０は、仮想サーバ２２２２；仮想ストレージ２２２４；仮想プライベートネットワークを含む仮想ネットワーク２２２６；仮想アプリケーション及びオペレーティングシステム２２２８；及び仮想クライアント２２３０である、仮想エンティティの例が提供され得る抽象化層を提供する。
【0253】
１つの例において、管理層２２３２は、以下に説明する機能を提供してよい。リソースプロビジョニング２２３４は、クラウドコンピューティング環境内でタスクを実行するのに利用される、コンピューティングリソース及び他のリソースの動的な調達を提供する。計量及び価格設定２２３６は、クラウドコンピューティング環境内でリソースが利用されるときのコスト追跡、及びこれらのリソースの消費に対する請求又はインボイス作成を提供する。１つの例において、これらのリソースは、アプリケーションソフトウェアライセンスを含んでよい。セキュリティは、クラウドコンシューマ及びタスクに対する識別情報検証、並びに、データ及び他のリソースに対する保護を提供する。ユーザポータル２２３８は、コンシューマ及びシステム管理者に、クラウドコンピューティング環境へのアクセスを提供する。サービスレベル管理２２４０は、必要とされるサービスレベルが満たされるように、クラウドコンピューティングリソース割り当て及び管理を提供する。サービス水準合意（ＳＬＡ）計画及び履行２２４２は、将来の要件がＳＬＡに従って予想されるクラウドコンピューティングリソースの事前の取り決め及び調達を提供する。
【0254】
ワークロード層２２４４は、クラウドコンピューティング環境が利用され得る機能の例を提供する。この層から提供され得るワークロード及び機能の例は、マッピング及びナビゲーション２２４６；ソフトウェア開発及びライフサイクル管理２２４８；仮想クラスルーム教育配信２２５０；データ分析処理２２５２；トランザクション処理２２５４；及び差分プライベート連合学習処理２２５６を含む。本明細書で説明される様々な実施形態は、図２１及び図２２を参照して説明されるクラウドコンピューティング環境を利用して、本明細書で説明される様々な実施形態によって、１又は複数の差分プライベート連合学習処理を実行し得る。
【0255】
本発明は、統合の任意の可能な技術的詳細レベルにおけるシステム、方法、装置及び／又はコンピュータプログラム製品であり得る。コンピュータプログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体（又は複数の媒体）を含み得る。コンピュータ可読記憶媒体は、命令実行デバイスが使用するための命令を保持及び格納できる有形のデバイスであり得る。コンピュータ可読記憶媒体は、限定されるものではないが、例えば、電子ストレージデバイス、磁気ストレージデバイス、光学ストレージデバイス、電磁ストレージデバイス、半導体ストレージデバイス、又は、上記の任意の好適な組み合わせであり得る。コンピュータ可読記憶媒体のより具体的な例の非包括的リストはまた、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスクリードオンリメモリ（ＣＤ‐ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリスティック、フロッピディスク、命令が記録されたパンチカード又は溝における凸構造等の機械的に符号化されたデバイス、及び、上記の任意の好適な組み合わせを含み得る。本明細書において使用されるコンピュータ可読記憶媒体は、無線又は他の自由に伝搬する電磁波、導波管又は他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバケーブルを通る光パルス）、又はワイヤを通じて伝送される電気信号等の、一時的な信号自体として解釈されるべきでない。
【0256】
本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から、それぞれのコンピューティング／処理デバイスに、又はネットワーク、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク及び／又はワイヤレスネットワークを介して、外部コンピュータ又は外部ストレージデバイスに、ダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び／又はエッジサーバを含むことができる。各コンピューティング／処理デバイス内のネットワークアダプタカード又はネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受け取り、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に格納するためのコンピュータ可読プログラム命令を転送する。本発明のオペレーションを実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路のための構成データ、又は、Ｓｍａｌｌｔａｌｋ（登録商標）、Ｃ＋＋、又は同様のもの等のオブジェクト指向プログラミング言語、「Ｃ」プログラミング言語又は類似のプログラミング言語等の従来の手続き型プログラミング言語を含む１又は複数のプログラミング言語の任意の組み合わせで書かれたソースコード又はオブジェクトコードのいずれかであり得る。コンピュータ可読プログラム命令は、ユーザのコンピュータ上で全体的に、ユーザのコンピュータ上で部分的に、スタンドアロンのソフトウェアパッケージとして、ユーザのコンピュータ上で部分的かつリモートコンピュータ上で部分的に、又は、リモートコンピュータ又はサーバ上で全体的に実行し得る。後者のシナリオにおいて、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通じてユーザのコンピュータに接続され得るか、又は、接続は、（例えば、インターネットサービスプロバイダを使用してインターネットを通じて）外部コンピュータに行われ得る。いくつかの実施形態において、例えば、プログラマブルロジック回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラマブルロジックアレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実行するべく、コンピュータ可読プログラム命令の状態情報を利用して電子回路をパーソナライズすることにより、コンピュータ可読プログラム命令を実行し得る。
【0257】
本発明の態様は、本明細書において、本発明の実施形態による方法、装置（システム）、及び、コンピュータプログラム製品のフローチャート図及び／又はブロック図を参照して、説明されている。フローチャート図及び／又はブロック図の各ブロック、及びフローチャート図及び／又はブロック図のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装することができることが理解されよう。これらのコンピュータ可読プログラム命令は、機械を作成するために、汎用コンピュータ、専用コンピュータ、又は、他のプログラマブルデータ処理装置のプロセッサに提供され得る。それにより、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサを介して実行する命令は、フローチャート及び／又はブロック図のブロック又は複数のブロックにおいて特定された機能／動作を実装するための手段を生成する。これらのコンピュータ可読プログラム命令はまた、コンピュータ、プログラマブルデータ処理装置、及び／又は他のデバイスに、特定の態様で機能するよう指示できるコンピュータ可読記憶媒体に格納され得、それにより、命令を格納したコンピュータ可読記憶媒体は、フローチャート及び／又はブロック図のブロック又は複数のブロックにおいて特定された機能／動作の態様を実装する命令を含む、製品を含む。コンピュータ可読プログラム命令は、コンピュータ上、他のプログラム可能な装置上、又は他のデバイス上で実行される命令が、フローチャート及び／又はブロック図のブロック又は複数のブロックにおいて特定された機能／動作を実装するように、コンピュータ実装プロセスを生成すべく、コンピュータ、他のプログラム可能なデータ処理装置、又は他のデバイスに読み込まれ、一連の操作可能な動作を、コンピュータ上、他のプログラム可能な装置上、又は他のデバイス上で実行させるものであることもできる。
【0258】
図面におけるフローチャート及びブロック図は、本発明の様々な実施形態によるシステム、方法、及びコンピュータプログラム製品の考えられる実装形態のアーキテクチャ、機能、及び動作を示している。これに関して、フローチャート又はブロック図における各ブロックは、指定された論理機能を実装するための１又は複数の実行可能命令を含む、モジュール、セグメント、又は、命令の一部を表し得る。いくつかの代替的な実装において、ブロックにおいて記載される機能は、図に記載された順序とは別の順序で生じ得る。例えば、実際に、連続して示される２つのブロックは、関与する機能性に応じて、実質的に同時に実行され得るか、又は、ブロックは場合によっては、逆の順序で実行されてよい。また、ブロック図及び／又はフローチャート図の各ブロック、及びブロック図及び／又はフローチャート図におけるブロックの組み合わせは、特定された機能又は動作を実行する又は専用ハードウェアとコンピュータ命令との組み合わせを実行する専用ハードウェアベースのシステムによって実装され得ることに留意されたい。
【0259】
主題は、１つのコンピュータ及び／又は複数のコンピュータの上で実行されるコンピュータプログラム製品のコンピュータ実行可能命令の一般的な文脈で上述されてきたが、当業者ならば、本開示が他のプログラムモジュールと組み合わせることもできること、又は組み合わせて実装できることを認識するであろう。概して、プログラムモジュールは、特定のタスクを実行及び／又は特定の抽象データタイプを実装する、ルーチン、プログラム、コンポーネント、及び／又はデータ構造を含む。更に、当業者であれば、本発明のコンピュータ実装方法は、シングルプロセッサ又はマルチプロセッサコンピュータシステム、ミニコンピューティングデバイス、メインフレームコンピュータ、並びにコンピュータ、ハンドヘルドコンピューティングデバイス（例えばＰＤＡ（登録商標）、電話）、マイクロプロセッサベース又はプログラマブルコンシューマ用又は産業用電子機器等を含む他のコンピュータシステム構成で実施され得ることを認識するであろう。示される態様は、通信ネットワークを通じてリンクされるリモート処理デバイスによってタスクが実行される分散型コンピューティング環境においても実施され得る。しかし、本開示の全てではないがいくつかの態様は、スタンドアロンのコンピュータで実施され得る。分散型コンピューティング環境において、プログラムモジュールは、ローカル及びリモート両方のメモリストレージデバイスに位置し得る。
【0260】
本願において使用される場合、「コンポーネント」、「システム」、「プラットフォーム」、「インタフェース」等の用語は、コンピュータ関連エンティティ、又は、１又は複数の固有の機能性を有する動作機械に関連するエンティティを指し得る、及び／又は、含み得る。本明細書に開示されるエンティティは、ハードウェア、ハードウェア及びソフトウェアの組み合わせ、ソフトウェア、又は実行中のソフトウェアのいずれかであり得る。例えば、コンポーネントは、プロセッサ上で実行するプロセス、プロセッサ、オブジェクト、実行可能ファイル、実行のスレッド、プログラム、及び／又はコンピュータであり得るが、これらに限定されるものではない。例示として、サーバ上で実行されているアプリケーションとサーバの両方が、構成要素であってよい。１又は複数のコンポーネントは、実行のプロセス及び／又はスレッドの中に存在してよく、コンポーネントは、１つのコンピュータに局在するか、及び／又は２又はそれより多くのコンピュータの間で分散されるかであってよい。別の例において、それぞれのコンポーネントは、様々なデータ構造が格納された様々なコンピュータ可読媒体から実行し得る。コンポーネントは、１又は複数のデータパケット（例えば、ローカルシステム、分散システム、及び／又は信号を介する他のシステムとのインターネット等のネットワークにおける別のコンポーネントと相互作用する１つのコンポーネントからのデータ）を有する信号等に従って、ローカル及び／又はリモートのプロセスを介して通信し得る。別の例として、コンポーネントは、プロセッサによって実行されるソフトウェア又はファームウェアアプリケーションによって操作される電気又は電子回路によって操作される機械部品によって提供される固有の機能性を有する装置であり得る。そのような場合において、プロセッサは、装置の内部又は外部にあり得、ソフトウェア又はファームウェアアプリケーションの少なくとも一部を実行し得る。更に別の例として、コンポーネントは、機械部品を用いず電子コンポーネントを通じて固有の機能性を提供する装置であり得、当該電子コンポーネントは、電子コンポーネントの機能性を少なくとも部分的に提供するソフトウェア又はファームウェアを実行するためのプロセッサ又は他の手段を含み得る。ある態様において、コンポーネントは、例えばクラウドコンピューティングシステム内の仮想マシンを介して電子コンポーネントをエミュレートし得る。
【0261】
加えて、「又は」という用語は、排他的な「又は」ではなく、包括的な「又は」を意味することが意図されている。すなわち、別様に指定されない限り、又は、文脈から明らかでない限り、「ＸがＡ又はＢを利用する」は、自然の包括的な入替えのいずれかを意味することが意図される。すなわち、ＸがＡを用い、ＸがＢを用い、又はＸがＡ及びＢの両方を用いる場合であれば、前述された複数の事例のいずれかの下、「ＸはＡ又はＢを用いる」が満たされる。更に、本明細書及び添付の図面に使用される冠詞「ａ」及び「ａｎ」は一般に、単数形を対象としていることが別様に指定されない限り、又は文脈からそれが明らかではない限り、「１又は複数」を意味すると解釈されるべきである。本明細書において使用される場合、用語「例」及び／又は「例示的」は、例、事例、又は例示として機能することを意味するために利用される。疑義を回避するために、本明細書に開示される主題は、そのような例に限定されるものではない。加えて、「例」及び／又は「例示的」として本明細書で説明される任意の態様又は設計は、他の態様又は設計より好ましい、又は有利であると必ずしも解釈されるわけではなく、当業者に知られている同等の例示的な構造及び技法を除外する意図もない。
【0262】
本明細書において利用される「プロセッサ」という用語は、これらに限定されるものではないが、シングルコアプロセッサ、ソフトウェアマルチスレッド実行能力を有するシングルプロセッサ、マルチコアプロセッサ、ソフトウェアマルチスレッド実行能力を有するマルチコアプロセッサ、ハードウェアマルチスレッド技術を有するマルチコアプロセッサ、並列プラットフォーム、及び、分散共有メモリを有する並列プラットフォームを含む実質的に任意のコンピューティング処理ユニット又はデバイスを指し得る。追加的に、プロセッサとは、集積回路、特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックコントローラ（ＰＬＣ）、コンプレックスプログラマブルロジックデバイス（ＣＰＬＤ）、ディスクリートゲート又はトランジスタロジック、ディスクリートハードウェアコンポーネント、又は、本明細書で説明される機能を実行するために設計されたそれらの任意の組み合わせを指し得る。更に、プロセッサは、空間利用を最適化し、又は、ユーザ機器のパフォーマンスを強化するべく、これらに限定されるものではないが、分子及び量子ドットベースのトランジスタ、スイッチ、及びゲート等のナノスケールアーキテクチャを利用し得る。プロセッサはまた、コンピューティング処理ユニットの組み合わせとして実装され得る。本開示において、「格納」、「ストレージ」、「データ格納」、「データストレージ」、「データベース」及びコンポーネントのオペレーション及び機能性に関連する実質的に任意の他の情報ストレージコンポーネント等の用語は、「メモリ」又はメモリを含むコンポーネントにおいて具現化される「メモリコンポーネント」エンティティを指すために利用される。本明細書で説明されるメモリ及び／又はメモリコンポーネントは、揮発性メモリ又は不揮発性メモリのいずれかであり得るか、又は、揮発性及び不揮発性メモリの両方を含み得ることを認識されたい。限定ではなく例示として、不揮発性メモリは、リードオンリメモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、電気的プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気消去可能ＲＯＭ（ＥＥＰＲＯＭ）、フラッシュメモリ、又は、不揮発性ランダムアクセスメモリ（ＲＡＭ）（例えば、強誘電体ＲＡＭ（ＦｅＲＡＭ））を含み得る。揮発性メモリは、例えば、外部キャッシュメモリとして動作し得るＲＡＭを含み得る。限定ではなく例示として、ＲＡＭは、同期ＲＡＭ（ＳＲＡＭ）、動的ＲＡＭ（ＤＲＡＭ）、同期ＤＲＡＭ（ＳＤＲＡＭ）、ダブルデータレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、拡張ＳＤＲＡＭ（ＥＳＤＲＡＭ）、Ｓｙｎｃｈｌｉｎｋ ＤＲＡＭ（ＳＬＤＲＡＭ）、ダイレクトＲａｍｂｕｓ ＲＡＭ（ＤＲＲＡＭ）、ダイレクトＲａｍｂｕｓ動的ＲＡＭ（ＤＲＤＲＡＭ）、及びＲａｍｂｕｓ動的ＲＡＭ（ＲＤＲＡＭ）等の多くの形式で利用可能である。追加的に、本明細書におけるシステム又はコンピュータ実装方法の開示されるメモリコンポーネントは、これら及び任意の他の好適なタイプのメモリを含むことが意図されるが、これらに限定されない。
【0263】
上述のものは、システム及びコンピュータ実装方法の例を含むに過ぎない。当然、本開示を説明する目的で、コンポーネント又はコンピュータ実装方法の想定されるあらゆる組み合わせを説明することは不可能であるが、当業者であれば、本開示の多くの更なる組み合わせ及び入替えが可能であることを認識し得る。更に、「含む」、「有する」、「備える」等の用語が詳細な説明、特許請求の範囲、添付書類、及び図面において使用される限り、そのような用語は、「備える」という用語が請求項において移行句として利用される場合に解釈されるのと同様の方式で包括的であることが意図される。
【0264】
様々な実施形態の説明は、例示の目的で提示され、包括的である、又は、開示される実施形態に限定される意図はない。説明した実施形態の範囲及び趣旨から逸脱することなく、多くの修正及び変形が、当業者には明らかであろう。本明細書で使用される用語は、実施形態の原理、実際の適用例、又は市場で見られる技術を超える技術的な改良を最もよく説明するように、又は本明細書で開示される実施形態を当業者が理解することが可能になるように選択されたものである。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
