An ML-Based Hybrid Task Scheduler for Classical–Quantum Computing Environments Using Real Graph-Derived Workloads
Este artículo presenta un planificador de tareas híbrido basado en aprendizaje automático que optimiza la asignación de recursos entre procesadores clásicos y cuánticos utilizando cargas de trabajo reales derivadas de grafos, demostrando un rendimiento superior en tiempo de finalización, makespan y rendimiento en comparación con las líneas base tradicionales y basadas en reglas.