IP-Coster | WO2026139942 | SELF-PRUNING FRACTAL COMPUTATIONAL ARCHITECTURE FOR HIGH-PERFORMANCE COMPUTING ON RESOURCE-CONSTRAINED AND NOISY QUANTUM HARDWARE

Country	Stages	Total
China	Filing, Examination, Granting	2728
EPO	Filing, Examination, Granting	12256
Japan	Filing, Examination, Granting	2501
South Korea	Filing, Examination, Granting	2964
USA	Filing, Examination, Granting	6740

Abstract[English] A computational architecture employing self-pruning fractal branch management for achieving supercomputer-class performance on standard hardware and noisy intermediate-scale quantum (NISQ) devices. Unlike conventional parallel computing systems requiring massive hardware resources or genetic algorithms requiring extensive population evolution, this invention utilizes hierarchical fractal doubles—modular computational units organized in self-similar tree structures—with real-time adaptive pruning eliminating non-promising solution branches based on geometric performance metrics computed via √2-scaled fractal analysis. Controlled perturbations (branch shaking) inject stochastic exploration preventing premature convergence while pruning maintains computational efficiency. The system achieves quantum-competitive performance on classical hardware through fractal interference patterns mimicking quantum superposition, and enables NISQ quantum computers to operate effectively despite hardware noise by pruning decoherence-corrupted branches before they contaminate computation. Core innovation: geometric pruning criterion comparing branch trajectory fractal dimension against optimal threshold, triggering instant elimination of branches exhibiting non-productive exploration patterns. Applications include neural architecture search, protein folding simulation, quantum system modeling, combinatorial optimization, and multi-agent coordination—all achieving 10-100× speedup versus conventional approaches while consuming 60-80% less energy through aggressive branch elimination. Technical advantages: (1) no training dataset required (deterministic pruning), (2) hardware-agnostic (runs on CPU/GPU/QPU), (3) noise-tolerant (quantum error mitigation via pruning), (4) energy-efficient (eliminates wasted computation), (5) scalable (fractal recursion to arbitrary depth).[French] L'invention concerne une architecture de calcul utilisant une gestion de branche fractale à auto-élagage pour obtenir des performances de classe supercalculateur sur des dispositifs quantiques de matériel standard et d'échelle intermédiaire bruitée (NISQ). Contrairement aux systèmes informatiques parallèles classiques nécessitant des ressources matérielles massives ou des algorithmes génétiques nécessitant une évolution de population étendue, la présente invention utilise des unités de calcul modulaires à double modulaires fractales organisées dans des structures arborescentes auto-similaires - avec un élagage adaptatif en temps réel éliminant des branches de solution non prometteuses sur la base de métriques de performance géométrique calculées par l'intermédiaire d'une analyse fractale à échelle √2. Des perturbations commandées (tremblement de branche) injectent une exploration stochastique empêchant une convergence prématurée pendant que l'élagage maintient l'efficacité de calcul. Le système permet d'obtenir des performances compétitives quantiques sur un matériel classique par l'intermédiaire de motifs d'interférence fractale imitant la superposition quantique, et permet aux ordinateurs quantiques NISQ de fonctionner efficacement malgré le bruit matériel par élagage des branches corrompues avant qu'elles ne contaminent le calcul. Innovation fondamentale : critère d'élagage géométrique comparant la dimension fractale de trajectoire de branche à un seuil optimal, déclenchant l'élimination instantanée de branches présentant des motifs d'exploration non productifs. Les applications comprennent la recherche d'architecture neuronale, la simulation de pliage de protéine, la modélisation de système quantique, l'optimisation combinatoire et la coordination multi-agent, ce qui permet d'atteindre une accélération de 10 à 100 fois par rapport aux approches classiques tout en consommant de 60 à 80% moins d'énergie par élimination de branche agressive. Avantages techniques : (1) aucun ensemble de données d'entraînement requis (élagage déterministe), (2) matériel agnostique (court sur CPU/GPU/QPU), (3) tolérant au bruit (atténuation d'erreur quantique par élagage), (4) économe en énergie (éliminant le calcul gaspillé), (5) évolutif (récursion fractale à profondeur arbitraire).

Total Number of Claims/PCT	*
Number of Independent Claims	*
Number of Priorities	*
Number of Multi-Dependent Claims	*
Number of Drawings	*
Pages for Publication	*
Number of Pages with Drawings	*
Pages of Specification	*
Sequence Listing	*
Number of Office Actions	*
International Search Report is established	*
International Searching Authority	CIPO *
Recordal of a Change of the Applicant's Name/Address	Change of Applicant's Name and Address *
Type of Assignment	The Standard Agent's Assignment *
Applicant's Legal Status	Natural Person *
All Applicants are Authors	*
Small Entity, US	*
Micro Entity, US	*
Applicant's annual total income is below JPY 2.5 million	*
Applicant's annual total income is below JPY 1.5 million	*
Entry into National Phase under	Chapter I *
Patent Delivery	Send the Letters Patent by Courier *
译文

WO2026139942 - SELF-PRUNING FRACTAL COMPUTATIONAL ARCHITECTURE FOR HIGH-PERFORMANCE COMPUTING ON RESOURCE-CONSTRAINED AND NOISY QUANTUM HARDWARE

Quotation for National Phase entry

Contact Us