論文の概要: Trainability Enhancement of Parameterized Quantum Circuits via Reduced-Domain Parameter Initialization

• arxiv url: http://arxiv.org/abs/2302.06858v3
• Date: Tue, 05 Nov 2024 03:38:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 14:56:21.404832
• Title: Trainability Enhancement of Parameterized Quantum Circuits via Reduced-Domain Parameter Initialization
• Title（参考訳）: 還元領域パラメータ初期化によるパラメータ化量子回路のトレーサビリティ向上
• Authors: Yabo Wang, Bo Qi, Chris Ferrie, Daoyi Dong,
• Abstract要約: 回路深さの平方根に比例する各パラメータの初期領域を減少させることで、コスト勾配の最大値は、キュービット数と回路深さにほぼ逆向きに減衰することを示す。 この戦略は、特定の量子ニューラルネットワークを指数関数的に多くの局所的なミニマから保護することができる。
• 参考スコア（独自算出の注目度）: 3.031137751464259
• License:
• Abstract: Parameterized quantum circuits (PQCs) have been widely used as a machine learning model to explore the potential of achieving quantum advantages for various tasks. However, training PQCs is notoriously challenging owing to the phenomenon of plateaus and/or the existence of (exponentially) many spurious local minima. To enhance trainability, in this work we propose an efficient parameter initialization strategy with theoretical guarantees. We prove that by reducing the initial domain of each parameter inversely proportional to the square root of circuit depth, the magnitude of the cost gradient decays at most polynomially with respect to qubit count and circuit depth. Our theoretical results are substantiated through numerical simulations of variational quantum eigensolver tasks. Moreover, we demonstrate that the reduced-domain initialization strategy can protect specific quantum neural networks from exponentially many spurious local minima. Our results highlight the significance of an appropriate parameter initialization strategy, offering insights to enhance the trainability and convergence of variational quantum algorithms.
• Abstract（参考訳）: パラメータ化量子回路(PQC)は、様々なタスクにおいて量子アドバンテージを達成する可能性を探るため、機械学習モデルとして広く利用されている。 しかし、PQCsの訓練は、高原現象や(指数的に)多くの刺激的な局所性ミニマの存在のため、非常に難しいことが知られている。 トレーニング性を高めるため,理論的保証を伴う効率的なパラメータ初期化戦略を提案する。 我々は,各パラメータの初期領域を回路深さの平方根に逆比例して減少させることで,コスト勾配の最大値は,キュービット数や回路深さに対して多項式的に減衰することを示した。 我々の理論的結果は変分量子固有解法タスクの数値シミュレーションによって裏付けられる。 さらに,各領域の初期化戦略が,指数関数的に多くの局所最小値から特定の量子ニューラルネットワークを保護することを実証した。 本結果は,変分量子アルゴリズムのトレーニング可能性と収束性を高めるための洞察を提供する,適切なパラメータ初期化戦略の重要性を強調した。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Avoiding barren plateaus via Gaussian Mixture Model [6.0599055267355695]
  変分量子アルゴリズムは、量子コンピューティングにおいて最も代表的なアルゴリズムの1つである。 大量の量子ビット、ディープ・サーキット・レイヤ、グローバル・コスト・ファンクションを扱う場合、それらはしばしば訓練不能となる。
  論文  参考訳（メタデータ） (2024-02-21T03:25:26Z)
• Non-asymptotic Approximation Error Bounds of Parameterized Quantum Circuits [16.460585387762478]
  量子ニューラルネットワークの有望なアプローチとして、PQC(ized quantum circuits)が登場した。 本稿では,一般関数クラスを近似するためのPQCの表現性について検討する。 我々は、量子ビット数、量子回路深さ、およびトレーニング可能なパラメータ数の観点から、これらの関数に対する最初の非漸近近似誤差境界を確立する。
  論文  参考訳（メタデータ） (2023-10-11T14:29:11Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Bayesian Learning of Parameterised Quantum Circuits [0.0]
  我々はベイズ後部の近似として古典的最適化の確率論的視点を取り、再定式化する。 ラプラスを用いた最大後点推定に基づく次元縮小戦略について述べる。 量子H1-2コンピュータの実験では、結果として得られる回路は勾配なしで訓練された回路よりも高速でノイズが少ないことが示されている。
  論文  参考訳（メタデータ） (2022-06-15T14:20:14Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。