論文の概要: Variational Optimization for Quantum Problems using Deep Generative Networks
- arxiv url: http://arxiv.org/abs/2404.18041v2
- Date: Sat, 16 Aug 2025 11:35:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:09.60234
- Title: Variational Optimization for Quantum Problems using Deep Generative Networks
- Title（参考訳）: 深部生成ネットワークを用いた量子問題の変分最適化
- Authors: Lingxia Zhang, Xiaodie Lin, Peidong Wang, Kaiyan Yang, Xiao Zeng, Zhaohui Wei, Zizhu Wang,
- Abstract要約: 本稿では,単純なランダムな入力を高品質な解にマッピングする方法を学習する変分生成最適化ネットワークを提案する。
この手法はモデル非依存であり、並列化可能であり、現在の古典的ハードウェアで動作するため、将来の変分最適化問題を加速することができる。
- 参考スコア（独自算出の注目度）: 9.011023101133953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optimization drives advances in quantum science and machine learning, yet most generative models aim to mimic data rather than to discover optimal answers to challenging problems. Here we present a variational generative optimization network that learns to map simple random inputs into high quality solutions across a variety of quantum tasks. We demonstrate that the network rapidly identifies entangled states exhibiting an optimal advantage in entanglement detection when allowing classical communication, attains the ground state energy of an eighteen spin model without encountering the barren plateau phenomenon that hampers standard hybrid algorithms, and-after a single training run-outputs multiple orthogonal ground states of degenerate quantum models. Because the method is model agnostic, parallelizable and runs on current classical hardware, it can accelerate future variational optimization problems in quantum information, quantum computing and beyond.
- Abstract（参考訳）: 最適化は量子科学と機械学習の進歩を促進するが、ほとんどの生成モデルは、問題に対する最適解を見つけるのではなく、データを模倣することを目的としている。
ここでは、単純なランダム入力を様々な量子タスクにまたがる高品質な解にマッピングする方法を学習する変動生成最適化ネットワークを提案する。
このネットワークは、古典的な通信を可能にする際に、絡み合い検出において最適な優位性を示すエンタングルドステートを迅速に同定し、標準ハイブリッドアルゴリズムをハミングする不規則なプラトー現象に遭遇することなく18スピンモデルの基底状態エネルギーを得ると共に、退化量子モデルの複数の直交基底状態を生成する。
この手法は、モデル非依存で並列化可能であり、現在の古典的ハードウェアで動作するため、量子情報や量子コンピューティングなどにおける将来の変分最適化問題を加速することができる。
関連論文リスト
- Eigenstate Preparation on Quantum Computers [0.0]
本論文は, 短期量子コンピューティングデバイスを用いた固有状態生成アルゴリズムについて検討する。
最適制御を伴う量子断熱的進化, ロデオアルゴリズム, 変動ロデオアルゴリズムの3つの手法を詳述する。
本稿では,本手法が固有状態の生成に有効であることを示す結果を示すが,その実用性は,所望の固有状態と重なり合う初期状態の作成を前提としている。
論文 参考訳（メタデータ） (2024-12-19T17:28:21Z) - Optimizing random local Hamiltonians by dissipation [44.99833362998488]
簡単な量子ギブスサンプリングアルゴリズムが最適値の$Omega(frac1k)$-fraction近似を達成することを証明した。
この結果から, 局所スピンおよびフェルミオンモデルに対する低エネルギー状態の発見は量子的に容易であるが, 古典的には非自明であることが示唆された。
論文 参考訳（メタデータ） (2024-11-04T20:21:16Z) - Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [47.47843839099175]
近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。
本研究では、この離散時間解が一般化形式を与えることを示すために、QNG力を持つランゲヴィン方程式を用いる。
論文 参考訳（メタデータ） (2024-09-03T15:21:16Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。
QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す
混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
論文 参考訳（メタデータ） (2024-01-13T10:56:34Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent
and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。
我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文 参考訳（メタデータ） (2023-02-28T07:36:02Z) - Improved iterative quantum algorithm for ground-state preparation [4.921552273745794]
ハミルトン系の基底状態を作成するために,改良された反復量子アルゴリズムを提案する。
提案手法には,各イテレーションにおける成功確率の向上,測定精度に依存しないサンプリングの複雑さ,ゲートの複雑さの低減,およびアシラリー状態が十分に準備された場合の量子資源のみを必要とするという利点がある。
論文 参考訳（メタデータ） (2022-10-16T05:57:43Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - Nearly optimal quantum algorithm for generating the ground state of a
free quantum field theory [0.0]
量子場理論の基底状態に対する近似を生成するための準線形量子アルゴリズムを考案する。
我々のアルゴリズムは、基底状態生成のための最先端の量子アルゴリズムを超クアッドレートで高速化する。
論文 参考訳（メタデータ） (2021-10-12T02:48:46Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Preparation of Many-body Ground States by Time Evolution with
Variational Microscopic Magnetic Fields and Incomplete Interactions [1.6554452963165365]
状態準備は量子物理学において基本的な重要性である。
量子多体系における後者の研究は、固定結合と変動磁場による時間発展によって行われる。
時間の離散化を「微粒化」することで磁場を最適化する最適化法を提案する。
論文 参考訳（メタデータ） (2021-06-03T12:04:36Z) - Optimal training of variational quantum algorithms without barren
plateaus [0.0]
変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。
量子状態学習のためのVQAを最適に訓練する方法を示す。
量子機械学習におけるガウスカーネルの応用を提案する。
論文 参考訳（メタデータ） (2021-04-29T17:54:59Z)
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。