Fugu-MT 論文翻訳(概要): Optimizing Ansatz Design in Quantum Generative Adversarial Networks Using Large Language Models

論文の概要: Optimizing Ansatz Design in Quantum Generative Adversarial Networks Using Large Language Models

arxiv url: http://arxiv.org/abs/2503.12884v1
Date: Mon, 17 Mar 2025 07:29:05 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-18 12:29:31.428564
Title: Optimizing Ansatz Design in Quantum Generative Adversarial Networks Using Large Language Models
Title（参考訳）: 大規模言語モデルを用いた量子生成逆数ネットワークにおけるアンザッツ設計の最適化
Authors: Kento Ueda, Atsushi Matsuo,
Abstract要約: 本稿では,Large Language Models(LLMs)を活用して,量子生成逆数ネットワーク(qGANs)におけるアンサーゼの設計を改善するための新しいアプローチを提案する。本手法では,回路深度とパラメータ数を低減しつつ,アンザッツ構造を反復的に洗練し,精度を向上する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a novel approach for improving the design of ansatzes in Quantum Generative Adversarial Networks (qGANs) by leveraging Large Language Models (LLMs). By combining the strengths of LLMs with qGANs, our approach iteratively refines ansatz structures to improve accuracy while reducing circuit depth and the number of parameters. This study paves the way for further exploration in AI-driven quantum algorithm design. The flexibility of our proposed workflow extends to other quantum variational algorithms, providing a general framework for optimizing quantum circuits in a variety of quantum computing tasks.
Abstract（参考訳）: 本稿では,Large Language Models(LLMs)を活用して,量子生成逆数ネットワーク(qGANs)におけるアンサーゼの設計を改善する新しい手法を提案する。 LLMの強度をqGANと組み合わせることで、回路深度とパラメータ数を減少させながら精度を向上させるために、アンザッツ構造を反復的に洗練する。この研究は、AI駆動の量子アルゴリズム設計におけるさらなる探求の道を開くものである。提案するワークフローの柔軟性は他の量子変動アルゴリズムにも拡張され、様々な量子コンピューティングタスクにおいて量子回路を最適化するための一般的なフレームワークを提供する。

関連論文リスト

Evolutionary Optimization for Designing Variational Quantum Circuits with High Model Capacity [3.6881738506505988]
高性能量子機械学習(QML)モデルの設計には、専門家レベルの知識が必要である。主な課題は、データ符号化機構とパラメータ化量子回路の設計である。本稿では,量子回路設計の進化を可能にするために,量子回路アーキテクチャ情報を符号化する新しい手法を提案する。
論文参考訳（メタデータ） (2024-12-17T02:40:35Z)
Quantum Pointwise Convolution: A Flexible and Scalable Approach for Neural Network Enhancement [0.0]
本稿では,量子ニューラルネットワークフレームワークにポイントワイズ畳み込みを組み込んだ新しいアーキテクチャを提案する。量子回路を用いてデータを高次元空間にマッピングし、より複雑な特徴関係を捉える。実験では、FashionMNISTとCIFAR10データセットの分類タスクに量子ポイントワイズ畳み込み層を適用した。
論文参考訳（メタデータ） (2024-12-02T08:03:59Z)
Optimal Quantum Circuit Design via Unitary Neural Networks [0.0]
本稿では,量子回路モデル表現に量子アルゴリズムの機能を合成する自動手法を提案する。この訓練されたモデルが、元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証する。
論文参考訳（メタデータ） (2024-08-23T16:41:15Z)
Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文参考訳（メタデータ） (2024-04-17T11:00:12Z)
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-Informed Recursive Optimization Algorithms [0.0]
最適化問題に対する量子インフォームド再帰最適化(QIRO)アルゴリズムのファミリを提案し,実装する。提案手法は、量子資源を利用して、問題固有の古典的還元ステップで使用される情報を得る。バックトラック技術を用いて、量子ハードウェアの要求を増大させることなく、アルゴリズムの性能をさらに向上させる。
論文参考訳（メタデータ） (2023-08-25T18:02:06Z)
Quantum-inspired optimization for wavelength assignment [51.55491037321065]
波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
論文参考訳（メタデータ） (2022-11-01T07:52:47Z)
DQC$^2$O: Distributed Quantum Computing for Collaborative Optimization in Future Networks [54.03701670739067]
本稿では、将来のネットワークにおける最適化タスクを解決するために、量子コンピュータと量子チャネルを管理するための適応型分散量子コンピューティング手法を提案する。提案手法に基づいて,スマートグリッド管理やIoT連携,UAV軌道計画など,今後のネットワークにおける協調最適化の潜在的な応用について論じる。
論文参考訳（メタデータ） (2022-09-16T02:44:52Z)
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)
Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文参考訳（メタデータ） (2022-06-28T16:23:24Z)
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。