論文の概要: Accelerating Feedback-Based Quantum Algorithms through Time Rescaling

• arxiv url: http://arxiv.org/abs/2504.01256v1
• Date: Wed, 02 Apr 2025 00:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:20:50.225627
• Title: Accelerating Feedback-Based Quantum Algorithms through Time Rescaling
• Title（参考訳）: 時間再スケーリングによるフィードバックに基づく量子アルゴリズムの高速化
• Authors: L. A. M. Rattighieri, G. E. L. Pexe, B. L. Bernado, F. F. Fanchini,
• Abstract要約: TR-FQA と TR-FALQON は FQA と FALQON の時間スケール版である。 その結果,TR-FALQONは回路の初期層における最適解への収束を加速することがわかった。 状態準備の文脈では、TR-FQAはより優れた収束を示し、必要な回路深さを数百層削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This work investigates the impact of time rescaling on the performance of Feedback Quantum Algorithms (FQA) and their variant for optimization tasks, FALQON. We introduce TR-FQA and TR-FALQON, time-rescaled versions of FQA and FALQON, respectively. The method is applied to two representative problems: the MaxCut combinatorial optimization problem and ground-state preparation in the ANNNI quantum many-body model. The results show that TR-FALQON accelerates convergence to the optimal solution in the early layers of the circuit, significantly outperforming its standard counterpart in shallow-depth regimes. In the context of state preparation, TR-FQA demonstrates superior convergence, reducing the required circuit depth by several hundred layers. These findings highlight the potential of time rescaling as a strategy to enhance algorithmic performance on near-term quantum devices.
• Abstract（参考訳）: 本研究では、時間再スケーリングがフィードバック量子アルゴリズム(FQA)とその最適化タスクであるFALQONの性能に与える影響について検討する。 TR-FQA と TR-FALQON は FQA と FALQON の時間スケール版である。 ANNNI量子多体モデルにおけるMaxCut組合せ最適化問題と基底状態準備という2つの代表的な問題に適用する。 その結果、TR-FALQONは回路の初期層における最適解の収束を加速し、浅い深度条件下での標準値よりも大幅に優れていた。 状態準備の文脈では、TR-FQAはより優れた収束を示し、必要な回路深さを数百層削減する。 これらの知見は、短期量子デバイスにおけるアルゴリズム性能を高める戦略として、時間再スケーリングの可能性を強調している。

関連論文リスト

• Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
  本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。 我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。 以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-10-30T08:41:29Z)
• Performance of Parity QAOA for the Signed Max-Cut Problem [0.0]
  パリティアーキテクチャにおける量子近似アルゴリズムの最適化性能(パリティQAOA)について検討する。 固定回路深さでのアルゴリズムの比較により、Parity QAOAはSWAPネットワークに基づく従来のQAOA実装よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-23T08:00:03Z)
• KANQAS: Kolmogorov-Arnold Network for Quantum Architecture Search [0.0]
  我々は量子探索(QAS)アルゴリズムでKAN(Kolmogorov-Arnold Network)を用いて、量子状態の準備と量子化学のタスクにおける効率を解析する。 量子状態調製では、ノイズのないシナリオでは、成功確率はロバストネスの2倍から5倍であることを示す。 量子化学問題に対処するため,最近提案されたQASアルゴリズムを,KAN構造とカリキュラム強化学習を統合して拡張する。
  論文  参考訳（メタデータ） (2024-06-25T15:17:01Z)
• 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)
• A joint optimization approach of parameterized quantum circuits with a tensor network [0.0]
  現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。 本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
  論文  参考訳（メタデータ） (2024-02-19T12:53:52Z)
• Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
  量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。 関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。 量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-21T21:40:47Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• 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)
• On quantum factoring using noisy intermediate scale quantum computers [0.0]
  最適化のためのQAOAではなく,VQEを用いた場合の基底状態の発見の可能性を示す。 勾配に基づく最適化では、量子回路勾配推定に要する時間が重要な問題であることがわかった。
  論文  参考訳（メタデータ） (2022-08-15T09:32:07Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)

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。