論文の概要: Knowledge Distillation Inspired Variational Quantum Eigensolver with Virtual Annealing

• arxiv url: http://arxiv.org/abs/2505.03998v1
• Date: Tue, 06 May 2025 22:21:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:35.92687
• Title: Knowledge Distillation Inspired Variational Quantum Eigensolver with Virtual Annealing
• Title（参考訳）: 仮想アニーリングによる知識蒸留による変分量子固有解法
• Abstract要約: 知識蒸留による変分量子固有解法(KD-VQE) 知識蒸留(KD)における仮想蒸留プロセスに触発されたKD-VQEは、変分量子固有解法(VQE)フレームワークに仮想アニール機構を導入する。 二つのFermi-Hubbardモデルに適用することで,KD-VQEの有効性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a Knowledge Distillation Inspired Variational Quantum Eigensolver (KD-VQE). Inspired by the virtual distillation process in knowledge distillation (KD), KD-VQE introduces a virtual annealing mechanism to the variational quantum eigensolver (VQE) framework. In KD-VQE, measurement resources (shots) are dynamically allocated among multiple trial wavefunctions, each weighted according to a Boltzmann distribution with a virtual temperature. As the temperature decreases gradually, the algorithm progressively reallocates resources toward lower-energy candidates, effectively filtering out suboptimal states and steering the system toward the global minimum. Moreover, we demonstrate the effectiveness of KD-VQE by applying it to the two-site Fermi-Hubbard model. Compared to standard VQE framework, KD-VQE explores a broader region of the solution space, and offers improved convergence behavior and increased reliability.
• Abstract（参考訳）: 本稿では,KD-VQE(Knowledge Distillation Inspired Variational Quantum Eigensolver)を提案する。 知識蒸留(KD)における仮想蒸留プロセスに触発されたKD-VQEは、変分量子固有解法(VQE)フレームワークに仮想アニール機構を導入する。 KD-VQEでは、測定資源(ショット)は複数の試行波動関数に動的に割り当てられ、それぞれが仮想温度でボルツマン分布に従って重み付けされる。 温度が徐々に低下するにつれて、アルゴリズムは徐々に低エネルギーの候補に向けて資源を再配置し、最適以下の状態を効果的にフィルタリングし、システムを世界最小に制御する。 さらに,2サイトFermi-Hubbardモデルに適用することで,KD-VQEの有効性を示す。 標準VQEフレームワークと比較して、KD-VQEはソリューション空間の広い領域を探索し、収束挙動の改善と信頼性の向上を提供する。

関連論文リスト

• QnRL: Quantum-Native Reinforcement Learning [82.36163324220894]
  量子強化学習(QRL)は、環境のある複数のアプリケーションにわたる効果的な意思決定戦略を学ぶための有望なアプローチである。 既存のQRLアーキテクチャは、予測された結果を推定することで環境挙動を間接的に近似し、その表現力と適応ポテンシャルを制限する。 このような課題を克服するには、環境変数を直接量子状態分布としてモデル化するために、量子コンピュータの分布特性を利用する新しいQRLアプローチが必要である。
  論文  参考訳（メタデータ） (2026-06-06T17:54:58Z)
• Q-ARVD: Quantizing Autoregressive Video Diffusion Models [98.30793646153926]
  自動回帰ビデオ拡散モデル(ARVD)は、ストリーミングビデオ生成のための有望なアーキテクチャとして登場した。 しかし、AVVDのかなりの推論コストは、実際的な展開の大きな障害であり続けている。 正確なAVVD量子化のための新しいフレームワークであるQ-ARVDを提案する。
  論文  参考訳（メタデータ） (2026-05-20T11:58:30Z)
• LSGQuant: Layer-Sensitivity Guided Quantization for One-Step Diffusion Real-World Video Super-Resolution [52.627063566555194]
  本稿では,一段階拡散に基づく実世界VSRのための層感度誘導量子化手法LSGQuantを紹介する。 本手法は,ビデオトークンのアクティベーションに適合する動的レンジ適応量子化器 (DRAQ) を備える。 提案手法は,完全精度のオリジンモデルに対してほぼ性能が良く,既存の量子化手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2026-02-03T06:53:19Z)
• Consistency Deep Equilibrium Models [8.278751626877431]
  ディープラーニングにおける強力なパラダイムとして、Deep Equilibrium Models (DEQ)が登場している。 DEQは、固定点ソルバの反復性により、大きな推論遅延を引き起こす。 我々は、DEC推論を高速化するために、一貫性深度平衡モデル(C-DEQ)を導入する。
  論文  参考訳（メタデータ） (2026-02-03T02:42:48Z)
• Quasiparticle Variational Quantum Eigensolver [5.57842804209334]
  準粒子励起をシミュレーションするための運動量空間に基づく変分量子固有解法(VQE)フレームワークを提案する。 本稿では XXZ Hamiltonian 上で提案した VQE 実装の性能をベンチマークする。
  論文  参考訳（メタデータ） (2025-11-20T19:00:00Z)
• Mind Your Entropy: From Maximum Entropy to Trajectory Entropy-Constrained RL [56.085103402298905]
  本稿では,この2つの課題に対処する軌道エントロピー制約強化学習(TECRL)フレームワークを提案する。 このフレームワーク内では、まず報酬とエントロピーに関連する2つのQ-関数を個別に学習し、温度更新の影響を受けないクリーンで安定した値ターゲットを確保する。 我々は,3つの改良を加えて,最先端の分散型ソフトアクター批判を拡張して,現実的な非政治的アルゴリズムDSAC-Eを開発した。
  論文  参考訳（メタデータ） (2025-10-25T09:17:47Z)
• Solving the 3D Heat Equation with VQA via Remeshing-Based Warm Starts [0.0]
  変分量子アルゴリズム(VQA)は、短期的応用の第一候補として浮上している。 本研究では, 定常熱伝達におけるPDE問題に対するVQAの適用について検討する。 この研究は、PDEにVQAを適用するための実践的な方法論を提供し、現在の量子ハードウェアの機能と限界に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-10-17T13:34:42Z)
• Quantum Process Tomography of a Room-Temperature Alkali-Metal Vapor [1.100125927005667]
  量子プロセストモグラフィ(QPT)は、ボルン・マルコフ近似の下で開かれた量子系の力学を再構築する手法である。 本研究では, 室温87ドルRb蒸気アンサンブルを用いて, キュトリト・リウビリアンの高忠実度再構成を実現する方法について実験的に検証した。
  論文  参考訳（メタデータ） (2025-08-27T07:14:33Z)
• Performance Evaluation of Variational Quantum Eigensolver and Quantum Dynamics Algorithms on the Advection-Diffusion Equation [0.0]
  本研究では3つの主要な量子力学アルゴリズムに対して基底状態アルゴリズムである変分量子固有解法(VQE)をベンチマークする。 VQEは、$O(10-9)$で、$N=4$ qubitsと適度な回路深さを持つ。
  論文  参考訳（メタデータ） (2025-03-31T13:09:59Z)
• Compact fermionic quantum state preparation with a natural-orbitalizing variational quantum eigensolving scheme [0.0]
  短期量子状態の準備は、典型的には変分量子固有解法(VQE)アルゴリズムによって実現される。 本稿では,基本フェルミオンモードの状態を更新したトッピング型VQEを改良したVQE方式を提案する。 固定回路構造では、ショットノイズから過度のオーバーヘッドを発生させることなく、目標状態に近い状態に到達するための回路の能力を高めることが示される。
  論文  参考訳（メタデータ） (2024-06-20T10:23:28Z)
• Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
  量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。 QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
  論文  参考訳（メタデータ） (2024-05-15T02:04:22Z)
• Artificial-Intelligence-Driven Shot Reduction in Quantum Measurement [6.649102874357367]
  変量量子固有解法(VQE)は、分子基底エネルギーを近似するための強力な解を提供する。 量子ハードウェアにおける推定確率は繰り返し測定を必要とする(ショット) 本稿では,全撮影量を最小化するために,自動でショット割り当てポリシーを学習する強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-05-03T21:51:07Z)
• Uncertainty Quantification for Forward and Inverse Problems of PDEs via Latent Global Evolution [110.99891169486366]
  本稿では,効率的かつ高精度な不確実性定量化を深層学習に基づく代理モデルに統合する手法を提案する。 本手法は,フォワード問題と逆問題の両方に対して,堅牢かつ効率的な不確実性定量化機能を備えたディープラーニングに基づく代理モデルを提案する。 提案手法は, 長期予測を含むシナリオに適合し, 拡張された自己回帰ロールアウトに対する不確かさの伝播に優れる。
  論文  参考訳（メタデータ） (2024-02-13T11:22:59Z)
• Wasserstein Quantum Monte Carlo: A Novel Approach for Solving the Quantum Many-Body Schr\"odinger Equation [56.9919517199927]
  ワーッセルシュタイン量子モンテカルロ (WQMC) はフィッシャー・ラオ計量ではなくワーッセルシュタイン計量によって誘導される勾配流を用いており、テレポートではなく確率質量の輸送に対応する。 我々は、WQMCの力学が分子系の基底状態へのより高速な収束をもたらすことを実証的に実証した。
  論文  参考訳（メタデータ） (2023-07-06T17:54:08Z)
• 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 Fisher Information for Different States and Processes in Quantum Chaotic Systems [77.34726150561087]
  エネルギー固有状態と熱密度行列の両方について量子フィッシャー情報(QFI)を計算する。 局所的なユニタリ変換の結果と比較した。
  論文  参考訳（メタデータ） (2023-04-04T09:28:19Z)
• A Convergence Theory for Over-parameterized Variational Quantum Eigensolvers [21.72347971869391]
  変分量子固有解法(VQE)は、近未来のノイズ中間規模量子(NISQ)コンピュータにおける量子応用の有望な候補である。 オーバーパラメータ化系におけるVQEの収束の厳密な分析を行った。
  論文  参考訳（メタデータ） (2022-05-25T04:06:50Z)
• A prescreening method for variational quantum state eigensolver [0.0]
  本稿では,変分量子状態固有解法(VQSE)とサブスペース探索VQE(SSVQE)を用いて,全ての状態を高精度に導出する方法を提案する。 我々は,VQSEとSSVQEプレスクリーニング法を用いて,水素分子の状態をすべて正しく抽出できることを実証した。
  論文  参考訳（メタデータ） (2021-11-03T18:13:33Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。