論文の概要: Quantum State Preparation via Large-Language-Model-Driven Evolution
- arxiv url: http://arxiv.org/abs/2505.06347v1
- Date: Fri, 09 May 2025 18:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-13 20:21:48.800019
- Title: Quantum State Preparation via Large-Language-Model-Driven Evolution
- Title（参考訳）: 大規模言語モデル駆動進化による量子状態生成
- Authors: Qing-Hong Cao, Zong-Yue Hou, Ying-Ying Li, Xiaohui Liu, Zhuo-Yang Song, Liang-Qi Zhang, Shutao Zhang, Ke Zhao,
- Abstract要約: 変動量子アルゴリズムにおける従来の回路の剛性,拡張性,および専門家依存を克服するための,量子回路設計のための自動フレームワークを提案する。
当社のアプローチでは,スケーラビリティとシステムサイズ非依存の変分パラメータをスクラッチから完全に分離した,ハードウェア効率の良いアンセットを自律的に発見する。
- 参考スコア（独自算出の注目度）: 9.94808160501406
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose an automated framework for quantum circuit design by integrating large-language models (LLMs) with evolutionary optimization to overcome the rigidity, scalability limitations, and expert dependence of traditional ones in variational quantum algorithms. Our approach (FunSearch) autonomously discovers hardware-efficient ans\"atze with new features of scalability and system-size-independent number of variational parameters entirely from scratch. Demonstrations on the Ising and XY spin chains with n = 9 qubits yield circuits containing 4 parameters, achieving near-exact energy extrapolation across system sizes. Implementations on quantum hardware (Zuchongzhi chip) validate practicality, where two-qubit quantum gate noises can be effectively mitigated via zero-noise extrapolations for a spin chain system as large as 20 sites. This framework bridges algorithmic design and experimental constraints, complementing contemporary quantum architecture search frameworks to advance scalable quantum simulations.
- Abstract（参考訳）: 本稿では,多言語モデル(LLM)を進化的最適化と統合して量子回路設計の自動化フレームワークを提案する。
我々のアプローチ(FunSearch)は、スケーラビリティの新機能とシステムサイズに依存しない変分パラメータをスクラッチから完全に検出する。
イジングとXYのスピン鎖に4つのパラメータを含む n = 9 qubits の回路を出力し、システムサイズでほぼ正確なエネルギー外挿を達成する。
量子ハードウェア(Zuchongzhiチップ)の実装は、20箇所に及ぶスピンチェーンシステムのゼロノイズ外挿によって、2ビットの量子ゲートノイズを効果的に緩和できる実用性を検証する。
このフレームワークはアルゴリズム設計と実験的な制約をブリッジし、現代の量子アーキテクチャ検索フレームワークを補完し、スケーラブルな量子シミュレーションを前進させる。
関連論文リスト
- Quantum-Chiplet: A Novel Python-Based Efficient and Scalable Design Methodology for Quantum Circuit Verification and Implementation [5.727672509269657]
本稿では,超並列量子計算解析を容易にする新しい量子表現(QPR)を提案する。
量子回路の検証には,階層型量子行動モデリング手法であるQuantum-Chipletを導入する。
量子振幅推定の例は、この手法が14キュービットのIBM Qiskitと比較して10倍以上のスピードアップで設計プロセスを大幅に改善することを示している。
論文 参考訳（メタデータ） (2025-03-13T05:12:41Z) - The Stabilizer Bootstrap of Quantum Machine Learning with up to 10000 qubits [15.344606386620136]
変動量子回路は、短期量子デバイスと初期のフォールトトレラント量子コンピュータにおいて主要なパラダイムである可能性がある。
我々は、安定化器ブートストラップを使用して、量子実行前に量子ニューラルネットワークを最適化する。
変動アンサーゼの一般的な設定では、安定化器ブートストラップによる改善の可能性は、観測可能な構造とデータセットのサイズに依存する。
論文 参考訳（メタデータ） (2024-12-16T01:12:00Z) - Entropy-driven entanglement forging [0.0]
本研究では、エントロピー駆動型エンタングルメント鍛造法を用いて、ノイズの多い中間スケール量子デバイスの限界に量子シミュレーションを適応させる方法について述べる。
提案手法は, エントロピー駆動型エンタングルメント鍛造法を用いて, ノイズの多い中間規模量子デバイスの限界に量子シミュレーションを適応させることが可能である。
論文 参考訳（メタデータ） (2024-09-06T16:54:41Z) - 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) - Exploring quantum localization with machine learning [39.58317527488534]
本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。
提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
論文 参考訳（メタデータ） (2024-06-01T08:50:26Z) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳（メタデータ） (2024-05-22T18:11:42Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - 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) - 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) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z)
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。