論文の概要: Solving graph problems using permutation-invariant quantum machine learning
- arxiv url: http://arxiv.org/abs/2505.12764v2
- Date: Tue, 20 May 2025 09:11:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 12:33:37.44437
- Title: Solving graph problems using permutation-invariant quantum machine learning
- Title（参考訳）: 置換不変量子機械学習を用いたグラフ問題の解法
- Authors: Maximilian Balthasar Mansky, Tobias Rohe, Gerhard Stenzel, Alejandro Bravo de la Serna, Santiago Londoño Castillo, Gautham Sathish, Dimitra Nikolaidou, Dmytro Bondarenko, Linus Menzel, Claudia Linnhoff-Popien,
- Abstract要約: 量子機械学習では、アンザッツは問題の特定の対称性に対応するように調整することができる。
簡単な構成法で量子回路に対称性を組み込む方法を示す。
- 参考スコア（独自算出の注目度）: 35.99391901074448
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many computational problems are unchanged under some symmetry operation. In classical machine learning, this can be reflected with the layer structure of the neural network. In quantum machine learning, the ansatz can be tuned to correspond to the specific symmetry of the problem. We investigate this adaption of the quantum circuit to the problem symmetry on graph classification problems. On random graphs, the quantum machine learning ansatz classifies whether a given random graph is connected, bipartite, contains a Hamiltonian path or cycle, respectively. We find that if the quantum circuit reflects the inherent symmetry of the problem, it vastly outperforms the standard, unsymmetrized ansatzes. Even when the symmetry is only approximative, there is still a significant performance gain over non-symmetrized ansatzes. We show how the symmetry can be included in the quantum circuit in a straightforward constructive method.
- Abstract（参考訳）: 多くの計算問題は、ある対称性演算の下では変化しない。
古典的な機械学習では、ニューラルネットワークの層構造でこれを反映することができる。
量子機械学習では、アンザッツは問題の特定の対称性に対応するように調整することができる。
グラフ分類問題における問題対称性に対する量子回路の適応性について検討する。
ランダムグラフにおいて、量子機械学習アンサッツは、与えられたランダムグラフが連結されているか、二部グラフであるかをそれぞれ分類する。
量子回路が問題の固有対称性を反映しているとすると、標準の非対称性のアンサーゼをはるかに上回っていることが分かる。
対称性が近似のみである場合でも、非対称性のアンサーゼよりも大きな性能向上がある。
簡単な構成法で量子回路に対称性を組み込む方法を示す。
関連論文リスト
- Geometric Quantum Machine Learning with Horizontal Quantum Gates [41.912613724593875]
本稿では,変分量子回路の対称性インフォームド構成のための代替パラダイムを提案する。
これを実現するために水平量子ゲートを導入し、これは対称性の方向に関してのみ状態を変換する。
対称空間に基づく水平ゲートの特定のサブクラスに対しては、KAK定理により、ゲートの効率的な回路分解が得られる。
論文 参考訳（メタデータ） (2024-06-06T18:04:39Z) - Permutation-invariant quantum circuits [4.900041609957432]
置換対称性を量子回路への最も制限的な離散対称性として示す。
パラメータ数のスケーリングは$mathcalO(n3)$で、一般の場合よりもかなり低い。
論文 参考訳（メタデータ） (2023-12-22T18:42:48Z) - A Bottom-up Approach to Constructing Symmetric Variational Quantum
Circuits [0.0]
表現理論を用いて対称量子回路を構築する方法を示す。
ハードウェア効率のよい量子回路構築によく用いられる粒子保存交換ゲートの導出方法を示す。
論文 参考訳（メタデータ） (2023-08-17T10:57:15Z) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳（メタデータ） (2023-02-09T14:05:18Z) - Quantum Algorithms for Testing Hamiltonian Symmetry [4.62316736194615]
量子力学におけるハミルトン対称性の慣れ親しんだ表現は、我々のアルゴリズムの受容と直接一致することを示す。
我々は、既存の量子コンピュータ上で対称性テストアルゴリズムの1つを実行し、対称ケースと非対称ケースの両方の簡単な例を示す。
論文 参考訳（メタデータ） (2022-03-18T15:30:50Z) - Quantum algorithms for grid-based variational time evolution [36.136619420474766]
本稿では,第1量子化における量子力学の実行のための変分量子アルゴリズムを提案する。
シミュレーションでは,従来観測されていた変動時間伝播手法の数値不安定性を示す。
論文 参考訳（メタデータ） (2022-03-04T19:00:45Z) - Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。
本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。
この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
論文 参考訳（メタデータ） (2021-08-06T19:38:01Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳（メタデータ） (2020-08-03T18:00:05Z)
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。