論文の概要: Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise

• arxiv url: http://arxiv.org/abs/2505.18478v1
• Date: Sat, 24 May 2025 02:51:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.449719
• Title: Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise
• Title（参考訳）: パラメータノイズに対する量子回路分類器のロバストトレーニング
• Authors: Lucas Tecot, Di Luo, Cho-Jui Hsieh,
• Abstract要約: ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 49.97673761305336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advancements in quantum computing have spurred significant interest in harnessing its potential for speedups over classical systems. However, noise remains a major obstacle to achieving reliable quantum algorithms. In this work, we present a provably noise-resilient training theory and algorithm to enhance the robustness of parameterized quantum circuit classifiers. Our method, with a natural connection to Evolutionary Strategies, guarantees resilience to parameter noise with minimal adjustments to commonly used optimization algorithms. Our approach is function-agnostic and adaptable to various quantum circuits, successfully demonstrated in quantum phase classification tasks. By developing provably guaranteed optimization theory with quantum circuits, our work opens new avenues for practical, robust applications of near-term quantum computers.
• Abstract（参考訳）: 量子コンピューティングの進歩は、古典的なシステムに対するスピードアップの可能性を活かすことに大きな関心を喚起した。 しかし、ノイズは信頼できる量子アルゴリズムを達成するための大きな障害である。 本研究では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性トレーニング理論とアルゴリズムを提案する。 提案手法は,進化的戦略と自然に結びついており,パラメータノイズに対するレジリエンスを,一般的な最適化アルゴリズムに対して最小限の調整で保証する。 我々のアプローチは関数に依存しず、様々な量子回路に適用可能であり、量子位相分類タスクでうまく実証された。 量子回路を用いた証明可能な最適化理論の開発により、我々の研究は、短期量子コンピュータの実用的で堅牢な応用のための新たな道を開く。

関連論文リスト

• Circuit structure-preserving error mitigation for High-Fidelity Quantum Simulations [5.186385511113478]
  本稿では、パラメータ化量子回路のための回路構造保存誤差軽減フレームワークを提案する。 我々のアプローチの重要な利点は、ゲートエラーを効果的にキャラクタリゼーションし緩和しながら、元の回路アーキテクチャを維持する能力である。 我々の戦略はゲート誘起誤差に対処する実用的な解決策を提供し、現在の量子ハードウェア上で実現可能な量子シミュレーションの範囲を大幅に広げる。
  論文  参考訳（メタデータ） (2025-05-22T18:00:03Z)
• Diffusion-Inspired Quantum Noise Mitigation in Parameterized Quantum Circuits [10.073911279652918]
  量子ノイズと拡散モデルの関係について検討する。 本稿では,PQCにおける量子ノイズを軽減するために,拡散に着想を得た新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T19:35:38Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• On-the-fly Tailoring towards a Rational Ansatz Design for Digital Quantum Simulations [0.0]
  量子デバイスで物理的に実現可能な低深さ量子回路を開発することが不可欠である。 我々は,最適なアンサッツを動的に調整できるアンサッツ構成プロトコルを開発した。 アンザッツの構成は、エネルギーソートと演算子の可換性事前スクリーニングによって並列量子アーキテクチャで実行される可能性がある。
  論文  参考訳（メタデータ） (2023-02-07T11:22:01Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• 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)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
  本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。 単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
  論文  参考訳（メタデータ） (2020-02-04T00:46:51Z)

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。