論文の概要: RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations

• arxiv url: http://arxiv.org/abs/2506.03697v1
• Date: Wed, 04 Jun 2025 08:30:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.230428
• Title: RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations
• Title（参考訳）: RhoDARTS:密度行列シミュレーションによる微分可能な量子アーキテクチャ探索
• Authors: Swagat Kumar, Jan-Nico Zaech, Colin Michael Wilmott, Luc Van Gool,
• Abstract要約: 変分量子アルゴリズム(VQA)は、強力なノイズ中間スケール量子(NISQ)コンピュータを利用するための有望なアプローチである。 本稿では,量子混合状態の進化をモデルとしたQASアルゴリズムである$rho$DARTSを提案する。
• 参考スコア（独自算出の注目度）: 48.670876200492415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational Quantum Algorithms (VQAs) are a promising approach for leveraging powerful Noisy Intermediate-Scale Quantum (NISQ) computers. When applied to machine learning tasks, VQAs give rise to NISQ-compatible Quantum Neural Networks (QNNs), which have been shown to outperform classical neural networks with a similar number of trainable parameters. While the quantum circuit structures of VQAs for physics simulations are determined by the physical properties of the systems, identifying effective QNN architectures for general machine learning tasks is a difficult challenge due to the lack of domain-specific priors. Indeed, existing Quantum Architecture Search (QAS) algorithms, adaptations of classical neural architecture search techniques, often overlook the inherent quantum nature of the circuits they produce. By approaching QAS from the ground-up and from a quantum perspective, we resolve this limitation by proposing $\rho$DARTS, a differentiable QAS algorithm that models the search process as the evolution of a quantum mixed state, emerging from the search space of quantum architectures. We validate our method by finding circuits for state initialization, Hamiltonian optimization, and image classification. Further, we demonstrate better convergence against existing QAS techniques and show improved robustness levels to noise.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、強力なノイズ中間スケール量子(NISQ)コンピュータを利用するための有望なアプローチである。 機械学習タスクに適用すると、VQAは、NISQ互換の量子ニューラルネットワーク(QNN)を発生させる。 物理シミュレーションのためのVQAの量子回路構造はシステムの物理的性質によって決定されるが、一般的な機械学習タスクに有効なQNNアーキテクチャを特定することは、ドメイン固有の事前条件が欠如しているため難しい。 実際、既存の量子アーキテクチャサーチ(QAS)アルゴリズム、古典的ニューラルネットワークサーチ技術の適応は、しばしばそれらが生成する回路の本質的な量子的性質を見落としている。 量子アーキテクチャの探索空間から出現する量子混合状態の進化として探索プロセスをモデル化する微分可能なQASアルゴリズムである$\rho$DARTSを提案する。 我々は、状態初期化、ハミルトン最適化、画像分類のための回路を見つけることにより、本手法を検証する。 さらに,既存のQAS技術に対してより優れた収束性を示し,ノイズに対するロバスト性レベルの改善を示す。

関連論文リスト

• Differentiable Quantum Architecture Search in Quantum-Enhanced Neural Network Parameter Generation [4.358861563008207]
  量子ニューラルネットワーク(QNN)は、経験的にも理論的にも有望であることを示している。 ハードウェアの欠陥と量子デバイスへの限られたアクセスは、実用的な課題となる。 微分可能最適化を用いた自動解法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T19:01:08Z)
• Topology-Driven Quantum Architecture Search Framework [2.9862856321580895]
  本稿では,高性能量子回路を識別するためのトポロジ駆動量子アーキテクチャ探索(TD-QAS)フレームワークを提案する。 広い探索空間をトポロジとゲート型コンポーネントに分離することで、TD-QASは低パフォーマンストポロジ内のゲート構成の探索を避けることができる。
  論文  参考訳（メタデータ） (2025-02-20T05:05:53Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum agents in the Gym: a variational quantum algorithm for deep Q-learning [0.0]
  本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。 量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
  論文  参考訳（メタデータ） (2021-03-28T08:57:22Z)
• 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)
• Differentiable Quantum Architecture Search [15.045985536395479]
  微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。 DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
  論文  参考訳（メタデータ） (2020-10-16T18:00:03Z)

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。