論文の概要: RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations
- arxiv url: http://arxiv.org/abs/2506.03697v2
- Date: Mon, 06 Oct 2025 11:34:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 14:28:10.076348
- 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、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
- 参考スコア（独自算出の注目度）: 44.13836547616739
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational Quantum Algorithms (VQAs) are a promising approach to leverage Noisy Intermediate-Scale Quantum (NISQ) computers. However, choosing optimal quantum circuits that efficiently solve a given VQA problem is a non-trivial task. Quantum Architecture Search (QAS) algorithms enable automatic generation of quantum circuits tailored to the provided problem. Existing QAS approaches typically adapt classical neural architecture search techniques, training machine learning models to sample relevant circuits, but often overlook the inherent quantum nature of the circuits they produce. By reformulating QAS from a quantum perspective, we propose a sampling-free differentiable QAS algorithm that models the search process as the evolution of a quantum mixed state, which emerges from the search space of quantum circuits. The mixed state formulation also enables our method to incorporate generic noise models, for example the depolarizing channel, which cannot be modeled by state vector simulation. We validate our method by finding circuits for state initialization and Hamiltonian optimization tasks, namely the variational quantum eigensolver and the unweighted max-cut problems. We show our approach to be comparable to, if not outperform, existing QAS techniques while requiring significantly fewer quantum simulations during training, and also show improved robustness levels to noise.
- Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
しかしながら、与えられたVQA問題を効率的に解く最適量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
既存のQASアプローチは通常、古典的なニューラルネットワーク探索技術を適用し、関連する回路をサンプリングするために機械学習モデルを訓練するが、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。
量子の観点からQASを再構成することにより,量子回路の探索空間から生じる量子混合状態の進化として探索過程をモデル化する,サンプリング不要な微分可能QASアルゴリズムを提案する。
また、混合状態定式化により、状態ベクトルシミュレーションではモデル化できない脱分極チャネルなどの一般的なノイズモデルも組み込むことができる。
我々は、状態初期化のための回路とハミルトン最適化タスク、すなわち変分量子固有解法と無重み付き最大カット問題を見つけることにより、本手法を検証する。
我々は、既存のQAS技術に匹敵するアプローチを示し、トレーニング中に量子シミュレーションを著しく少なくし、ノイズに対するロバストネスレベルも改善したことを示す。
関連論文リスト
- Quantum Recurrent Embedding Neural Network [11.54075064463256]
本稿では、ResNetの高速トラック情報経路にインスパイアされた量子リカレント埋め込みニューラルネットワーク(QRENN)を提案する。
我々は、QRENN回路のトレーニング可能性の厳密な証明を提供し、このディープ量子ニューラルネットワークがバレンプラトーを回避することができることを示した。
その結果、量子ニューラルネットワークに再帰的なデータ埋め込みのパワーと、スケーラブルな量子教師あり学習の可能性を強調した。
論文 参考訳（メタデータ） (2025-06-16T07:50:31Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。
それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。
この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - 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。