論文の概要: Variational Inference for Quantum HyperNetworks

• arxiv url: http://arxiv.org/abs/2506.05888v1
• Date: Fri, 06 Jun 2025 08:57:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.392745
• Title: Variational Inference for Quantum HyperNetworks
• Title（参考訳）: 量子ハイパーネットワークのための変分推論
• Authors: Luca Nepote, Alix Lhéritier, Nicolas Bondoux, Marios Kountouris, Maurizio Filippone,
• Abstract要約: 変分量子アルゴリズムは、量子回路の測定によって二分重を生成するために用いられる。 重ね合わせや絡み合いのような重要な量子現象は、より広い解空間の探索を促進する。
• 参考スコア（独自算出の注目度）: 16.447132371824942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Binary Neural Networks (BiNNs), which employ single-bit precision weights, have emerged as a promising solution to reduce memory usage and power consumption while maintaining competitive performance in large-scale systems. However, training BiNNs remains a significant challenge due to the limitations of conventional training algorithms. Quantum HyperNetworks offer a novel paradigm for enhancing the optimization of BiNN by leveraging quantum computing. Specifically, a Variational Quantum Algorithm is employed to generate binary weights through quantum circuit measurements, while key quantum phenomena such as superposition and entanglement facilitate the exploration of a broader solution space. In this work, we establish a connection between this approach and Bayesian inference by deriving the Evidence Lower Bound (ELBO), when direct access to the output distribution is available (i.e., in simulations), and introducing a surrogate ELBO based on the Maximum Mean Discrepancy (MMD) metric for scenarios involving implicit distributions, as commonly encountered in practice. Our experimental results demonstrate that the proposed methods outperform standard Maximum Likelihood Estimation (MLE), improving trainability and generalization.
• Abstract（参考訳）: 単一ビットの精度重みを持つバイナリニューラルネットワーク(BiNN)は、大規模システムにおける競合性能を維持しながら、メモリ使用量と消費電力を減らすための有望なソリューションとして登場した。 しかし、従来のトレーニングアルゴリズムの限界のため、BiNNのトレーニングは依然として重要な課題である。 Quantum HyperNetworksは、量子コンピューティングを活用することでBiNNの最適化を強化する新しいパラダイムを提供する。 具体的には、変分量子アルゴリズムを用いて量子回路の測定によって二重項を生成するが、重ね合わせや絡み合いのような重要な量子現象はより広い解空間の探索を促進する。 本研究では,この手法とベイズ推定の関連性を確立するために,エビデンス・ロー・バウンド(ELBO)を導出し,出力分布への直接アクセスが可能な場合(シミュレーションなど)に,暗黙的な分布を含むシナリオに対する最大平均離散性(MMD)尺度に基づく代理ELBOを導入する。 実験の結果,提案手法は,MLE(Maximum Likelihood Estimation)よりも優れ,訓練性や一般化性が向上していることがわかった。

関連論文リスト

• 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)
• Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
  近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。 我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。 我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T06:59:23Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Applicability of Measurement-based Quantum Computation towards Physically-driven Variational Quantum Eigensolver [17.975555487972166]
  変分量子アルゴリズムは、短期量子の利点を得る最も有望な方法の1つである。 測定に基づく量子計算方式で量子アルゴリズムを開発するための障害は、リソースコストである。 量子多体系シミュレーションタスクのための効率的な測定ベース量子アルゴリズム(MBHVA)を提案する。
  論文  参考訳（メタデータ） (2023-07-19T08:07:53Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• 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)
• Quantum Robustness Verification: A Hybrid Quantum-Classical Neural Network Certification Algorithm [1.439946676159516]
  本研究では、堅牢性多変数混合整数プログラム(MIP)の解法を含むReLUネットワークの検証について検討する。 この問題を軽減するために、ニューラルネットワーク検証にQCを用い、証明可能な証明書を計算するためのハイブリッド量子プロシージャを導入することを提案する。 シミュレーション環境では,我々の証明は健全であり,問題の近似に必要な最小量子ビット数に制限を与える。
  論文  参考訳（メタデータ） (2022-05-02T13:23:56Z)
• 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)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)

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。