論文の概要: Superposed Parameterised Quantum Circuits

• arxiv url: http://arxiv.org/abs/2506.08749v1
• Date: Tue, 10 Jun 2025 12:44:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.464233
• Title: Superposed Parameterised Quantum Circuits
• Title（参考訳）: 重畳パラメタライズド量子回路
• Authors: Viktoria Patapovich, Mo Kordzanganeh, Alexey Melnikov,
• Abstract要約: 既存のアプローチの限界を克服するために、重畳パラメタライズド量子回路を導入する。 重畳されたパラメータ化された量子回路は、指数的な数のパラメータ化されたサブモデルを単一の回路に埋め込む。 複数のパラメータ集合が並列に訓練されているのに対して、非線形変換は従来の量子カーネルを超えてパワーを広げていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning has shown promise for high-dimensional data analysis, yet many existing approaches rely on linear unitary operations and shared trainable parameters across outputs. These constraints limit expressivity and scalability relative to the multi-layered, non-linear architectures of classical deep networks. We introduce superposed parameterised quantum circuits to overcome these limitations. By combining flip-flop quantum random-access memory with repeat-until-success protocols, a superposed parameterised quantum circuit embeds an exponential number of parameterised sub-models in a single circuit and induces polynomial activation functions through amplitude transformations and post-selection. We provide an analytic description of the architecture, showing how multiple parameter sets are trained in parallel while non-linear amplitude transformations broaden representational power beyond conventional quantum kernels. Numerical experiments underscore these advantages: on a 1D step-function regression a two-qubit superposed parameterised quantum circuit cuts the mean-squared error by three orders of magnitude versus a parameter-matched variational baseline; on a 2D star-shaped two-dimensional classification task, introducing a quadratic activation lifts accuracy to 81.4% and reduces run-to-run variance three-fold. These results position superposed parameterised quantum circuits as a hardware-efficient route toward deeper, more versatile parameterised quantum circuits capable of learning complex decision boundaries.
• Abstract（参考訳）: 量子機械学習は高次元データ解析を約束するが、既存の多くのアプローチは線形ユニタリ演算と出力をまたいだ訓練可能なパラメータの共有に依存している。 これらの制約は、古典的なディープネットワークの多層非線形アーキテクチャと比較して、表現性とスケーラビリティを制限している。 これらの制限を克服するために、重畳パラメタライズド量子回路を導入する。 重畳されたパラメータ化量子回路は、フリップフロップ量子ランダムアクセスメモリと繰り返しアンティル・サクセスプロトコルを組み合わせることにより、1つの回路に指数的な数のパラメータ化サブモデルを埋め込み、振幅変換と後選択を通じて多項式活性化関数を誘導する。 本稿では,複数のパラメータ集合が並列に学習されているのに対して,非線形振幅変換は従来の量子カーネルを超えて表現力を広げていることを示す。 1次元ステップ関数の回帰では、2量子ビット重畳された量子回路が平均二乗誤差を3桁の精度で削減し、2次元の星型2次元分類タスクでは、2次元のアクティベーションが81.4%まで精度を上げ、ラン・ツー・ランのばらつきを3倍に減らした。 これらの結果は、重畳されたパラメータ化量子回路を、複雑な決定境界を学習できるより深い、より汎用的なパラメータ化量子回路へのハードウェア効率の高い経路として位置づけた。

関連論文リスト

• Synthesis of discrete-continuous quantum circuits with multimodal diffusion models [0.5277756703318045]
  量子演算の効率的なコンパイルは、量子コンピューティングのスケーリングにおいて依然として大きなボトルネックとなっている。 対象ユニタリをコンパイルするための回路構造とその連続パラメータを同時に生成するマルチモーダルデノナイジング拡散モデルを提案する。 我々は、異なる実験でモデルをベンチマークし、様々なキュービット数、回路深さ、パラメータ化ゲートの比率にまたがる手法の精度を分析した。
  論文  参考訳（メタデータ） (2025-06-02T13:35:33Z)
• Learning the expressibility of quantum circuit ansatz using transformer [5.368973814856243]
  本稿では,量子回路のアンサーゼの表現可能性を予測するために,トランスフォーマーモデルを提案する。 本研究は、量子回路アンサーゼの表現可能性の理解を深め、量子アーキテクチャ探索アルゴリズムを進化させることが可能である。
  論文  参考訳（メタデータ） (2024-05-29T07:34:07Z)
• Characterizing randomness in parameterized quantum circuits through expressibility and average entanglement [39.58317527488534]
  量子回路(PQC)は、その主応用の範囲外ではまだ完全には理解されていない。 我々は、量子ビット接続性に関する制約の下で、PQCにおけるランダム状態の生成を分析する。 生成した状態の分布の均一性の増加と絡み合いの発生との間には,どれだけ急激な関係があるかを示す。
  論文  参考訳（メタデータ） (2024-05-03T17:32:55Z)
• 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)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Capacity and quantum geometry of parametrized quantum circuits [0.0]
  パラメタライズド量子回路は、現在のデバイスで効果的に実装できる。 パラメータ空間の幾何学的構造を用いて,これらの回路のキャパシティとトレーニング性を評価する。 本結果は,変分量子アルゴリズムの改良を目的としたパラメタライズド量子回路の理解を深めるものである。
  論文  参考訳（メタデータ） (2021-02-02T18:16:57Z)
• Dimensional Expressivity Analysis of Parametric Quantum Circuits [0.0]
  本稿では,量子ハードウェアを用いた表現率解析を効率的に実装する方法を示す。 また、対称性の効果について議論し、パラメタライズされたアンザッツから対称性を組み込んだり取り除いたりする方法を実証する。
  論文  参考訳（メタデータ） (2020-11-06T18:59:04Z)
• Large gradients via correlation in random parameterized quantum circuits [0.0]
  コスト関数ランドスケープにおける指数関数的に消失する勾配の存在は、勾配降下法による最適化の障害となる。 パラメータ空間の次元性を減少させることで、消滅する勾配現象を回避できることを示す。
  論文  参考訳（メタデータ） (2020-05-25T16:15:53Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。