論文の概要: Optimization by VarQITE on Adaptive Variational Quantum Kolmogorov-Arnold Network
- arxiv url: http://arxiv.org/abs/2506.22801v1
- Date: Sat, 28 Jun 2025 08:05:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:53.57469
- Title: Optimization by VarQITE on Adaptive Variational Quantum Kolmogorov-Arnold Network
- Title（参考訳）: 適応型変分量子Kolmogorov-ArnoldネットワークにおけるVarQITEによる最適化
- Authors: Hikaru Wakaura, Rahmat Mulyawan, Andriyan B. Suksmono,
- Abstract要約: 量子想像時間進化(Quantum imaginary Time Evolution, QITE)は、システムの基底状態を導出する強力な方法である。
本稿では,量子機械学習にQITE法を適用し,複数の入力値に対する理想値を予測する手法を提案する。
- 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 imaginary time evolution (QITE) is a powerful method to derive the ground states of the systems. Only the damping of quantum states leads it; hence, reaching the ground state is guaranteed by nature without any external manipulation. Numerous QITE methods by many groups are used to improve speed and accuracy, derive excited states, and solve combined optimization problems. However, the QITE methods have not been used for quantum machine learning to predict the ideal values for multiple input values. Therefore, we propose a method for applying QITE methods for quantum machine learning and demonstrate fitting problems of elementary functions and classification problems on a 2-D plane. As a result, we confirmed that our method was more accurate than a quantum neural network in solving some problems. Our method can be used for other quantum machine learning algorithms; hence, it may be the milestone for applying QITE to quantum machine learning.
- Abstract（参考訳）: 量子想像時間進化(Quantum imaginary Time Evolution, QITE)は、システムの基底状態を導出する強力な方法である。
量子状態の減衰だけがそれにつながるため、基底状態に達することは外部操作なしで自然によって保証される。
多くのグループによる多くのQITE法は、速度と精度の向上、励起状態の導出、複合最適化問題の解法に用いられている。
しかし、QITE法は、複数の入力値に対する理想的な値を予測するための量子機械学習には使われていない。
そこで本研究では,量子機械学習にQITE法を適用し,基本関数の適合問題と2次元平面上の分類問題を実証する手法を提案する。
その結果,本手法は量子ニューラルネットワークよりも精度が高いことが確認された。
本手法は他の量子機械学習アルゴリズムにも応用できるため,QITEを量子機械学習に適用するためのマイルストーンとなるかもしれない。
関連論文リスト
- Rapidly Achieving Chemical Accuracy with Quantum Computing Enforced Language Model [22.163742052849432]
QiankunNet-VQEは量子コンピューティングを用いて量子状態の学習と生成を行うトランスフォーマーベースの言語モデルである。
最大12キュービットで実装され、最先端の古典的手法と競合する精度のレベルに達した。
論文 参考訳（メタデータ） (2024-05-15T07:50:57Z) - 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) - 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) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Optimization in quantum metrology and entanglement theory using semidefinite programming [0.0]
両部量子系における局所ハミルトニアンのメトロジー性能を最適化する効率的な手法について議論する。
本稿では,量子フィッシャー情報をバイリニア形式で提示し,イテレーティブシーソー(ISS)法で最大化する。
我々は、同様の方法で解決できる量子情報理論の他の多くの問題を考察する。
論文 参考訳（メタデータ） (2022-06-06T18:01:03Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Optimal training of variational quantum algorithms without barren
plateaus [0.0]
変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。
量子状態学習のためのVQAを最適に訓練する方法を示す。
量子機械学習におけるガウスカーネルの応用を提案する。
論文 参考訳（メタデータ） (2021-04-29T17:54:59Z) - VQE Method: A Short Survey and Recent Developments [5.9640499950316945]
変分量子固有解法(VQE)は、ハミルトニアンの固有値と固有値を見つけるためにハイブリッド量子古典計算法を用いる方法である。
VQEは、様々な小さな分子に対する電子的シュリンガー方程式の解法に成功している。
現代の量子コンピュータは、現在利用可能なアンサツェを用いて生成されたディープ量子回路を実行することができない。
論文 参考訳（メタデータ） (2021-03-15T16:25:36Z) - A Query-based Quantum Eigensolver [8.136660631939154]
固定点量子探索を用いてII型固有値問題の解法を提案する。
さらに,QPE法と比較して,クエリベースの手法は,タイプIIの問題を解く際の2次高速化を実現する。
論文 参考訳（メタデータ） (2020-08-03T00:29:19Z)
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。