論文の概要: Generative flow-based warm start of the variational quantum eigensolver

• arxiv url: http://arxiv.org/abs/2507.01726v1
• Date: Wed, 02 Jul 2025 14:00:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.275617
• Title: Generative flow-based warm start of the variational quantum eigensolver
• Title（参考訳）: 変動量子固有解器の生成的フローベース温暖開始
• Authors: Hang Zou, Martin Rahm, Anton Frisk Kockum, Simon Olsson,
• Abstract要約: Flow-VQEはパラメータ化量子回路を用いた条件正規化フローを利用した生成フレームワークである。 好みに基づくトレーニングを通じて生成モデルをVQE最適化ループに埋め込むことで、Flow-VQEは量子勾配のない最適化を可能にする。
• 参考スコア（独自算出の注目度）: 0.09999629695552192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid quantum-classical algorithms like the variational quantum eigensolver (VQE) show promise for quantum simulations on near-term quantum devices, but are often limited by complex objective functions and expensive optimization procedures. Here, we propose Flow-VQE, a generative framework leveraging conditional normalizing flows with parameterized quantum circuits to efficiently generate high-quality variational parameters. By embedding a generative model into the VQE optimization loop through preference-based training, Flow-VQE enables quantum gradient-free optimization and offers a systematic approach for parameter transfer, accelerating convergence across related problems through warm-started optimization. We compare Flow-VQE to a number of standard benchmarks through numerical simulations on molecular systems, including hydrogen chains, water, ammonia, and benzene. We find that Flow-VQE outperforms baseline optimization algorithms, achieving computational accuracy with fewer circuit evaluations (improvements range from modest to more than two orders of magnitude) and, when used to warm-start the optimization of new systems, accelerates subsequent fine-tuning by up to 50-fold compared with Hartree--Fock initialization. Therefore, we believe Flow-VQE can become a pragmatic and versatile paradigm for leveraging generative modeling to reduce the costs of variational quantum algorithms.
• Abstract（参考訳）: 変分量子固有解法(VQE)のようなハイブリッド量子古典アルゴリズムは、短期量子デバイス上での量子シミュレーションを約束するが、複雑な目的関数や高価な最適化手順によって制限されることが多い。 本稿では,パラメータ化量子回路を用いた条件正規化フローを利用した高品質な変動パラメータ生成フレームワークであるFlow-VQEを提案する。 好みに基づくトレーニングを通じて生成モデルをVQE最適化ループに埋め込むことで、Flow-VQEは量子勾配のない最適化を可能にし、パラメータ転送のための体系的なアプローチを提供する。 Flow-VQEを、水素鎖、水、アンモニア、ベンゼンを含む分子系の数値シミュレーションにより、いくつかの標準ベンチマークと比較する。 Flow-VQEは、回路評価を少なくして計算精度を向上し、新しいシステムの最適化を温める際には、Hartree-Fockの初期化と比較して最大50倍の微調整を高速化する。 そこで我々は,Flow-VQEが,変動量子アルゴリズムのコスト削減のために生成的モデリングを活用するための実用的で汎用的なパラダイムになると考えている。

関連論文リスト

• Improving Variational Quantum Circuit Optimization via Hybrid Algorithms and Random Axis Initialization [0.0]
  変分量子回路(VQC)は、ノイズの多い中間スケールの量子コンピュータを実用的な問題に適用する上で欠かせないツールである。 VQCに特化して設計された勾配のない最適化アルゴリズムであるRotosolve法の性能を向上させる。 我々は、FQSの優れた表現性を活用しながら、ロトゾルの初期収束の恩恵を受けるハイブリッドアルゴリズムを構築した。
  論文  参考訳（メタデータ） (2025-03-26T17:10:19Z)
• Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [47.47843839099175]
  近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。 モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。
  論文  参考訳（メタデータ） (2024-09-03T15:21:16Z)
• Surrogate optimization of variational quantum circuits [1.0546736060336612]
  変分量子固有解法は、多くの応用に影響を及ぼすことのできる短期的アルゴリズムとして評価される。 収束性を改善するアルゴリズムや手法を見つけることは、VQEの短期ハードウェアの能力を加速するために重要である。
  論文  参考訳（メタデータ） (2024-04-03T18:00:00Z)
• Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
  変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。 本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-27T00:06:48Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Benchmarking of Different Optimizers in the Variational Quantum Algorithms for Applications in Quantum Chemistry [0.0]
  古典的なヤードスティックは変分量子アルゴリズムの精度と収束を決定する上で重要な役割を果たしている。 量子化学への応用のために、いくつかの一般的なヤードスティックを考察し、変分量子アルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2022-08-22T13:02:00Z)
• Layer VQE: A Variational Approach for Combinatorial Optimization on Noisy Quantum Computers [5.644434841659249]
  変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。 L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。 シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下では良好に動作していることがわかった。
  論文  参考訳（メタデータ） (2021-02-10T16:53:22Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。