Fugu-MT 論文翻訳(概要): A scalable quantum-neural hybrid variational algorithm for ground state estimation

論文の概要: A scalable quantum-neural hybrid variational algorithm for ground state estimation

arxiv url: http://arxiv.org/abs/2507.11002v2
Date: Thu, 31 Jul 2025 04:16:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-01 15:10:45.23464
Title: A scalable quantum-neural hybrid variational algorithm for ground state estimation
Title（参考訳）: 基底状態推定のためのスケーラブルな量子-ニューラルハイブリッド変分アルゴリズム
Authors: Minwoo Kim, Kyoung Keun Park, Uihwan Jeong, Sangyeon Lee, Taehyun Kim,
Abstract要約: 単位変数の量子-ニューラルハイブリッド固有溶媒(U-VQNHE) 量子-ニューラルハイブリッド固有解法(U-VQNHE)を提案する。
参考スコア（独自算出の注目度）: 6.9497152533020685
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose the unitary variational quantum-neural hybrid eigensolver (U-VQNHE), which improves upon the original VQNHE by enforcing unitary neural transformations. The non-unitary nature of VQNHE causes normalization issues and divergence of the loss function during training, leading to exponential scaling of measurement overhead with qubit number. U-VQNHE resolves these issues, significantly reduces required measurements, and retains improved accuracy and stability over standard variational quantum eigensolvers.
Abstract（参考訳）: 本稿では,量子-ニューラルハイブリッド固有解法(U-VQNHE)を提案する。 VQNHEの非ユニタリな性質は、トレーニング中に正規化の問題と損失関数のばらつきを引き起こし、キュービット数で測定オーバーヘッドを指数関数的にスケーリングする。 U-VQNHEはこれらの問題を解決し、必要な測定値を著しく削減し、標準変分量子固有解法よりも精度と安定性を向上させる。

関連論文リスト

Variational quantum-neural hybrid imaginary time evolution [0.0]
変分量子ニューラルハイブリッドITT法(VQNHITE)を提案する。本稿では,ニューラルネットワークとパラメタライズド量子回路を組み合わせることで,ITEを正確に推定する。我々は,VQNHITEの性能をVITEと比較して数値シミュレーションにより評価した。
論文参考訳（メタデータ） (2025-03-28T16:19:12Z)
Real-time error mitigation for variational optimization on quantum hardware [45.935798913942904]
VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
論文参考訳（メタデータ） (2023-11-09T19:00:01Z)
Quantization Variation: A New Perspective on Training Transformers with Low-Bit Precision [45.69716658698776]
本稿では,トランスフォーマーによる低ビット量子化学習の難しさを識別する。本稿では,視覚と言語変換の両面での変動を考慮した量子化手法を提案する。我々のソリューションは2ビットのSwin-TとバイナリBERTベースを大幅に改善し、3.35%と1.4%の精度向上を実現した。
論文参考訳（メタデータ） (2023-07-01T13:01:39Z)
Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文参考訳（メタデータ） (2023-05-18T03:08:18Z)
Theoretical Error Performance Analysis for Variational Quantum Circuit Based Functional Regression [83.79664725059877]
本研究では,次元減少と機能回帰のためのエンドツーエンドの量子ニューラルネットワークであるTTN-VQCを提案する。また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
論文参考訳（メタデータ） (2022-06-08T06:54:07Z)
An Efficient Gradient Sensitive Alternate Framework for VQE with Variable Ansatz [13.360755226969678]
本稿では,変分量子固有解器(VQE)の性能を高めるために,可変アンサッツを用いた勾配感度代替フレームワークを提案する。本研究では,ハードウェア効率のよいアンサッツと比較して,検出した解の誤差を最大87.9%向上することを示す。
論文参考訳（メタデータ） (2022-05-06T06:15:10Z)
Variational Quantum-Neural Hybrid Error Mitigation [6.555128824546528]
量子エラー軽減(QEM)は、量子コンピュータ上で信頼性の高い結果を得るために重要である。量子-ニューラルハイブリッド固有解法 (VQNHE) アルゴリズムは, 本質的にはノイズ耐性であり, ユニークなQEM容量を持つことを示す。
論文参考訳（メタデータ） (2021-12-20T08:07:58Z)
Improved accuracy on noisy devices by non-unitary Variational Quantum Eigensolver for chemistry applications [0.0]
本稿では,量子コンピュータを用いた電子構造最適化のための変分量子固有解法アルゴリズムを提案する。非単項作用素は元のハミルトニアン系と組み合わせられ、単純化された波動関数 Ansatz による新しい変分問題につながる。
論文参考訳（メタデータ） (2021-01-22T20:17:37Z)
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)

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。