論文の概要: Automated Design of Structured Variational Quantum Circuits with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2507.16001v1
• Date: Mon, 21 Jul 2025 18:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:13.848963
• Title: Automated Design of Structured Variational Quantum Circuits with Reinforcement Learning
• Title（参考訳）: 強化学習による構造可変量子回路の自動設計
• Authors: Gloria Turati, Simone Foderà, Riccardo Nembrini, Maurizio Ferrari Dacrema, Paolo Cremonesi,
• Abstract要約: この研究は、逐次決定問題として変分量子回路の合成を表現している。 本稿では,RLVQC GlobalとRLVQC Blockの2つの強化学習手法を提案する。 以上の結果から,RLVQCブロックはRLVQC Globalをはるかに上回り,RLVQCブロックよりも優れていた。
• 参考スコア（独自算出の注目度）: 10.136215038345012
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Variational Quantum Algorithms (VQAs) are among the most promising approaches for leveraging near-term quantum hardware, yet their effectiveness strongly depends on the design of the underlying circuit ansatz, which is typically constructed with heuristic methods. In this work, we represent the synthesis of variational quantum circuits as a sequential decision-making problem, where gates are added iteratively in order to optimize an objective function, and we introduce two reinforcement learning-based methods, RLVQC Global and RLVQC Block, tailored to combinatorial optimization problems. RLVQC Block creates ansatzes that generalize the Quantum Approximate Optimization Algorithm (QAOA), by discovering a two-qubits block that is applied to all the interacting qubit pairs. While RLVQC Global further generalizes the ansatz and adds gates unconstrained by the structure of the interacting qubits. Both methods adopt the Proximal Policy Optimization (PPO) algorithm and use empirical measurement outcomes as state observations to guide the agent. We evaluate the proposed methods on a broad set of QUBO instances derived from classical graph-based optimization problems. Our results show that both RLVQC methods exhibit strong results with RLVQC Block consistently outperforming QAOA and generally surpassing RLVQC Global. While RLVQC Block produces circuits with depth comparable to QAOA, the Global variant is instead able to find significantly shorter ones. These findings suggest that reinforcement learning methods can be an effective tool to discover new ansatz structures tailored for specific problems and that the most effective circuit design strategy lies between rigid predefined architectures and completely unconstrained ones, offering a favourable trade-off between structure and adaptability.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、短期量子ハードウェアを利用する最も有望なアプローチであるが、その効果は、一般にヒューリスティックな手法で構築される基盤となる回路アンサッツの設計に強く依存する。 本研究では,変分量子回路の合成を逐次決定問題として表現し,目標関数を最適化するためにゲートを反復的に追加し,組合せ最適化問題に適した2つの強化学習手法RLVQC GlobalとRLVQC Blockを導入する。 RLVQC Block は量子近似最適化アルゴリズム (QAOA) を一般化するアンサーゼを生成する。 RLVQC Globalはアンサッツをさらに一般化し、相互作用する量子ビットの構造に制約されないゲートを追加する。 どちらの手法もPPOアルゴリズムを採用し、経験的測定結果を状態観察として使用してエージェントを誘導する。 提案手法は,古典的なグラフに基づく最適化問題から派生した,広範囲なQUBOインスタンスに対して評価する。 以上の結果から,RLVQCブロックはRLVQC Globalをはるかに上回り,RLVQCブロックよりも優れていた。 RLVQC BlockはQAOAに匹敵する深さの回路を生成するが、Global variantはより短い回路を見つけることができる。 これらの結果から, 補強学習手法は, 特定の問題に適した新しいアンザッツ構造を発見するための有効なツールであり, 最も効果的な回路設計戦略は, 厳密な事前定義されたアーキテクチャと, 完全に制約のないアーキテクチャの間にあり, 構造と適応性の間に良好なトレードオフをもたらすことが示唆された。

関連論文リスト

• Path Matters: Industrial Data Meet Quantum Optimization [2.7883868459582737]
  現実の最適化問題は、現在の量子ハードウェアで解けるようになる前に、一連の変換を行う必要がある。 実業界における産業生産計画問題と産業データを用いて,これらの転換経路の代表的サブセットをベンチマークする。 その結果,D-Waveハードウェア上でのQAがほぼ最適解を生成するのに対して,IBM量子デバイス上でのLR-QAOAは同等の性能に達するのに苦労していることがわかった。
  論文  参考訳（メタデータ） (2025-04-23T10:45:38Z)
• 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)
• qNBO: quasi-Newton Meets Bilevel Optimization [26.0555315825777]
  階層的な学習タスクにおける課題に対処するバイレベル最適化は、機械学習に大きな関心を集めている。 我々はこれらの計算課題に協調的に対処するための一般的な枠組みを導入する。 具体的には、準ニュートンアルゴリズムを利用して、逆ヘッセンベクトル積を効率的に近似しながら、下層問題の解法を高速化する。
  論文  参考訳（メタデータ） (2025-02-03T05:36:45Z)
• A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
  提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。 完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。 ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
  論文  参考訳（メタデータ） (2025-01-02T05:06:16Z)
• Untrained Filtering with Trained Focusing for Superior Quantum Architecture Search [14.288836269941207]
  量子アーキテクチャサーチ(QAS)は、量子機械学習における根本的な課題である。 探索過程を粗大かつきめ細かい知識学習の動的交互フェーズに分解する。 QUEST-Aは,多段階の知識伝達を促進するために,知識蓄積と再利用を伴う進化的メカニズムを開発する。
  論文  参考訳（メタデータ） (2024-10-31T01:57:14Z)
• Out of the Loop: Structural Approximation of Optimisation Landscapes and non-Iterative Quantum Optimisation [3.9857517408503567]
  量子近似最適化アルゴリズム (quantum Approximate optimization algorithm, Qaoa) は、最適化のための量子古典的反復法として広く研究されている。 インスタンスに依存しないが問題固有の非定型計算に基づく新しいアルゴリズム変種を導入する。 我々のアプローチは、カオの量子非依存構造に関する長年の予想を証明することに基づいている。
  論文  参考訳（メタデータ） (2024-08-12T21:02:58Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Curriculum reinforcement learning for quantum architecture search under hardware errors [1.583327010995414]
  本研究は、VQAデプロイメントにおける課題に対処するために設計されたカリキュラムベースの強化学習QAS(CRLQAS)を導入する。 このアルゴリズムは、(i)環境力学の3Dアーキテクチャを符号化し、回路の探索空間を効率的に探索する。 研究を容易にするため,雑音量子回路の計算効率を大幅に向上させる最適化シミュレータを開発した。
  論文  参考訳（メタデータ） (2024-02-05T20:33:00Z)
• Quantum Architecture Search with Unsupervised Representation Learning [24.698519892763283]
  教師なし表現学習は量子アーキテクチャ探索(QAS)を前進させる新しい機会を提供する QASは変分量子アルゴリズム(VQA)のための量子回路を最適化するように設計されている
  論文  参考訳（メタデータ） (2024-01-21T19:53:17Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• Learning Pseudo-Backdoors for Mixed Integer Programs [48.36587539004464]
  そこで我々は,Mixed Programs (MIP) の解法として,擬似バックドア(擬似バックドア)と呼ばれる一連の決定変数の優先順位付けを学習し,解時間を短縮する機械学習手法を提案する。 我々のアプローチは、これらの変数の分岐のみが最適積分解と最適性の証明となるような、小さな変数の集合に対応する強いバックドアの概念から着想を得ている。 強力なバックドアに対する擬似バックドアの重要な利点は、データ駆動の識別や予測に非常に適している点である。
  論文  参考訳（メタデータ） (2021-06-09T13:59:53Z)
• Quantum variational optimization: The role of entanglement and problem hardness [0.0]
  本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。 数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。 リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
  論文  参考訳（メタデータ） (2021-03-26T14:06:54Z)
• 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)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。