論文の概要: Meta-learning of Gibbs states for many-body Hamiltonians with applications to Quantum Boltzmann Machines
- arxiv url: http://arxiv.org/abs/2507.16373v1
- Date: Tue, 22 Jul 2025 09:17:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-23 21:34:14.042668
- Title: Meta-learning of Gibbs states for many-body Hamiltonians with applications to Quantum Boltzmann Machines
- Title（参考訳）: 多体ハミルトニアンに対するギブス状態のメタラーニングと量子ボルツマンマシンへの応用
- Authors: Ruchira V Bhat, Rahul Bhowmick, Avinash Singh, Krishna Kumar Sabapathy,
- Abstract要約: パラメトリックハミルトニアンの効率的な熱状態調製のためのメタラーニングアルゴリズムを2つ導入する。
我々は,最大8-qubitの逆場イジングモデルと2-qubitのハイゼンベルクモデルに対して,すべてのフィールド項で検証する。
我々は,量子ボルツマンマシン(QBM)を,すべてのフィールド項を持つ2キュービットハイゼンベルクモデルで訓練するために,アルゴリズムを適用した。
- 参考スコア（独自算出の注目度）: 0.5892638927736115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The preparation of quantum Gibbs states is a fundamental challenge in quantum computing, essential for applications ranging from modeling open quantum systems to quantum machine learning. Building on the Meta-Variational Quantum Eigensolver framework proposed by Cervera-Lierta et al.(2021) and a problem driven ansatz design, we introduce two meta-learning algorithms: Meta-Variational Quantum Thermalizer (Meta-VQT) and Neural Network Meta-VQT (NN-Meta VQT) for efficient thermal state preparation of parametrized Hamiltonians on Noisy Intermediate-Scale Quantum (NISQ) devices. Meta-VQT utilizes a fully quantum ansatz, while NN Meta-VQT integrates a quantum classical hybrid architecture. Both leverage collective optimization over training sets to generalize Gibbs state preparation to unseen parameters. We validate our methods on upto 8-qubit Transverse Field Ising Model and the 2-qubit Heisenberg model with all field terms, demonstrating efficient thermal state generation beyond training data. For larger systems, we show that our meta-learned parameters when combined with appropriately designed ansatz serve as warm start initializations, significantly outperforming random initializations in the optimization tasks. Furthermore, a 3- qubit Kitaev ring example showcases our algorithm's effectiveness across finite-temperature crossover regimes. Finally, we apply our algorithms to train a Quantum Boltzmann Machine (QBM) on a 2-qubit Heisenberg model with all field terms, achieving enhanced training efficiency, improved Gibbs state accuracy, and a 30-fold runtime speedup over existing techniques such as variational quantum imaginary time (VarQITE)-based QBM highlighting the scalability and practicality of meta-algorithm-based QBMs.
- Abstract（参考訳）: 量子ギブス状態の生成は量子コンピューティングの基本的な課題であり、オープン量子システムのモデリングから量子機械学習まで、様々なアプリケーションに必須である。
Cervera-Lierta et al (2021) によって提案されたメタ変数量子固有解法フレームワークと問題駆動型アンサッツ設計に基づいて、ノイズ中間量子(NISQ)デバイス上でのパラメタ化ハミルトンの効率的な熱状態生成のためのメタ変数量子熱化器(Meta-VQT)とニューラルネットワークメタVQT(NN-Meta VQT)の2つのメタ学習アルゴリズムを導入する。
Meta-VQTは完全に量子アンサッツを使用し、NN Meta-VQTは量子古典ハイブリッドアーキテクチャを統合する。
どちらもトレーニングセットよりも集合最適化を利用して、ギブス状態の準備を未確認パラメータに一般化する。
本研究では, 最大8kbitの逆場等化モデルと2kbitのハイゼンベルクモデルに対して, 全フィールド項で検証し, トレーニングデータを超える効率的な熱状態生成を実証した。
大規模システムでは、適切な設計のアンザッツと組み合わせた場合のメタ学習パラメータが温かい開始初期化として役立ち、最適化タスクにおけるランダム初期化よりも大幅に優れることを示す。
さらに、3 qubit Kitaev 環の例は、有限温度のクロスオーバー機構におけるアルゴリズムの有効性を示している。
最後に,量子ボルツマンマシン (QBM) を全フィールド項でトレーニングし,トレーニング効率の向上,ギブス状態精度の向上,変分量子想像時間 (VarQITE) ベースのQBMのような既存の技術よりも30倍のランタイム高速化を実現し,メタアルゴリズムに基づくQBMのスケーラビリティと実用性を強調した。
関連論文リスト
- TensoMeta-VQC: A Tensor-Train-Guided Meta-Learning Framework for Robust and Scalable Variational Quantum Computing [60.996803677584424]
TensoMeta-VQCは、VQCの堅牢性とスケーラビリティを大幅に向上させるために設計された、TT誘導型メタラーニングフレームワークである。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに完全に委譲し、量子ハードウェアから最適化を効果的に分離する。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。
それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。
この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [48.670876200492415]
変分量子アルゴリズム(VQA)は、強力なノイズ中間スケール量子(NISQ)コンピュータを利用するための有望なアプローチである。
本稿では,量子混合状態の進化をモデルとしたQASアルゴリズムである$rho$DARTSを提案する。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
量子ニューラルネットワークを用いた最大12キュービットハミルトニアンの変分量子固有解法(VQE)と量子位相分類
量子ニューラルネットワークを用いた最大12量子ビットハミルトニアンのVQEと量子位相分類を用いた6-18量子ハミルトニアンの基底状態推定手法の数値評価を行った。
論文 参考訳（メタデータ） (2025-03-20T17:17:58Z) - Applications of the Quantum Phase Difference Estimation Algorithm to the Excitation Energies in Spin Systems on a NISQ Device [0.0]
QPDEは、2つの固有状態の量子重ね合わせを利用して、ユニタリ作用素の2つの固有値の違いを計算するために設計された量子アルゴリズムである。
本稿では,様々なスピン系構成のエネルギーギャップを決定するための新しい早期耐故障QPDEアルゴリズムの実装と検証について述べる。
IBM量子プロセッサの計算結果は,85%から93%の範囲で顕著な精度を示し,ハードウェアノイズの存在下においても古典的計算と良好な一致を示した。
論文 参考訳（メタデータ） (2025-02-27T06:31:47Z) - Variational quantum thermalizers based on weakly-symmetric nonunitary multi-qubit operations [0.0]
変分量子熱分解器(VQTs)は、与えられたハミルトニアンの熱(ギブ)状態を生成する。
現在のアルゴリズムは、ターゲット状態が不純だが絡み合いを示す中間温度で苦労している。
弱い対称性を利用するマルチキュービット非単位演算を考案し,アルゴリズムの性能を向上する。
論文 参考訳（メタデータ） (2025-02-13T19:00:00Z) - Simulating electronic structure on bosonic quantum computers [34.84696943963362]
電子ハミルトニアンを、ボゾン量子デバイス上で解ける擬似ボゾン問題にマッピングする方法を提案する。
この研究は、多くのフェルミオン系をシミュレートする新しい経路を確立し、ハイブリッド量子ビット量子デバイスの可能性を強調する。
論文 参考訳（メタデータ） (2024-04-16T02:04:11Z) - Scalable Quantum Ground State Preparation of the Heisenberg Model: A
Variational Quantum Eigensolver Approach [0.0]
変分量子ソルバ (VQE) アルゴリズムは、量子回路と古典的等分量子ソルバからなるシステムである。
異方性XXZモデルに対する臨界状態を含む結合の可能な全ての値に対して基底状態を作成することができるアンザッツを提案する。
論文 参考訳（メタデータ） (2023-08-23T09:26:34Z) - Quantum Thermal State Preparation [39.91303506884272]
量子マスター方程式をシミュレートするための簡単な連続時間量子ギブスサンプリングを導入する。
我々は、特定の純ギブス状態を作成するための証明可能かつ効率的なアルゴリズムを構築した。
アルゴリズムのコストは温度、精度、混合時間に依存している。
論文 参考訳（メタデータ） (2023-03-31T17:29:56Z) - Adaptive variational quantum minimally entangled typical thermal states
for finite temperature simulations [0.0]
我々は、最小絡み合った典型的な熱状態(METTS)アルゴリズムの量子コンピューティングバージョンを記述し、ベンチマークする。
AVQMETTSと呼ばれるアルゴリズムは、コンパクトで問題固有の量子回路を動的に生成する。
論文 参考訳（メタデータ） (2023-01-06T16:40:06Z) - 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) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2022-06-28T16:23:24Z) - An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。
この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
論文 参考訳（メタデータ） (2022-05-11T12:10:52Z) - TensorFlow Quantum: A Software Framework for Quantum Machine Learning [36.75544801185366]
本稿では,古典的あるいは量子的データに対するハイブリッド量子古典モデルの高速プロトタイピングのためのオープンソースライブラリであるQuantum (TFQ)を紹介する。
本稿では,メタラーニング,階層学習,ハミルトン学習,サーマル状態のサンプリング,変分量子固有解法,量子位相遷移の分類,生成的敵ネットワーク,強化学習など,高度な量子学習タスクにTFQを適用する方法を紹介する。
論文 参考訳（メタデータ） (2020-03-06T01:31:43Z)
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。