論文の概要: Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors
- arxiv url: http://arxiv.org/abs/2507.17470v1
- Date: Wed, 23 Jul 2025 12:51:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:14.992866
- Title: Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors
- Title（参考訳）: 大規模量子プロセッサのための効率的な予測サロゲートの実証
- Authors: Wei-You Liao, Yuxuan Du, Xinbiao Wang, Tian-Ci Tian, Yong Luo, Bo Du, Dacheng Tao, He-Liang Huang,
- Abstract要約: 本稿では,与えられた量子プロセッサの平均値挙動を計算効率よくエミュレートする予測代理の概念を導入する。
これらのサロゲートを用いて、最大20個のプログラム可能な超伝導量子ビットを持つ量子プロセッサをエミュレートし、変分量子固有解器の効率的な事前学習を可能にする。
実験結果から, 予測サロゲートは測定オーバーヘッドを桁違いに低減するだけでなく, 従来の量子リソース集約的な手法よりも優れていることがわかった。
- 参考スコア（独自算出の注目度）: 64.50565018996328
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ongoing development of quantum processors is driving breakthroughs in scientific discovery. Despite this progress, the formidable cost of fabricating large-scale quantum processors means they will remain rare for the foreseeable future, limiting their widespread application. To address this bottleneck, we introduce the concept of predictive surrogates, which are classical learning models designed to emulate the mean-value behavior of a given quantum processor with provably computational efficiency. In particular, we propose two predictive surrogates that can substantially reduce the need for quantum processor access in diverse practical scenarios. To demonstrate their potential in advancing digital quantum simulation, we use these surrogates to emulate a quantum processor with up to 20 programmable superconducting qubits, enabling efficient pre-training of variational quantum eigensolvers for families of transverse-field Ising models and identification of non-equilibrium Floquet symmetry-protected topological phases. Experimental results reveal that the predictive surrogates not only reduce measurement overhead by orders of magnitude, but can also surpass the performance of conventional, quantum-resource-intensive approaches. Collectively, these findings establish predictive surrogates as a practical pathway to broadening the impact of advanced quantum processors.
- Abstract（参考訳）: 量子プロセッサの開発が進行中であり、科学的な発見のブレークスルーを導いている。
この進歩にもかかわらず、大規模な量子プロセッサを製造するという恐ろしいコストは、近い将来、その広範な応用を制限し、希少なままであることを意味している。
このボトルネックに対処するために,量子プロセッサの平均値挙動を計算効率よくエミュレートする古典的な学習モデルである予測代理の概念を導入する。
特に,様々なシナリオにおいて,量子プロセッサアクセスの必要性を大幅に低減できる2つの予測サロゲートを提案する。
これらのサロゲートを用いて、最大20個のプログラム可能な超伝導量子ビットを持つ量子プロセッサをエミュレートし、逆場イジングモデルの族に対する変分量子固有解器の効率的な事前学習と非平衡フロケット対称性保護位相の同定を可能にする。
実験結果から, 予測サロゲートは測定オーバーヘッドを桁違いに低減するだけでなく, 従来の量子リソース集約的な手法よりも優れていることがわかった。
これらの知見は、先進量子プロセッサの影響を拡大するための実用的な経路として予測サロゲートを確立した。
関連論文リスト
- 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) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳（メタデータ） (2024-06-10T17:22:09Z) - Computable and Faithful Lower Bound on Entanglement Cost [5.086696108576776]
我々は量子演算における絡み合いコストの計算可能で忠実な下限を開発する。
私たちの境界は半定値プログラミングによって効率的に計算できる。
提案手法は、ポイント・ツー・ポイントとバイパート・量子チャネルの両方の絡み合いコストの低い境界を導出するように拡張する。
論文 参考訳（メタデータ） (2023-11-17T17:07:26Z) - Quantum circuit synthesis with diffusion models [0.6554326244334868]
我々は、この変換を促進するために、生成機械学習モデル、特に拡散モデル(DM)をデノナイズする。
我々は、ゲートベースの量子回路内で所望の量子演算を生成するために、このモデルを操縦する。
我々は、DMを量子回路合成の重要な要素として想定し、実用的な応用だけでなく、理論的量子計算に関する洞察も強化する。
論文 参考訳（メタデータ） (2023-11-03T17:17:08Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - On-the-fly Tailoring towards a Rational Ansatz Design for Digital
Quantum Simulations [0.0]
量子デバイスで物理的に実現可能な低深さ量子回路を開発することが不可欠である。
我々は,最適なアンサッツを動的に調整できるアンサッツ構成プロトコルを開発した。
アンザッツの構成は、エネルギーソートと演算子の可換性事前スクリーニングによって並列量子アーキテクチャで実行される可能性がある。
論文 参考訳（メタデータ） (2023-02-07T11:22:01Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - 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) - Multi-disk clutch optimization using quantum annealing [34.82692226532414]
クラッチ製造における実用上の重要な課題を解くために,新しい量子アルゴリズムを開発した。
量子最適化が製造業における実際の産業応用においてどのように役割を果たせるかを示す。
論文 参考訳（メタデータ） (2022-08-11T16:34:51Z) - Propagation of errors and quantitative quantum simulation with quantum
advantage [0.0]
多体クエンチ力学は、初期の実用的な量子優位性の最も有望な候補の1つである。
既存の古典的手法の能力を超えた量的信頼性のある量子シミュレーションの要件を解析する。
現実的な量子優位性のレギュレーションがアナログシミュレータを用いた現在の実験で達成されていることを直接実装可能なモデルについて結論する。
論文 参考訳（メタデータ） (2022-04-28T17:05:51Z)
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。