論文の概要: Hybrid Quantum--Classical Machine Learning Potential with Variational Quantum Circuits

• arxiv url: http://arxiv.org/abs/2508.04098v1
• Date: Wed, 06 Aug 2025 05:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.558229
• Title: Hybrid Quantum--Classical Machine Learning Potential with Variational Quantum Circuits
• Title（参考訳）: 変分量子回路を用いたハイブリッド量子-古典的機械学習の可能性
• Authors: Soohaeng Yoo Willow, D. ChangMo Yang, Chang Woo Myung,
• Abstract要約: ハイブリッド量子古典アルゴリズムは、従来のニューラルネットワークと今日のノイズの多い中間スケール量子(NISQ)ハードウェア上で動作する変分量子回路(VQC)を組み合わせる。 ここでは、液体シリコンの密度汎関数理論(DFT)特性を予測するためのハイブリッド量子古典的アルゴリズムに対して、純粋に古典的E(3)-equi-variant Message-passing Machine Learning potential(MLP)をベンチマークする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum algorithms for simulating large and complex molecular systems are still in their infancy, and surpassing state-of-the-art classical techniques remains an ever-receding goal post. A promising avenue of inquiry in the meanwhile is to seek practical advantages through hybrid quantum-classical algorithms, which combine conventional neural networks with variational quantum circuits (VQCs) running on today's noisy intermediate-scale quantum (NISQ) hardware. Such hybrids are well suited to NISQ hardware. The classical processor performs the bulk of the computation, while the quantum processor executes targeted sub-tasks that supply additional non-linearity and expressivity. Here, we benchmark a purely classical E(3)-equivariant message-passing machine learning potential (MLP) against a hybrid quantum-classical MLP for predicting density functional theory (DFT) properties of liquid silicon. In our hybrid architecture, every readout in the message-passing layers is replaced by a VQC. Molecular dynamics simulations driven by the HQC-MLP reveal that an accurate reproduction of high-temperature structural and thermodynamic properties is achieved with VQCs. These findings demonstrate a concrete scenario in which NISQ-compatible HQC algorithm could deliver a measurable benefit over the best available classical alternative, suggesting a viable pathway toward near-term quantum advantage in materials modeling.
• Abstract（参考訳）: 大規模で複雑な分子系をシミュレートするための量子アルゴリズムはまだ初期段階にあり、最先端の古典的テクニックを超越することは、今もずっと先進的な目標である。 従来のニューラルネットワークと、今日のノイズの多い中間スケール量子(NISQ)ハードウェア上で動作する変分量子回路(VQC)を組み合わせた、ハイブリッド量子古典アルゴリズムを通じて、実用的なメリットを追求する。 このようなハイブリッドは、NISQハードウェアによく適している。 古典的なプロセッサは計算の大部分を実行し、量子プロセッサはターゲットのサブタスクを実行し、さらなる非線形性と表現性を提供する。 本稿では,液体シリコンの密度汎関数理論(DFT)特性を予測するために,純粋に古典的E(3)等価なメッセージパス機械学習ポテンシャル(MLP)をハイブリッド量子古典型MLPと比較する。 ハイブリッドアーキテクチャでは、メッセージパッシングレイヤのすべての読み込みがVQCに置き換えられます。 HQC-MLPによって駆動される分子動力学シミュレーションにより、高温構造と熱力学特性の正確な再現がVQCによって達成されることが明らかになった。 これらの結果は、NISQ互換HQCアルゴリズムが、最高の古典的代替品よりも測定可能な利益をもたらすという具体的なシナリオを示し、物質モデリングにおける短期的な量子優位への道筋を示唆している。

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)
• 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)
• Training Hybrid Deep Quantum Neural Network for Efficient Reinforcement Learning [2.2978333459052815]
  量子回路は、次元が指数関数的に増加するヒルベルト空間にデータを埋め込む。 量子回路を局所的に近似する有接サロゲートqtDNNを導入する。 我々は、連続制御強化学習のためのハイブリッドディープ量子ニューラルネットワークhDQNN-TD3を設計する。
  論文  参考訳（メタデータ） (2025-03-12T07:12:02Z)
• HIVQE: Handover Iterative Variational Quantum Eigensolver for Efficient Quantum Chemistry Calculations [0.18574358541506214]
  The Handover Iterative Variational Quantum Eigensolver (HiVQE) は基底状態の波動関数を正確に推定するように設計されている。 コンパクトだが化学的に正確な波動関数を生成することで、HiVQEは量子化学シミュレーションを進め、新しい物質の発見を促進する。
  論文  参考訳（メタデータ） (2025-03-08T17:50:56Z)
• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Calculating the energy profile of an enzymatic reaction on a quantum computer [0.0]
  量子コンピューティングは、量子化学計算を可能にするための有望な道を提供する。 最近の研究は、ノイズ中間量子(NISQ)デバイスのためのアルゴリズムの開発とスケーリングに向けられている。
  論文  参考訳（メタデータ） (2024-08-20T18:00:01Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Practicality of training a quantum-classical machine in the NISQ era [0.0]
  本研究では、イオントラッププラットフォーム上で、教師付きトレーニングプロトコルを用いた実実験量子古典ハイブリッドシステムの訓練限界について検討する。 イオントラップを結合した古典的プロセッサに関連する課題に対処し、NISQデバイスのノイズチャネルをナビゲートする古典的手法として、遺伝的アルゴリズムの$robustness$が強調される。 これらの知見は、量子古典ハイブリッドシステムの性能に関する洞察に寄与し、実用的な量子機械学習アプリケーションにおける効率的なトレーニング戦略とハードウェア考慮の重要性を強調している。
  論文  参考訳（メタデータ） (2024-01-22T16:27:14Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• 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)
• 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)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• Towards a NISQ Algorithm to Simulate Hermitian Matrix Exponentiation [0.0]
  フォールトトレラントな量子コンピュータは、既知の古典的コンピュータよりも優れたアプリケーションを提供するので、楽しみにしている。 既に存在する、ノイズの多い中間スケール量子(NISQ)デバイスのパワーを活用して実現には何十年もかかるだろう。 本稿では、パラメタライズド量子回路を用いて、エルミタン行列指数をシミュレートする手法を報告する。
  論文  参考訳（メタデータ） (2021-05-28T06:37:12Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。