論文の概要: Enhancing the Scalability of Classical Surrogates for Real-World Quantum Machine Learning Applications

• arxiv url: http://arxiv.org/abs/2508.06131v1
• Date: Fri, 08 Aug 2025 08:51:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.152784
• Title: Enhancing the Scalability of Classical Surrogates for Real-World Quantum Machine Learning Applications
• Title（参考訳）: リアルタイム量子機械学習アプリケーションのための古典的サロゲートのスケーラビリティ向上
• Authors: Philip Anton Hernicht, Alona Sakhnenko, Corey O'Meara, Giorgio Cortiana, Jeanette Miriam Lorenz,
• Abstract要約: 量子機械学習(QML)は、初期の産業採用の可能性を秘めているが、量子ハードウェアへのアクセス制限は、QMLソリューションの展開において重要なボトルネックである。 この研究は、量子モデルの軽量な古典的表現構築を可能にする技術である、この制限を回避するために古典的サロゲートの使用を探求する。 本研究では,実世界のエネルギー需要予測問題に対する本手法の有効性を実証し,シミュレーションおよび量子ハードウェア上での性能と計算要求の厳密な検証を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning (QML) presents potential for early industrial adoption, yet limited access to quantum hardware remains a significant bottleneck for deployment of QML solutions. This work explores the use of classical surrogates to bypass this restriction, which is a technique that allows to build a lightweight classical representation of a (trained) quantum model, enabling to perform inference on entirely classical devices. We reveal prohibiting high computational demand associated with previously proposed methods for generating classical surrogates from quantum models, and propose an alternative pipeline enabling generation of classical surrogates at a larger scale than was previously possible. Previous methods required at least a high-performance computing (HPC) system for quantum models of below industrial scale (ca. 20 qubits), which raises questions about its practicality. We greatly minimize the redundancies of the previous approach, utilizing only a minute fraction of the resources previously needed. We demonstrate the effectiveness of our method on a real-world energy demand forecasting problem, conducting rigorous testing of performance and computation demand in both simulations and on quantum hardware. Our results indicate that our method achieves high accuracy on the testing dataset while its computational resource requirements scale linearly rather than exponentially. This work presents a lightweight approach to transform quantum solutions into classically deployable versions, facilitating faster integration of quantum technology in industrial settings. Furthermore, it can serve as a powerful research tool in search practical quantum advantage in an empirical setup.
• Abstract（参考訳）: 量子機械学習(QML)は、初期の産業採用の可能性を秘めているが、量子ハードウェアへのアクセス制限は、QMLソリューションの展開において重要なボトルネックである。 この研究は、この制限を回避し、(訓練された)量子モデルの軽量な古典的表現を構築することができ、完全に古典的なデバイスでの推論を可能にする技術である古典的サロゲートの使用を探求する。 本稿では,従来提案されていた量子モデルから古典的サロゲートを生成する手法に付随する高い計算要求の禁止を明らかにし,従来よりも大規模な古典的サロゲートの生成を可能にする代替パイプラインを提案する。 従来の手法では、産業規模以下の量子モデル(20キュービット)に対して、少なくとも高性能コンピューティング(HPC)システムが必要であり、実用性に関する疑問が提起されている。 従来のアプローチの冗長性を大幅に最小化し、これまで必要としていたリソースのごく一部しか利用していない。 本研究では,実世界のエネルギー需要予測問題に対する本手法の有効性を実証し,シミュレーションおよび量子ハードウェア上での性能と計算要求の厳密な検証を行う。 この結果から,本手法は指数的にではなく線形にスケールする一方,テストデータセット上で高い精度を達成できることが示唆された。 この研究は、量子ソリューションを古典的なデプロイ可能なバージョンに変換するための軽量なアプローチを示し、産業環境における量子技術の迅速な統合を促進する。 さらに、経験的な設定で実用的な量子優位性を探索する強力な研究ツールとして機能する。

関連論文リスト

• Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors [64.50565018996328]
  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。
  論文  参考訳（メタデータ） (2025-07-23T12:51:03Z)
• 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)
• 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)
• 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)
• 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)
• 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。