論文の概要: Mitigating Exponential Mixed Frequency Growth through Frequency Selection

• arxiv url: http://arxiv.org/abs/2508.10533v3
• Date: Tue, 07 Oct 2025 12:31:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 15:38:21.17433
• Title: Mitigating Exponential Mixed Frequency Growth through Frequency Selection
• Title（参考訳）: 周波数選択による指数混合周波数成長の緩和
• Authors: Michael Poppel, David Bucher, Maximilian Zorn, Nico Kraus, Philipp Altmann, Jonas Stein, Claudia Linnhoff-Popien,
• Abstract要約: アングル符号化は、古典的なデータを量子モデルに埋め込む機能マップ(FM)として人気がある。 すべての関連する周波数が理論上アクセス可能である場合でも、トレーニングの失敗は起こり得ることを示す。 パラメータ要求を減らすための実用的なソリューションとして周波数選択を導入する。
• 参考スコア（独自算出の注目度）: 3.243345719637229
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning research has expanded rapidly due to potential computational advantages over classical methods. Angle encoding has emerged as a popular choice as feature map (FM) for embedding classical data into quantum models due to its simplicity and natural generation of truncated Fourier series, providing universal function approximation capabilities. Efficient FMs within quantum circuits can exploit exponential scaling of Fourier frequencies, with multi-dimensional inputs introducing additional exponential growth through mixed-frequency terms. Despite this promising expressive capability, practical implementation faces significant challenges. Through controlled experiments with white-box target functions, we demonstrate that training failures can occur even when all relevant frequencies are theoretically accessible. We illustrate how two primary known causes lead to unsuccessful optimization: insufficient trainable parameters relative to the model's frequency content, and limitations imposed by the ansatz's dynamic lie algebra dimension, but also uncover an additional parameter burden: the necessity of controlling non-unique frequencies within the model. To address this, we propose near-zero weight initialization to suppress unnecessary duplicate frequencies. For target functions with a priori frequency knowledge, we introduce frequency selection as a practical solution that reduces parameter requirements and mitigates the exponential growth that would otherwise render problems intractable due to parameter insufficiency. Our frequency selection approach achieved near-optimal performance (median $R^2 \approx 0.95$) with 78\% of the parameters needed by the best standard approach in 10 randomly chosen target functions.
• Abstract（参考訳）: 量子機械学習の研究は、古典的手法よりも計算上の優位性があり、急速に拡大している。 アングル符号化は、古典的データを量子モデルに埋め込むための特徴写像(FM)として人気がある。 量子回路内の効率的なFMはフーリエ周波数の指数的スケーリングを利用でき、多次元入力は混合周波数項を通じて追加の指数的成長をもたらす。 この有望な表現力にもかかわらず、実践的な実装は重大な課題に直面している。 ホワイトボックス対象関数を用いた制御実験により,すべての関連する周波数が理論上アクセス可能である場合でも,トレーニング障害が発生することを示した。 モデルの周波数内容に対する訓練可能なパラメータの不足と、アンザッツの動的嘘代数学次元によって課される制限に加えて、モデル内の非特異周波数を制御する必要性という追加のパラメータの重荷も明らかにする。 そこで本研究では、不要な重複周波数を抑制するため、ほぼゼロの重み初期化を提案する。 優先周波数知識を持つ対象関数に対しては、パラメータ要求を減らし、パラメータ不足による難解な問題を緩和する指数的成長を緩和する実用的な解として周波数選択を導入する。 我々の周波数選択手法は、10個のランダムに選択されたターゲット関数において、最適な標準手法が必要とするパラメータの78 %で、ほぼ最適性能(中間値$R^2 \approx 0.95$)を達成した。

関連論文リスト

• Long Range Frequency Tuning for QML [2.34764060945577]
  トレーニング可能な周波数アプローチでは、ターゲットのスペクトルサイズに合わせるために理論的にこれを削減し、ターゲットのスペクトルの周波数と同じ数の符号化ゲートしか必要としない。 勾配に基づく最適化は任意の目標値にプレファクタを誘導するが、訓練性は限定的であることを示す。 3次符号化を用いたグリッドベース初期化を提案し、高密度整数周波数スペクトルを生成する。
  論文  参考訳（メタデータ） (2026-02-26T14:56:37Z)
• FreqMoE: Dynamic Frequency Enhancement for Neural PDE Solvers [33.5401363681771]
  本稿では,低周波成分に対する高周波信号の依存性を利用した,効率的かつプログレッシブなトレーニングフレームワークFreqMoEを提案する。 正規格子PDEと不規則格子PDEの両方の実験により、FreqMoEは16.6%の精度向上を達成した。
  論文  参考訳（メタデータ） (2025-05-11T06:06:32Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• FreSh: Frequency Shifting for Accelerated Neural Representation Learning [11.175745750843484]
  Inlicit Neural Representations (INR) は、画像、ビデオ、三次元形状などの信号を多層パーセプトロン(MLP)を用いて連続的に表現するための強力なアプローチとして近年注目されている。 低周波の詳細は低周波バイアスを示し、高周波の詳細を正確に捉える能力を制限することが知られている。 本稿では、初期出力の周波数スペクトルと目標信号の周波数スペクトルを一致させる周波数シフト(FreSh)を提案する。
  論文  参考訳（メタデータ） (2024-10-07T14:05:57Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Spectral invariance and maximality properties of the frequency spectrum of quantum neural networks [0.0]
  量子ニューラルネットワーク(QNN)は、量子機械学習において一般的なアプローチである。 我々は、この周波数スペクトルをミンコフスキー和を用いて、集合と差分集合について解析する。 モデルの大きなクラスに対して、異なる最大性の結果が証明される。
  論文  参考訳（メタデータ） (2024-02-22T13:04:50Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Efficient formulation of multitime generalized quantum master equations: Taming the cost of simulating 2D spectra [0.0]
  本稿では,GQMEフレームワークを拡張した従来の作業の計算コストを大幅に単純化し,削減する定式化を提案する。 具体的には, 修正された森-中島-Zwanzigフレームワークから, 量子相関関数の時間微分を除去する。 また、スペクトルを1-, 2-, 3時間相関に分解し、システムがマルコフ体制に入る時期を示す。
  論文  参考訳（メタデータ） (2023-10-30T21:16:04Z)
• Let Quantum Neural Networks Choose Their Own Frequencies [0.0]
  我々は、量子モデルをジェネレータにトレーニング可能なパラメータの集合を含むように一般化し、トレーニング可能な周波数(TF)量子モデルへと導く。 我々は,TFモデルが手作業の解決に望ましい特性を持つジェネレータを学習する方法を数値的に示す。
  論文  参考訳（メタデータ） (2023-09-06T18:00:07Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Incremental Spatial and Spectral Learning of Neural Operators for Solving Large-Scale PDEs [86.35471039808023]
  Incrmental Fourier Neural Operator (iFNO)を導入し、モデルが使用する周波数モードの数を徐々に増加させる。 iFNOは、各種データセット間の一般化性能を維持したり改善したりしながら、トレーニング時間を短縮する。 提案手法は,既存のフーリエニューラル演算子に比べて20%少ない周波数モードを用いて,10%低いテスト誤差を示すとともに,30%高速なトレーニングを実現する。
  論文  参考訳（メタデータ） (2022-11-28T09:57:15Z)
• Quantum emulation of the transient dynamics in the multistate Landau-Zener model [50.591267188664666]
  本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。 我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
  論文  参考訳（メタデータ） (2022-11-26T15:04:11Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Quantum-inspired optimization for wavelength assignment [51.55491037321065]
  波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。 本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
  論文  参考訳（メタデータ） (2022-11-01T07:52:47Z)
• High-dimensional discrete Fourier transform gates with the quantum frequency processor [0.0]
  D-point frequency-bin DFTは固定された3成分量子周波数プロセッサで実現可能であることを示す。 量子通信およびネットワークにおける高次元周波数ビンプロトコルの新しい機会を提供する。
  論文  参考訳（メタデータ） (2022-01-26T14:41:46Z)
• Frequency-bin entanglement from domain-engineered down-conversion [101.18253437732933]
  フィルタや共振器の共振器を用いない離散周波数ビン絡みの単一パス源を提案する。 ドメインエンジニアリングされた非線形結晶を用いて、通信波長で8モードの周波数ビン絡み合った光源を生成する。
  論文  参考訳（メタデータ） (2022-01-18T19:00:29Z)
• Accurate methods for the analysis of strong-drive effects in parametric gates [94.70553167084388]
  正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。 我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
  論文  参考訳（メタデータ） (2021-07-06T02:02:54Z)
• A variational quantum eigensolver for dynamic correlation functions [0.9176056742068814]
  ゼロ温度動的相関関数の計算を改良VQEアルゴリズムに再キャストする方法を示す。 これにより、系の力学を記述する重要な物理的期待値が周波数軸に直接収束する。 本手法は, 近距離量子プロセッサ上での相関系の周波数ダイナミクスの抽出の可能性を示す。
  論文  参考訳（メタデータ） (2021-05-04T18:52:45Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• A data-driven choice of misfit function for FWI using reinforcement learning [0.0]
  我々は、DQN(Deep-Q Network)を用いて最適なポリシーを学習し、異なる不適合関数を切り替える適切なタイミングを決定する。 具体的には、従来のL2-ノルムミスフィット関数やOTMF(Optimal-transport Match-filter)のミスフィットをいつ使うべきかを予測するために状態-アクション値関数(Q)を訓練する。
  論文  参考訳（メタデータ） (2020-02-08T12:31:33Z)

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。