Fugu-MT 論文翻訳(概要): Quantum Circuit Design using Complex valued Neural Network in Stiefel Manifold

論文の概要: Quantum Circuit Design using Complex valued Neural Network in Stiefel Manifold

arxiv url: http://arxiv.org/abs/2509.02374v1
Date: Tue, 02 Sep 2025 14:41:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 15:17:04.066842
Title: Quantum Circuit Design using Complex valued Neural Network in Stiefel Manifold
Title（参考訳）: 複素値ニューラルネットワークを用いたスティフェル多様体の量子回路設計
Authors: Sayan Manna, Mahesh Mohan M R,
Abstract要約: 単層複素数値ニューラルネットワークを用いた量子回路構築のための機械学習手法を提案する。入力および演算量子状態はネットワークに提供され、与えられた量子アルゴリズムの出力状態を近似するように訓練される。
参考スコア（独自算出の注目度）: 1.0885910878567457
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Quantum algorithms operate on quantum states through unitary transformations in high dimensional complex Hilbert space. In this work, we propose a machine learning approach to create the quantum circuit using a single-layer complex-valued neural network. The input and ouput quantum states are provided to the network, which is trained to approximate the output state of a given quantum algorithm. To ensure that the fundamental property of unitarity is preserved throughout the training process, we employ optimization in Stiefel Manifold.
Abstract（参考訳）: 量子アルゴリズムは高次元複素ヒルベルト空間におけるユニタリ変換を通じて量子状態で動作する。本研究では,単層複素数値ニューラルネットワークを用いた量子回路構築のための機械学習手法を提案する。入力および演算量子状態はネットワークに提供され、与えられた量子アルゴリズムの出力状態を近似するように訓練される。訓練過程を通じてユニタリティの基本的特性が維持されることを保証するため,Stiefel Manifold の最適化を用いる。

関連論文リスト

Optimal Quantum Circuit Design via Unitary Neural Networks [0.0]
本稿では,量子回路モデル表現に量子アルゴリズムの機能を合成する自動手法を提案する。この訓練されたモデルが、元のアルゴリズムと同等の量子回路モデルを効果的に生成できることを実証する。
論文参考訳（メタデータ） (2024-08-23T16:41:15Z)
Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文参考訳（メタデータ） (2024-06-05T17:16:07Z)
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)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Parametric Synthesis of Computational Circuits for Complex Quantum Algorithms [0.0]
我々の量子シンセサイザーの目的は、ユーザーが高レベルなコマンドを使って量子アルゴリズムを実装できるようにすることである。量子アルゴリズムを実装するための提案手法は、機械学習の分野で潜在的に有効である。
論文参考訳（メタデータ） (2022-09-20T06:25:47Z)
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)
Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
論文参考訳（メタデータ） (2021-07-05T03:20:54Z)
The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文参考訳（メタデータ） (2021-03-08T17:24:29Z)
A Derivative-free Method for Quantum Perceptron Training in Multi-layered Neural Networks [2.962453125262748]
量子パーセプトロンに基づく多層ニューラルネットワークのグラデーションフリー・アプローチ我々は測定可能な演算子を用いて、マルコフプロセスと整合した方法でネットワークの状態を定義する。
論文参考訳（メタデータ） (2020-09-23T01:38:34Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。