論文の概要: Genetic optimization of ansatz expressibility for enhanced variational quantum algorithm performance

• arxiv url: http://arxiv.org/abs/2509.05804v1
• Date: Sat, 06 Sep 2025 18:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.723938
• Title: Genetic optimization of ansatz expressibility for enhanced variational quantum algorithm performance
• Title（参考訳）: 変分量子アルゴリズム性能向上のためのアンサッツ表現率の遺伝的最適化
• Authors: Manish Mallapur, Ronit Raj, Ankur Raina,
• Abstract要約: 変分量子アルゴリズムは、短期的な中間規模量子デバイスから実用的な計算を抽出する主要なパラダイムとして登場した。 効果的にするためには、アンサーゼは目標状態を取得するのに十分な表現力を持つ必要があるが、訓練できるほど浅くなければならない。 本研究では,浅い深さと低いパラメータ数を維持しつつ,高い表現性を実現するアンサーゼを設計するための遺伝的アルゴリズムに着想を得たフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms have emerged as a leading paradigm that extracts practical computation from near-term intermediate-scale quantum devices, enabling advances in quantum chemistry simulations, combinatorial optimization, and quantum machine learning. However, the performance of Variational Quantum Algorithms is highly sensitive to the design of the ansatze. To be effective, ansatze must be expressive enough to capture target states but shallow enough to be trainable. We propose a genetic algorithm-inspired framework for designing ansatze that achieve high expressibility while maintaining shallow depth and low parameter count. Our approach evolves ansatze through mutation and selection based on an expressibility metric. The circuit generated by our framework consistently demonstrates high expressibility at any target depth and performs comparably to traditional ansatz design approaches while showing minimal to no signs of barren plateau issues. This work presents a general, scalable solution for ansatz design, producing expressive, low-depth circuits that need to be designed only once and can serve a wide range of applications.
• Abstract（参考訳）: 変分量子アルゴリズムは、短期的な中間スケールの量子デバイスから実用的な計算を抽出し、量子化学シミュレーション、組合せ最適化、量子機械学習の進歩を可能にする主要なパラダイムとして登場した。 しかし、変分量子アルゴリズムの性能は、アンサツェの設計に非常に敏感である。 効果的にするためには、アンサーゼは目標状態を取得するのに十分な表現力を持つ必要があるが、訓練できるほど浅くなければならない。 本研究では,浅い深さと低いパラメータ数を維持しつつ,高い表現性を実現するアンサーゼを設計するための遺伝的アルゴリズムに着想を得たフレームワークを提案する。 提案手法は, 表現性指標に基づく変異と選択を通じて, アンサーゼを進化させる。 本手法により生成した回路は,任意の目標深度で高い表現性を示し,従来のアンザッツ設計手法と相容れない性能を示すとともに,バレンプラトー問題の兆候を最小限からゼロに示す。 この研究は、アンザッツ設計のための汎用的でスケーラブルなソリューションを示し、表現力のある低深度回路を1回だけ設計し、広範囲のアプリケーションに役立てる必要がある。

関連論文リスト

• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Optimizing Ansatz Design in Quantum Generative Adversarial Networks Using Large Language Models [0.0]
  本稿では,Large Language Models(LLMs)を活用して,量子生成逆数ネットワーク(qGANs)におけるアンサーゼの設計を改善するための新しいアプローチを提案する。 本手法では,回路深度とパラメータ数を低減しつつ,アンザッツ構造を反復的に洗練し,精度を向上する。
  論文  参考訳（メタデータ） (2025-03-17T07:29:05Z)
• Pulse-based variational quantum optimization and metalearning in superconducting circuits [3.770494165043573]
  ハードウェアレベルフレームワークとしてパルスベースの変動量子最適化(PBVQO)を導入する。 量子干渉デバイス上での外部超伝導の最適化について説明する。 PBVQOとメタラーニングの相乗効果は、従来のゲートベースの変分アルゴリズムよりも有利である。
  論文  参考訳（メタデータ） (2024-07-17T15:05:36Z)
• Quantum Circuit Synthesis and Compilation Optimization: Overview and Prospects [0.0]
  本稿では,論理回路設計とコンパイル最適化のステップを組み合わせて,アルゴリズムレベルから量子ハードウェアにまたがる統合設計と最適化スキームの実現可能性について検討する。 AIアルゴリズムの異常な認知と学習能力を活用することで、手作業による設計コストを削減し、実行の精度と効率を高め、ハードウェア上での量子アルゴリズムの優位性の実装と検証を容易にする。
  論文  参考訳（メタデータ） (2024-06-30T15:50:10Z)
• Polynomial Reduction Methods and their Impact on QAOA Circuits [2.4588375162098877]
  量子最適化のために、高次問題定式化が、異なる所望の非機能特性を活用するためにどのように使用できるかを示す。 本研究は,本手法がさまざまなトレードオフを満足できることを示すとともに,今後の汎用抽象概念の構築の可能性も示唆している。
  論文  参考訳（メタデータ） (2024-06-13T07:43:18Z)
• Performant near-term quantum combinatorial optimization [1.1999555634662633]
  線形深度回路を用いた最適化問題に対する変分量子アルゴリズムを提案する。 我々のアルゴリズムは、ターゲット量子関数の各項を制御するために設計されたハミルトン生成器からなるアンサッツを使用する。 性能と資源最小化のアプローチは、潜在的な量子計算上の利点の候補として有望である、と結論付けます。
  論文  参考訳（メタデータ） (2024-04-24T18:49:07Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。