論文の概要: Subspace Variational Quantum Simulation: Fidelity Lower Bounds as Measures of Training Success

• arxiv url: http://arxiv.org/abs/2509.06360v1
• Date: Mon, 08 Sep 2025 06:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.990215
• Title: Subspace Variational Quantum Simulation: Fidelity Lower Bounds as Measures of Training Success
• Title（参考訳）: 部分空間変動量子シミュレーション:トレーニング成功の指標としての忠実度下界
• Authors: Seung Park, Dongkeun Lee, Jeongho Bang, Hoon Ryu, Kyunghyun Baek,
• Abstract要約: 与えられた部分空間内の任意の初期状態の時間発展をシミュレートする反復変分量子アルゴリズムを提案する。 このアルゴリズムは、トロッター回路を短いパラメータ化回路に圧縮し、複数の初期状態に対して同時に最適化する。 筆者らのコスト関数は,トレーニングランドスケープにおける各イテレーションにおいて,初期パラメータの近傍に不整形領域を示す。
• 参考スコア（独自算出の注目度）: 4.387699521196243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an iterative variational quantum algorithm to simulate the time evolution of arbitrary initial states within a given subspace. The algorithm compresses the Trotter circuit into a shorter-depth parameterized circuit, which is optimized simultaneously over multiple initial states in a single training process using fidelity-based cost functions. After the whole training procedure, we provide an efficiently computable lower bound on the fidelities for arbitrary states within the subspace, which guarantees the performance of the algorithm in the worst-case training scenario. We also show our cost function exhibits a barren-plateau-free region near the initial parameters at each iteration in the training landscape. The experimental demonstration of the algorithm is presented through the simulation of a 2-qubit Ising model on an IBMQ processor. As a demonstration for a larger system, a simulation of a 10-qubit Ising model is also provided.
• Abstract（参考訳）: 与えられた部分空間内の任意の初期状態の時間発展をシミュレートする反復変分量子アルゴリズムを提案する。 このアルゴリズムは、Trotter回路を短いパラメータ化回路に圧縮し、この回路は、忠実度に基づくコスト関数を用いた1つのトレーニングプロセスにおいて、複数の初期状態に対して同時に最適化される。 トレーニング手順全体の後、サブスペース内の任意の状態に対する忠実度を効率よく計算可能な下界を提供し、最悪の場合のトレーニングシナリオにおけるアルゴリズムの性能を保証する。 また,トレーニングランドスケープにおける各イテレーションにおいて,初期パラメータの近傍に不整形領域を示すコスト関数も示した。 IBMQ プロセッサ上での 2-qubit Ising モデルのシミュレーションにより,本アルゴリズムの実証実験を行った。 より大規模なシステムの実証として、10キュービットのIsingモデルのシミュレーションも提供される。

関連論文リスト

• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
  データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。 科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。 本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• Noisy intermediate-scale quantum simulation of the one-dimensional wave equation [0.0]
  本研究では,量子H1-1量子コンピュータ上での1次元波動方程式のシミュレーションのための量子回路の設計と実装を行う。 波動方程式をシミュレーションする手法は、異なる量子プロセッサ間で適切な状態準備アルゴリズムを用いて使用することができ、アプリケーション指向のベンチマークとして機能する。
  論文  参考訳（メタデータ） (2024-02-29T15:21:41Z)
• Single-ancilla ground state preparation via Lindbladians [4.328210085579236]
  我々は、早期耐故障状態における基底状態の準備のための量子アルゴリズムを設計する。 モンテカルロ型量子アルゴリズムとして、ターゲット状態が定常なリンドブラディアンを特徴とする。 提案アルゴリズムは1つのアンシラ量子ビットで実装でき、量子コンピュータ上で効率的にシミュレートできる。
  論文  参考訳（メタデータ） (2023-08-30T00:11:19Z)
• Learning neural state-space models: do we need a state estimator? [0.0]
  我々は、広範囲な実験と分析に基づいて、ニューラルステートスペーストレーニングアルゴリズムの校正のための洞察を提供する。 初期状態推定の選択と役割に特に焦点をあてる。 動的システムのある種のクラスにおいて高い性能を達成するためには,先進的な初期状態推定手法が本当に必要であることを示す。
  論文  参考訳（メタデータ） (2022-06-26T17:15:35Z)
• Activation Relaxation: A Local Dynamical Approximation to Backpropagation in the Brain [62.997667081978825]
  活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。 我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
  論文  参考訳（メタデータ） (2020-09-11T11:56:34Z)
• Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth Nonlinear TD Learning [145.54544979467872]
  本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。 本研究の結果は, 同時一次および二重側収束の形で表される。
  論文  参考訳（メタデータ） (2020-08-23T20:36:49Z)
• Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
  ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。 典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。 また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
  論文  参考訳（メタデータ） (2019-12-31T19:00:00Z)

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。