論文の概要: LLM-Guided Ansätze Design for Quantum Circuit Born Machines in Financial Generative Modeling

• arxiv url: http://arxiv.org/abs/2509.08385v1
• Date: Wed, 10 Sep 2025 08:23:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 17:24:19.830741
• Title: LLM-Guided Ansätze Design for Quantum Circuit Born Machines in Financial Generative Modeling
• Title（参考訳）: ファイナンシャル・ジェネレーティブ・モデリングにおけるLLM誘導型量子回路ボルニングマシンのアンセッツェ設計
• Authors: Yaswitha Gujju, Romain Harang, Tetsuo Shibuya,
• Abstract要約: 量子回路ボルンマシン(QCBM)を用いた量子生成モデリングは、実用的な量子優位性を示す。 本稿では,大規模言語モデル(LLM)を利用してハードウェア対応QCBMアーキテクチャを生成するプロンプトベースのフレームワークを提案する。 実際のIBM量子ハードウェア上で12量子ビットを用いて実行される場合, LLM 生成した ans"atze は, 標準ベースラインに比べて著しく浅く, 生成性能に優れることを示す。
• 参考スコア（独自算出の注目度）: 0.9176056742068813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum generative modeling using quantum circuit Born machines (QCBMs) shows promising potential for practical quantum advantage. However, discovering ans\"atze that are both expressive and hardware-efficient remains a key challenge, particularly on noisy intermediate-scale quantum (NISQ) devices. In this work, we introduce a prompt-based framework that leverages large language models (LLMs) to generate hardware-aware QCBM architectures. Prompts are conditioned on qubit connectivity, gate error rates, and hardware topology, while iterative feedback, including Kullback-Leibler (KL) divergence, circuit depth, and validity, is used to refine the circuits. We evaluate our method on a financial modeling task involving daily changes in Japanese government bond (JGB) interest rates. Our results show that the LLM-generated ans\"atze are significantly shallower and achieve superior generative performance compared to the standard baseline when executed on real IBM quantum hardware using 12 qubits. These findings demonstrate the practical utility of LLM-driven quantum architecture search and highlight a promising path toward robust, deployable generative models for near-term quantum devices.
• Abstract（参考訳）: 量子回路ボルンマシン(QCBM)を用いた量子生成モデリングは、実用的な量子優位性を示す。 しかし、特にノイズの多い中間スケール量子(NISQ)デバイスでは、表現力とハードウェア効率の両方が重要な課題である。 本研究では,大規模言語モデル(LLM)を利用してハードウェア対応QCBMアーキテクチャを生成するプロンプトベースのフレームワークを提案する。 キュービット接続、ゲートエラー率、ハードウェアトポロジーを条件に、KL(Kullback-Leibler)の発散、回路深さ、妥当性などの反復的なフィードバックが回路の洗練に使用される。 本稿では,日本国債(JGB)金利の日内変動を考慮した金融モデリング課題について検討する。 その結果,LLM生成した ans\atze は12量子ビットを用いた実IBM量子ハードウェア上での標準ベースラインと比較して著しく浅く,生成性能に優れていた。 これらの結果は、LLM駆動の量子アーキテクチャ探索の実用性を示し、短期量子デバイスのための堅牢でデプロイ可能な生成モデルへの将来性を示す。

関連論文リスト

• 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)
• Quantum Knowledge Distillation for Large Language Models [10.023534560183919]
  大規模言語モデルのための量子知識蒸留モデル(QD-LLM)を提案する。 古典的シミュレーションでは、QD-LLMは複数のテキスト分類タスクにおいていくつかの主流蒸留法より優れている。 得られた回路をQuafuプラットフォームを介してBaihua超伝導量子プロセッサ上に展開し,実用性を評価する。
  論文  参考訳（メタデータ） (2025-05-19T14:56:24Z)
• Q-Fusion: Diffusing Quantum Circuits [2.348041867134616]
  本稿では、新しい量子回路を生成するためにLayerDAGフレームワークを利用する拡散型アルゴリズムを提案する。 本結果は,提案モデルが100%有効な量子回路出力を連続的に生成することを示す。
  論文  参考訳（メタデータ） (2025-04-29T14:10:10Z)
• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• 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)
• Quantum Machine Learning on Near-Term Quantum Devices: Current State of Supervised and Unsupervised Techniques for Real-World Applications [1.7041248235270652]
  この調査は、量子ハードウェア上で実行される教師なしおよび教師なしの学習アプリケーションに焦点を当てる。 エンコーディング、アンサッツ構造、エラー軽減、これらの課題に対処するための勾配法といったテクニックをカバーしている。
  論文  参考訳（メタデータ） (2023-07-03T10:12:34Z)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• A MLIR Dialect for Quantum Assembly Languages [78.8942067357231]
  量子コンピューティングにおけるMLIR(Multi-Level Intermediate Representation)の有用性を実証する。 我々は、共通量子集合言語の表現とコンパイルを可能にする新しい量子方言でMLIRを拡張した。 我々はQIR量子ランタイムAPIのqcor対応実装を活用して、再ターゲット可能な(量子ハードウェアに依存しない)コンパイラワークフローを実現する。
  論文  参考訳（メタデータ） (2021-01-27T13:00:39Z)

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。