論文の概要: Investigating the Lottery Ticket Hypothesis for Variational Quantum Circuits

• arxiv url: http://arxiv.org/abs/2509.11190v1
• Date: Sun, 14 Sep 2025 09:39:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.96734
• Title: Investigating the Lottery Ticket Hypothesis for Variational Quantum Circuits
• Title（参考訳）: 変分量子回路におけるロッキーチケット仮説の検討
• Authors: Michael Kölle, Leonhard Klingert, Julian Schönberger, Philipp Altmann, Tobias Rohe, Claudia Linnhoff-Popien,
• Abstract要約: Lottery Ticket hypothesis (LTH)は、機械学習における最近の概念である。 我々は、VQCの弱いLTHが保持し、元のパラメータの26.0%しか保持しない勝利チケットを明らかにした。 以上の結果より,LTHはパラメータ数を減少させ,性能を保ちながらバレンプラトーを軽減できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 3.3180230163290463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing is an emerging field in computer science that has seen considerable progress in recent years, especially in machine learning. By harnessing the principles of quantum physics, it can surpass the limitations of classical algorithms. However, variational quantum circuits (VQCs), which rely on adjustable parameters, often face the barren plateau phenomenon, hindering optimization. The Lottery Ticket Hypothesis (LTH) is a recent concept in classical machine learning that has led to notable improvements in parameter efficiency for neural networks. It states that within a large network, a smaller, more efficient subnetwork, or ''winning ticket,'' can achieve comparable performance, potentially circumventing plateau challenges. In this work, we investigate whether this idea can apply to VQCs. We show that the weak LTH holds for VQCs, revealing winning tickets that retain just 26.0\% of the original parameters. For the strong LTH, where a pruning mask is learned without any training, we discovered a winning ticket in a binary VQC, achieving 100\% accuracy with only 45\% of the weights. These findings indicate that LTH may mitigate barren plateaus by reducing parameter counts while preserving performance, thus enhancing the efficiency of VQCs in quantum machine learning tasks.
• Abstract（参考訳）: 量子コンピューティングはコンピュータ科学の新興分野であり、近年、特に機械学習においてかなりの進歩を遂げている。 量子物理学の原理を利用することで、古典的なアルゴリズムの限界を超えることができる。 しかし、調節可能なパラメータに依存する変分量子回路(VQC)は、しばしばバレンプラトー現象に直面し、最適化を妨げている。 Lottery Ticket hypothesis (LTH)は、ニューラルネットワークのパラメータ効率が顕著に向上した古典的な機械学習の最近の概念である。 大規模なネットワーク内では、より小さく、より効率的なサブネットワーク、あるいは'勝利チケット'が同等のパフォーマンスを達成でき、高原問題を回避する可能性がある。 本稿では,このアイデアがVQCに適用できるかどうかを検討する。 弱いLTHがVQCを保持していることを示し、元のパラメータの26.0\%しか保持しない勝利チケットを明らかにした。 トレーニングなしでプルーニングマスクを学習した強いLTHでは,2進VQCで当選券を発見し,重量のたった45倍の精度で100倍の精度で達成した。 これらの結果から,LTHはパラメータ数を減らし,性能を保ちながらバレンプラトーを緩和し,量子機械学習タスクにおけるVQCの効率を高めることが示唆された。

関連論文リスト

• Quantum-Train: Rethinking Hybrid Quantum-Classical Machine Learning in the Model Compression Perspective [7.7063925534143705]
  本稿では,量子コンピューティングと機械学習アルゴリズムを統合する新しいアプローチであるQuantum-Train(QT)フレームワークを紹介する。 QTは、古典的なマッピングモデルと並んで量子ニューラルネットワークを利用することで、顕著な結果を得る。
  論文  参考訳（メタデータ） (2024-05-18T14:35:57Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Improving Convergence for Quantum Variational Classifiers using Weight Re-Mapping [60.086820254217336]
  近年、量子機械学習は変分量子回路(VQC)の利用が大幅に増加した。 重みを2pi$の間隔に不明瞭にマッピングするために、VQCの重み再マッピングを導入する。 修正されていないウェイトを用いて、Wineデータセットの重量再マッピングにより、テスト精度が10%向上したことを実証した。
  論文  参考訳（メタデータ） (2022-12-22T13:23:19Z)
• 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)
• Alternating Layered Variational Quantum Circuits Can Be Classically Optimized Efficiently Using Classical Shadows [4.680722019621822]
  変分量子アルゴリズム(VQA)は、古典的ニューラルネットワーク(NN)の量子アナログである。 本稿では,VQAのトレーニングコストを指数的に削減したトレーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-24T15:47:44Z)
• QOC: Quantum On-Chip Training with Parameter Shift and Gradient Pruning [18.939312562621634]
  パラメータシフトを用いた実践的PQCトレーニングの初回実験であるQOCについて述べる。 確率的勾配プルーニング(probabilistic gradient pruning)を提案する。 その結果,2クラス,4クラスの画像分類作業において,オンチップトレーニングが90%以上,60%以上の精度で達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-02-26T22:27:36Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。