論文の概要: Quantum Functional Information through the Evolution of Random Circuits

• arxiv url: http://arxiv.org/abs/2509.11409v1
• Date: Sun, 14 Sep 2025 19:51:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.070605
• Title: Quantum Functional Information through the Evolution of Random Circuits
• Title（参考訳）: ランダム回路の進化による量子機能情報
• Authors: Rodrigo Pasti, Jonas Krause,
• Abstract要約: 本稿では,量子状態と回路の希少性と有用性を定量化する新しい指標である量子関数情報(QFI)を紹介する。 我々は、ランダム回路サンプリングと、忠実度またはQFIの目的によって導かれる進化的アルゴリズムの2つのアプローチにより、QFIを検証する。
• 参考スコア（独自算出の注目度）: 0.28647133890966986
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce Quantum Functional Information (QFI), a new metric to quantify the rarity and utility of quantum states and circuits. Unlike standard measures such as fidelity or entropy, QFI captures the balance between functionality and rarity within the Hilbert space. We validate QFI through two approaches: random circuit sampling and evolutionary algorithms guided by fidelity or QFI objectives. Random sampling shows that states with near-perfect fidelity are less informational than slightly suboptimal but rarer states, while correlations reveal that high fidelity typically requires fewer gates and shallower circuits. Evolutionary results demonstrate that fidelity-only optimization converges quickly but reduces diversity and robustness, whereas QFI optimization sustains exploration, generates richer structures, and favors robust circuits with high fidelity. These findings position QFI as a practical and interpretable tool for circuit design, benchmarking, variational quantum algorithms, and exploring emergent patterns in quantum systems.
• Abstract（参考訳）: 本稿では,量子状態と回路の希少性と有用性を定量化する新しい指標である量子関数情報(QFI)を紹介する。 忠実度やエントロピーのような標準的な測度とは異なり、QFIはヒルベルト空間内の関数と希薄度のバランスを捉えている。 我々は、ランダム回路サンプリングと、忠実度またはQFIの目的によって導かれる進化的アルゴリズムの2つのアプローチにより、QFIを検証する。 ランダムサンプリングは、ほぼ完全な忠実度を持つ状態は、わずかに最適であるが稀な状態よりも情報が少ないことを示しているが、相関関係は、高い忠実度が通常より少ないゲートと浅い回路を必要とすることを示している。 進化的な結果から、忠実度のみの最適化は急速に収束するが、多様性とロバスト性は低下するが、QFI最適化は探索を継続し、よりリッチな構造を生成し、忠実度の高いロバスト回路を好んでいる。 これらの知見は、QFIを回路設計、ベンチマーク、変分量子アルゴリズム、および量子システムにおける創発的パターンの探索のための実用的で解釈可能なツールとして位置づけている。

関連論文リスト

• Quantum Long Short-term Memory with Differentiable Architecture Search [9.511240423252707]
  QLSTMのような量子リカレントモデルは、時系列予測、NLP、強化学習を約束している。 DiffQAS-QLSTMは、トレーニング中のVQCパラメータとアーキテクチャ選択の両方を最適化するエンドツーエンドの差別化可能なフレームワークである。 我々の結果は、DiffQAS-QLSTMが手作りのベースラインを一貫して上回り、多様なテスト設定で損失を減らしていることを示している。
  論文  参考訳（メタデータ） (2025-08-20T16:15:00Z)
• Quantum Visual Fields with Neural Amplitude Encoding [70.86293548779774]
  本稿では2次元画像と3次元幾何場学習のための新しいタイプの量子入射ニューラル表現(QINR)を提案する。 QVFは古典的なデータを学習可能エネルギー多様体に接地したニューラル振幅符号化を用いて量子状態ベクトルに符号化する。 我々のアンサッツは、学習可能なパラメトリド量子回路の完全に絡み合った設計に従い、実際のヒルベルト空間で量子(単位)演算を行う。
  論文  参考訳（メタデータ） (2025-08-14T17:59:52Z)
• 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)
• Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
  この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。 本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。 様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
  論文  参考訳（メタデータ） (2024-02-21T12:30:39Z)
• Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
  量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。 関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。 量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-21T21:40:47Z)
• Q-fid: Quantum Circuit Fidelity Improvement with LSTM Networks [0.6062751776009752]
  量子回路(QC)の忠実性は、ハードウェア特性、キャリブレーション状態、トランスパイルプロセスなど、いくつかの要因の影響を受けている。 Q-fidは、Long Short-Term Memory (LSTM)ベースの忠実度予測システムであり、量子回路の忠実度を定量化するために設計された新しいメートル法を伴っている。 Q-fidは平均RMSE 0.0515で高い予測精度を達成し、Qiskitトランスパイルツールのマポマティックよりも24.7倍正確である。
  論文  参考訳（メタデータ） (2023-03-30T16:44:12Z)
• Quantum Federated Learning with Entanglement Controlled Circuits and Superposition Coding [44.89303833148191]
  我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。 本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。 画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
  論文  参考訳（メタデータ） (2022-12-04T03:18:03Z)
• Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
  証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。 我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。 任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
  論文  参考訳（メタデータ） (2022-03-30T02:02:16Z)
• 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)

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。