論文の概要: Neural Architecture Search Algorithms for Quantum Autoencoders

• arxiv url: http://arxiv.org/abs/2509.15451v1
• Date: Thu, 18 Sep 2025 21:49:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.915815
• Title: Neural Architecture Search Algorithms for Quantum Autoencoders
• Title（参考訳）: 量子オートエンコーダのためのニューラルネットワーク探索アルゴリズム
• Authors: Ankit Kulshrestha, Xiaoyuan Liu, Hayato Ushijima-Mwesigwa, Ilya Safro,
• Abstract要約: 本稿では,特定の量子タスクを与えられた効率的な回路を見つけることを目的とした2つの量子NASアルゴリズムを提案する。 この結果から, 量子NASアルゴリズムは, 任意のタスクに対して実行可能な量子回路を提供しながら, その手作業を大幅に軽減できることが示唆された。
• 参考スコア（独自算出の注目度）: 3.7068812459739675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The design of quantum circuits is currently driven by the specific objectives of the quantum algorithm in question. This approach thus relies on a significant manual effort by the quantum algorithm designer to design an appropriate circuit for the task. However this approach cannot scale to more complex quantum algorithms in the future without exponentially increasing the circuit design effort and introducing unwanted inductive biases. Motivated by this observation, we propose to automate the process of cicuit design by drawing inspiration from Neural Architecture Search (NAS). In this work, we propose two Quantum-NAS algorithms that aim to find efficient circuits given a particular quantum task. We choose quantum data compression as our driver quantum task and demonstrate the performance of our algorithms by finding efficient autoencoder designs that outperform baselines on three different tasks - quantum data denoising, classical data compression and pure quantum data compression. Our results indicate that quantum NAS algorithms can significantly alleviate the manual effort while delivering performant quantum circuits for any given task.
• Abstract（参考訳）: 量子回路の設計は、現在、問題の量子アルゴリズムの特定の目的によって進められている。 このアプローチは、量子アルゴリズムデザイナがタスクに適した回路を設計するための重要な手作業に依存する。 しかし、このアプローチは、指数関数的に回路設計の労力を増やし、望ましくない帰納バイアスを導入することなく、将来的にはより複雑な量子アルゴリズムにスケールすることはできない。 本研究では,ニューラルネットワーク探索(NAS)からインスピレーションを得て,回路設計のプロセスを自動化することを提案する。 本研究では,特定の量子タスクを与えられた効率的な回路を見つけることを目的とした2つの量子NASアルゴリズムを提案する。 我々は、ドライバ量子タスクとして量子データ圧縮を選択し、量子データの復号化、古典的データ圧縮、純粋量子データ圧縮という3つの異なるタスクでベースラインを上回り、効率的なオートエンコーダ設計を見つけることで、アルゴリズムの性能を実証する。 この結果から, 量子NASアルゴリズムは, 任意のタスクに対して動作可能な量子回路を提供しながら, その手作業を大幅に軽減できることが示唆された。

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)
• RH: An Architecture for Redesigning Quantum Circuits on Quantum Hardware Devices [6.959884576408311]
  本稿では,量子ハードウェア上での大規模量子回路の再設計を実現するアーキテクチャを提案する。 ランダムな量子回路モジュールを標準のEQ-GANフレームワークにプリプションすることで、量子状態学習からユニタリ変換学習までその能力を拡張する。
  論文  参考訳（メタデータ） (2024-12-30T12:05:09Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• 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)
• Quantum Circuit Ansatz: Patterns of Abstraction and Reuse of Quantum Algorithm Design [3.8425905067219492]
  本稿では,量子回路のアンサーゼを分類したカタログを提案する。 各アンザッツは、意図、モチベーション、適用性、回路図、実装、例などの詳細とともに記述される。 量子アルゴリズム設計におけるそれらの応用を説明するための実例が提供されている。
  論文  参考訳（メタデータ） (2024-05-08T12:44:37Z)
• Distributed quantum architecture search [0.0]
  ニューラルネットワークにインスパイアされた変分量子アルゴリズムは、量子コンピューティングにおいて新しいアプローチとなっている。 量子アーキテクチャ探索は、ゲートパラメータとともに回路構造を調整することでこの問題に対処し、高性能回路構造を自動的に発見する。 そこで我々は,特定の量子ビット接続を伴う相互接続型量子処理ユニットのための分散量子回路構造を自動設計することを目的とした,エンドツーエンドの分散量子アーキテクチャ探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-10T13:28:56Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• Parametric Synthesis of Computational Circuits for Complex Quantum Algorithms [0.0]
  我々の量子シンセサイザーの目的は、ユーザーが高レベルなコマンドを使って量子アルゴリズムを実装できるようにすることである。 量子アルゴリズムを実装するための提案手法は、機械学習の分野で潜在的に有効である。
  論文  参考訳（メタデータ） (2022-09-20T06:25:47Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)

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。