論文の概要: Advantage for Discrete Variational Quantum Algorithms in Circuit Recompilation

• arxiv url: http://arxiv.org/abs/2510.01154v1
• Date: Wed, 01 Oct 2025 17:42:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.697887
• Title: Advantage for Discrete Variational Quantum Algorithms in Circuit Recompilation
• Title（参考訳）: 回路再コンパイルにおける離散変分量子アルゴリズムの利点
• Authors: Oleksandr Kyriienko, Chukwudubem Umeano, Zoë Holmes,
• Abstract要約: 量子回路再コンパイルタスクにおける適応的戦略と非適応的戦略の指数関数的分離の証拠を示す。 数値実験により,ボリューム・ロー・エンタングルメントとハイ・マグニックの条件下で動作している隠れ回路構造を効率よく発見できることが示されている。
• 参考スコア（独自算出の注目度）: 13.839852906168787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The relative power of quantum algorithms, using an adaptive access to quantum devices, versus classical post-processing methods that rely only on an initial quantum data set, remains the subject of active debate. Here, we present evidence for an exponential separation between adaptive and non-adaptive strategies in a quantum circuit recompilation task. Our construction features compilation problems with loss landscapes for discrete optimization that are unimodal yet non-separable, a structure known in classical optimization to confer exponential advantages to adaptive search. Numerical experiments show that optimization can efficiently uncover hidden circuit structure operating in the regime of volume-law entanglement and high-magic, while non-adaptive approaches are seemingly limited to exhaustive search requiring exponential resources. These results indicate that adaptive access to quantum hardware provides a fundamental advantage.
• Abstract（参考訳）: 量子アルゴリズムの相対的なパワーは、量子デバイスへの適応的なアクセスを用いており、初期量子データセットのみに依存する古典的な後処理手法は、現在も活発な議論の対象となっている。 ここでは、量子回路再コンパイルタスクにおける適応戦略と非適応戦略の指数関数的分離の証拠を示す。 提案手法は,従来の最適化手法で知られ,適応探索に対する指数関数的優位性を示す構造として,非指数的だが分離不能な離散最適化のための損失ランドスケープのコンパイル問題を特徴とする。 数値実験により,非適応的手法は指数的な資源を必要とする網羅的な探索に限られているのに対して,ボリュームロー絡みと高磁力の条件下で動作している隠れ回路構造を効率的に発見できることが示されている。 これらの結果は、量子ハードウェアへの適応アクセスが根本的な利点をもたらすことを示している。

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)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Batched Line Search Strategy for Navigating through Barren Plateaus in Quantum Circuit Training [0.0]
  変分量子アルゴリズムは、短期デバイスにおける量子優位性を示すための有望な候補と見なされている。 本研究は,回路トレーニングにおけるバレンプラトー問題(BP)の悪影響を軽減するための新しい最適化手法を提案する。 21量子ビットと15000個のエンタングゲートからなる量子回路に最適化戦略を適用した。
  論文  参考訳（メタデータ） (2024-02-07T20:06:29Z)
• Quantum Circuit Unoptimization [0.6449786007855248]
  我々は、量子回路最適化と呼ばれる量子アルゴリズムプリミティブを構築する。 回路等価性を保ちながらいくつかの冗長性を導入することで、与えられた量子回路複合体を作る。 我々は、量子回路の最適化を用いて、コンパイラベンチマークを生成し、回路最適化性能を評価する。
  論文  参考訳（メタデータ） (2023-11-07T08:38:18Z)
• Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
  古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。 量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
  論文  参考訳（メタデータ） (2023-10-14T02:13:26Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Quantum approximate optimization via learning-based adaptive optimization [5.399532145408153]
  量子近似最適化アルゴリズム(QAOA)は、目的最適化問題の解法として設計されている。 その結果,アルゴリズムは速度,精度,効率,安定性の点で従来の近似よりも大幅に優れていた。 この研究はQAOAの全パワーを解き放つのに役立ち、実践的な古典的なタスクにおいて量子的優位性を達成するための道を開く。
  論文  参考訳（メタデータ） (2023-03-27T02:14:56Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。