論文の概要: Probability distribution reconstruction using circuit cutting applied to a variational classifier

• arxiv url: http://arxiv.org/abs/2510.03077v1
• Date: Fri, 03 Oct 2025 15:04:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.439962
• Title: Probability distribution reconstruction using circuit cutting applied to a variational classifier
• Title（参考訳）: 回路切削による変分器の確率分布再構成
• Authors: Niels M. P. Neumann, Carlos M. R. Rocha, Jasper Verbree, Marc van Vliet,
• Abstract要約: 不十分な量子資源は、しばしば量子アルゴリズムを実行する際の問題である。 新しい技術は、より小さな量子コンピュータを使用してより大きな量子アルゴリズムを実行するのに役立つ。 この研究は、多くの相互作用のこの状態において、回路切断技術の可能性を正確に探求する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Significant efforts are being spent on building a quantum computer. At the same time, developments in quantum software are rapidly progressing. Insufficient quantum resources often are the problem when running quantum algorithms. New techniques can aid in using smaller quantum computers to run larger quantum algorithms. One of these techniques is circuit cutting. With this method, a circuit is broken into multiple pieces, each of which is run on quantum hardware independently and then recombined to obtain the overall answer. These circuit cutting techniques require additional circuit evaluations, which can form a bottleneck for algorithms requiring many interactions. This work explores the potential of circuit cutting techniques precisely in this regime of many interactions. We consider two different models, a standard method based on expectation values, and a novel method based on probability distribution reconstruction. Next, we compare two different training methods we call train-then-cut and cut-then-train and show that in practice, cut-then-train still produces good results. This observation brings closer the practical applicability of circuit cutting techniques, as a train-then-cut strategy is often infeasible. We conclude by implementing a cut and uncut circuit and find that circuit cutting helps achieve higher fidelity results.
• Abstract（参考訳）: 量子コンピュータの構築に多大な努力が注がれている。 同時に、量子ソフトウェアの発展は急速に進んでいる。 不十分な量子資源は、しばしば量子アルゴリズムを実行する際の問題である。 新しい技術は、より小さな量子コンピュータを使用してより大きな量子アルゴリズムを実行するのに役立つ。 これらの技法の1つは回路切断である。 この方法では、回路を複数の部品に分割し、それぞれが独立して量子ハードウェア上で動作し、その後再結合して全体の答えを得る。 これらの回路切断技術は追加の回路評価を必要とし、多くの相互作用を必要とするアルゴリズムのボトルネックを形成する。 この研究は、多くの相互作用のこの状態において、回路切断技術の可能性を正確に探求する。 本稿では,予測値に基づく標準手法と,確率分布再構成に基づく新しい手法の2つの異なるモデルを考える。 次に, カット・テン・トレインとカット・テン・トレインという2つの異なる訓練方法を比較し, 実際にカット・テン・トレインが良好な結果をもたらすことを示す。 この観察により、列車の切断戦略がしばしば実現できないため、回路切断技術の実用性がより深まる。 我々は、カット・アンカット回路を実装し、回路切断がより忠実度の高い結果を得るのに役立つと結論づける。

関連論文リスト

• Understanding the Scalability of Circuit Cutting Techniques for Practical Quantum Applications [1.2553583315791608]
  回路切断により、利用可能なハードウェアよりも大きい量子回路が実行される。 カット技術は回路を小さなサブ回路に分割し、ハードウェア上で動作させ、古典的な後処理によって結果を再結合する。 耐故障性量子コンピュータ上での動作のオーケストレーションに,現在の回路切断技術が有効かどうかを検討する。
  論文  参考訳（メタデータ） (2024-11-25T23:16:27Z)
• 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)
• A multiple-circuit approach to quantum resource reduction with application to the quantum lattice Boltzmann method [39.671915199737846]
  量子格子ボルツマン法(QLBM)における非圧縮性ナビエ-ストークス方程式の多重回路アルゴリズムを提案する。 提案法は2次元蓋駆動キャビティフローに対して検証および実証を行った。
  論文  参考訳（メタデータ） (2024-01-20T15:32:01Z)
• FragQC: An Efficient Quantum Error Reduction Technique using Quantum Circuit Fragmentation [4.2754140179767415]
  誤差確率が一定の閾値を超えると、量子回路をサブ回路に切断するソフトウェアツールであるFragQCを提示する。 回路を切断せずに直接実行した場合の忠実度は14.83%増加し、8.45%が最先端のICP法である。
  論文  参考訳（メタデータ） (2023-09-30T17:38:31Z)
• Circuit Cutting with Non-Maximally Entangled States [59.11160990637615]
  分散量子コンピューティングは、複数のデバイスの計算能力を組み合わせて、個々のデバイスの限界を克服する。 回路切断技術は、古典的な通信を通じて量子計算の分配を可能にする。 量子テレポーテーション(quantum teleportation)は、指数的なショットの増加を伴わない量子計算の分布を可能にする。 非最大エンタングル量子ビット対を利用する新しい回路切断法を提案する。
  論文  参考訳（メタデータ） (2023-06-21T08:03:34Z)
• Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
  変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。 この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
  論文  参考訳（メタデータ） (2023-02-09T14:05:18Z)
• Reduce&chop: Shallow circuits for deeper problems [1.3108652488669736]
  最先端の量子コンピュータは、量子ビット数と計算深度に制限のある回路しか確実に実行できない。 本研究は、より浅いデバイスを繰り返し使用することにより、より深い量子計算の性能をどの程度模倣できるかを考察する。
  論文  参考訳（メタデータ） (2022-12-22T16:55:24Z)
• Approximate Quantum Circuit Cutting [4.3186101474291325]
  現在の量子ハードウェアと差し迫った量子ハードウェアは、ノイズと限定量子ビット数による信頼性と適用性に欠ける。 量子回路切断(Quantum circuit cutting)は、大きな量子回路を手前の限られた量子資源に適した大きさの小さなサブ回路に分割する技法で、これらの問題を緩和するために用いられる。 本稿では、近似回路再構成の概念を紹介する。
  論文  参考訳（メタデータ） (2022-12-02T16:04:52Z)
• 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)
• Reducing the Depth of Linear Reversible Quantum Circuits [0.0]
  量子コンピューティングでは、量子ビットのデコヒーレンス時間が計算時間を決定する。 本稿では,既存のアルゴリズムの2倍の浅さの量子回路を生成する分割・征服アルゴリズムの実用的な定式化を提案する。 全体としては、可逆関数のクラス全体の深さを一貫して減らし、アンシラフリーケースでは最大92%、アシラリーキュービットが利用可能であれば最大99%に抑えることができる。
  論文  参考訳（メタデータ） (2022-01-17T12:36:32Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)

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。