論文の概要: Quantum Agents for Algorithmic Discovery
- arxiv url: http://arxiv.org/abs/2510.08159v1
- Date: Thu, 09 Oct 2025 12:38:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-10 17:54:15.076118
- Title: Quantum Agents for Algorithmic Discovery
- Title（参考訳）: アルゴリズム発見のための量子エージェント
- Authors: Iordanis Kerenidis, El-Amine Cherrat,
- Abstract要約: 量子アルゴリズムとプロトコルを自律的に再発見するために、エピソード、報酬に基づく強化学習によって訓練された量子エージェントを導入する。
特に、我々のエージェントは、量子フーリエ変換のための効率的な対数深さ量子回路、グローバーの探索アルゴリズム、強力なコインフリップのための最適な不正戦略を学習する。
- 参考スコア（独自算出の注目度）: 0.42970700836450476
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce quantum agents trained by episodic, reward-based reinforcement learning to autonomously rediscover several seminal quantum algorithms and protocols. In particular, our agents learn: efficient logarithmic-depth quantum circuits for the Quantum Fourier Transform; Grover's search algorithm; optimal cheating strategies for strong coin flipping; and optimal winning strategies for the CHSH and other nonlocal games. The agents achieve these results directly through interaction, without prior access to known optimal solutions. This demonstrates the potential of quantum intelligence as a tool for algorithmic discovery, opening the way for the automated design of novel quantum algorithms and protocols.
- Abstract（参考訳）: 量子アルゴリズムとプロトコルを自律的に再発見するために、エピソード、報酬に基づく強化学習によって訓練された量子エージェントを導入する。
特に、量子フーリエ変換のための効率的な対数深度量子回路、グロバーの探索アルゴリズム、強力なコインフリップのための最適な不正戦略、CHSHやその他の非ローカルゲームのための最適な勝利戦略を学習する。
エージェントは、既知の最適解に事前アクセスすることなく、相互作用を通じて直接これらの結果を達成する。
これは、新しい量子アルゴリズムとプロトコルの自動設計の道を開く、アルゴリズム発見のツールとしての量子インテリジェンスの可能性を示している。
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) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか?
我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。
そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - 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) - Monte Carlo Graph Search for Quantum Circuit Optimization [26.114550071165628]
本研究はモンテカルログラフ探索に基づく量子アーキテクチャ探索アルゴリズムと重要サンプリングの尺度を提案する。
これは、離散ゲートと連続変数を含むゲートの両方に対して、ゲートオーダーの最適化に適用できる。
論文 参考訳（メタデータ） (2023-07-14T14:01:25Z) - An introduction to variational quantum algorithms for combinatorial optimization problems [0.0]
このチュートリアルは変分量子アルゴリズムのクラスに関する数学的記述を提供する。
量子側および古典側におけるこれらのハイブリッドアルゴリズムの重要な側面を正確に紹介する。
我々はQAOAに特に注意を払って、そのアルゴリズムに関わる量子回路と、その可能な誘導関数によって満たされる特性を詳述した。
論文 参考訳（メタデータ） (2022-12-22T14:27:52Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳（メタデータ） (2021-12-22T06:19:36Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Synthesis of Quantum Circuits with an Island Genetic Algorithm [44.99833362998488]
特定の演算を行うユニタリ行列が与えられた場合、等価な量子回路を得るのは非自明な作業である。
量子ウォーカーのコイン、トフォリゲート、フレドキンゲートの3つの問題が研究されている。
提案したアルゴリズムは量子回路の分解に効率的であることが証明され、汎用的なアプローチとして、利用可能な計算力によってのみ制限される。
論文 参考訳（メタデータ） (2021-06-06T13:15:25Z) - Variational Quantum Cloning: Improving Practicality for Quantum
Cryptanalysis [2.064612766965483]
機械学習に基づく暗号解析アルゴリズムである変分量子クローニング(VQC)を提案する。
VQCは、敵が短深度量子回路で最適な(近似)クローニング戦略を得ることを可能にする。
量子クローニングとVQCの促進による2つのプロトコルの攻撃を例として導いた。
論文 参考訳（メタデータ） (2020-12-21T15:28:09Z)
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。