論文の概要: Statistical Benchmarking of Optimization Methods for Variational Quantum Eigensolver under Quantum Noise
- arxiv url: http://arxiv.org/abs/2510.08727v1
- Date: Thu, 09 Oct 2025 18:34:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 00:38:47.496392
- Title: Statistical Benchmarking of Optimization Methods for Variational Quantum Eigensolver under Quantum Noise
- Title（参考訳）: 量子ノイズ下における変分量子固有解法最適化手法の統計的ベンチマーク
- Authors: Silvie Illésová, Tomáš Bezděk, Vojtěch Novák, Bruno Senjean, Martin Beseda,
- Abstract要約: 本研究では,H2分子に対する平均軌道-d変分量子固有解器に適用した数値最適化アルゴリズムの性能について検討する。
目標は、ノイズ中間スケール量子系において一般的に使用される勾配に基づく、勾配のない、大域的な最適化戦略の安定性、精度、計算効率を評価することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work investigates the performance of numerical optimization algorithms applied to the State-Averaged Orbital-Optimized Variational Quantum Eigensolver for the H2 molecule under various quantum noise conditions. The goal is to assess the stability, accuracy, and computational efficiency of commonly used gradient-based, gradient-free, and global optimization strategies within the Noisy Intermediate-Scale Quantum regime. We systematically compare six representative optimizers, BFGS, SLSQP, Nelder-Mead, Powell, COBYLA, and iSOMA,under ideal, stochastic, and decoherence noise models, including phase damping, depolarizing, and thermal relaxation channels. Each optimizer was tested over multiple noise intensities and measurement settings to characterize convergence behavior and sensitivity to noise-induced landscape distortions. The results show that BFGS consistently achieves the most accurate energies with minimal evaluations, maintaining robustness even under moderate decoherence. COBYLA performs well for low-cost approximations, while SLSQP exhibits instability in noisy regimes. Global approaches such as iSOMA show potential but are computationally expensive. These findings provide practical guidance for selecting suitable optimizers in variational quantum simulations, highlighting the importance of noise-aware optimization strategies for reliable and efficient quantum chemistry computations on current hardware.
- Abstract（参考訳）: 本研究では,H2分子に対する平均軌道最適化変分量子固有解器に対して,様々な量子ノイズ条件下での数値最適化アルゴリズムの性能について検討する。
目標は、ノイズ中間スケール量子系において一般的に使用される勾配に基づく、勾配のない、大域的な最適化戦略の安定性、精度、計算効率を評価することである。
BFGS, SLSQP, Nelder-Mead, Powell, COBYLA, iSOMAの6つの代表的なオプティマイザを, 位相減衰, 脱分極, 熱緩和チャネルを含む理想的, 確率的, 脱コヒーレンスノイズモデルで体系的に比較した。
各オプティマイザを複数の騒音強度と測定設定で試験し,騒音による景観歪みに対する収束挙動と感度を特徴づけた。
その結果,BFGSは中等度デコヒーレンス下においてもロバスト性を維持しつつ,最小評価で常に最も正確なエネルギーを達成できることが示唆された。
COBYLAは低コストの近似に優れ、SLSQPはノイズの多い状態において不安定を示す。
iSOMAのようなグローバルなアプローチはポテンシャルを示すが、計算コストが高い。
これらの知見は、変分量子シミュレーションにおいて最適な最適化器を選択するための実用的なガイダンスを提供し、現在のハードウェア上での信頼性と効率的な量子化学計算におけるノイズ認識最適化戦略の重要性を強調している。
関連論文リスト
- HOPSO: A Robust Classical Optimizer for VQE [0.0]
変分量子固有解法(VQE)は、短期的な量子優位性への期待が集中する数少ないアプローチの1つである。
我々は,VQEアルゴリズムの古典的部分を適切に調整することで,現在の問題に対処できることを示し,大規模システムに対するスケーラビリティを期待する。
論文 参考訳（メタデータ） (2025-08-19T09:01:30Z) - TensoMeta-VQC: A Tensor-Train-Guided Meta-Learning Framework for Robust and Scalable Variational Quantum Computing [60.996803677584424]
TensoMeta-VQCは、VQCの堅牢性とスケーラビリティを大幅に向上させるために設計された、TT誘導型メタラーニングフレームワークである。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに完全に委譲し、量子ハードウェアから最適化を効果的に分離する。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - Optimization Strategies for Variational Quantum Algorithms in Noisy Landscapes [0.061173711613792085]
変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおける主要なアプローチである。
我々は変分量子ソルバ(VQE)のための50以上のメタヒューリスティックアルゴリズムをベンチマークした。
その結果、ノイズの多いVQEのための小さなレジリエントアルゴリズムを特定し、短期量子デバイス上での最適化戦略のガイダンスを提供する。
論文 参考訳（メタデータ） (2025-06-02T14:22:30Z) - 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) - Quantum Natural Gradient optimizer on noisy platforms: QAOA as a case study [0.0]
横フィールドイジングモデル(TFIM)の基底状態検出におけるQNG(Quantum Natural Gradient)の有効性について検討する。
本分析では,実装置の校正データに基づいて,理想化されたノイズフリー条件と現実的な雑音環境の両方でシミュレーションを行う。
論文 参考訳（メタデータ） (2025-02-27T17:14:32Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。
我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。
我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
論文 参考訳（メタデータ） (2024-10-21T22:40:42Z) - 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) - Benchmarking of Different Optimizers in the Variational Quantum
Algorithms for Applications in Quantum Chemistry [0.0]
古典的なヤードスティックは変分量子アルゴリズムの精度と収束を決定する上で重要な役割を果たしている。
量子化学への応用のために、いくつかの一般的なヤードスティックを考察し、変分量子アルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2022-08-22T13:02:00Z) - 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。