論文の概要: Benchmarking VQE Configurations: Architectures, Initializations, and Optimizers for Silicon Ground State Energy

• arxiv url: http://arxiv.org/abs/2510.23171v1
• Date: Mon, 27 Oct 2025 09:57:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.517433
• Title: Benchmarking VQE Configurations: Architectures, Initializations, and Optimizers for Silicon Ground State Energy
• Title（参考訳）: VQE設定のベンチマーク:シリコン地盤エネルギーのアーキテクチャ、初期化、最適化
• Authors: Zakaria Boutakka, Nouhaila Innan, Muhammed Shafique, Mohamed Bennai, Z. Sakhi,
• Abstract要約: 本研究では、シリコン原子の基底状態エネルギーの推定における変分量子解法(VQE)の性能について検討する。 ハイブリッド量子古典最適化フレームワークでは,Double Excitation Gates, ParticleConservingU2, UCCSD, k-UpCCGSDなど,様々なアンサッツを用いてVQEを実装している。 この研究の主な貢献は、VQEのパフォーマンスに影響を与えるためにこれらの構成の選択がどのように相互作用するかを体系的に調査することにある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing presents a promising path toward precise quantum chemical simulations, particularly for systems that challenge classical methods. This work investigates the performance of the Variational Quantum Eigensolver (VQE) in estimating the ground-state energy of the silicon atom, a relatively heavy element that poses significant computational complexity. Within a hybrid quantum-classical optimization framework, we implement VQE using a range of ansatz, including Double Excitation Gates, ParticleConservingU2, UCCSD, and k-UpCCGSD, combined with various optimizers such as gradient descent, SPSA, and ADAM. The main contribution of this work lies in a systematic methodological exploration of how these configuration choices interact to influence VQE performance, establishing a structured benchmark for selecting optimal settings in quantum chemical simulations. Key findings show that parameter initialization plays a decisive role in the algorithm's stability, and that the combination of a chemically inspired ansatz with adaptive optimization yields superior convergence and precision compared to conventional approaches.
• Abstract（参考訳）: 量子コンピューティングは、特に古典的手法に挑戦するシステムにおいて、正確な量子化学シミュレーションへの有望な道を示す。 本研究では,シリコン原子の基底状態エネルギーを推定するための変分量子固有解器(VQE)の性能について検討する。 ハイブリッド量子古典最適化フレームワークでは,Double Excitation Gates, ParticleConservingU2, UCCSD, k-UpCCGSDなど,様々なアンサッツを用いてVQEを実装し,勾配降下, SPSA, ADAMなどの最適化を行う。 この研究の主な貢献は、これらの構成選択がどのようにVQEのパフォーマンスに影響を与えるかについての体系的な方法論的な調査であり、量子化学シミュレーションにおいて最適な設定を選択するための構造化されたベンチマークを確立することである。 鍵となる発見は、パラメータの初期化がアルゴリズムの安定性に決定的な役割を果たすことを示し、化学的にインスパイアされたアンザッツと適応最適化の組み合わせは、従来の手法よりも優れた収束と精度をもたらすことを示している。

関連論文リスト

• Numerical Optimization Methods in the environment with Quantum Noise [0.0]
  この論文は、SAOOVQE(State-Averaged Orbital-d Variational Quantumsolver)に焦点を当てている。 このハイブリッド量子古典アルゴリズムは、複数の電子状態のバランスの取れた記述を提供する。 Broyden-Fletcher-Goldfarb-Shanno(BFGS)やSequential Squares Programming(SLSQP)のような古典的アルゴリズムの比較研究 その結果、軌道最適化はポテンシャルエネルギー表面を正確に捉えるのに不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2025-09-15T19:00:27Z)
• 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)
• BenchQC: A Benchmarking Toolkit for Quantum Computation [0.4037357056611557]
  変分量子固有解法 (VQE) は化学および材料科学における量子コンピューティング応用のための有望なアルゴリズムである。 本研究は、アルミニウムクラスターの基底状態エネルギーを計算するためのVQEの性能をベンチマークする。
  論文  参考訳（メタデータ） (2025-02-13T18:51:08Z)
• 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 Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
  この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。 その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-09-28T18:55:22Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• 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)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。