論文の概要: Enhancing the reachability of variational quantum algorithms via input-state design
- arxiv url: http://arxiv.org/abs/2510.26379v1
- Date: Thu, 30 Oct 2025 11:19:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-31 16:05:09.77803
- Title: Enhancing the reachability of variational quantum algorithms via input-state design
- Title（参考訳）: 入力状態設計による変分量子アルゴリズムの到達性向上
- Authors: Shaojun Wu, Shan Jin, Abolfazl Bayat, Xiaoting Wang,
- Abstract要約: 変分量子アルゴリズム(VQA)は、表現性と訓練性の間に固有のトレードオフに直面している。
本稿では,線形結合法を用いて構築した特殊設計入力状態を用いて,VQA性能を向上させることで,この問題に対処する一般的なフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.449131526433967
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational quantum algorithms (VQAs) face an inherent trade-off between expressivity and trainability: deeper circuits can represent richer states but suffer from noise accumulation and barren plateaus, while shallow circuits remain trainable and implementable but lack expressive power. Here, we propose a general framework to address this challenge by enhancing the VQA performance with a specially designed input state constructed using a linear combination technique. This approach systematically modified the set of states reachable by the original circuit, enhancing accuracy while preserving efficiency. We provide a rigorous proof that such framework increases the expressive capacity of any given VQA ansatz, and demonstrate its broad applicability across different ansatz families. As applications, we apply the method to ground-state preparation of the transverse-field Ising, cluster-Ising, and Fermi-Hubbard models, achieving consistently higher accuracy under the same gate budget compared with standard VQAs. These results highlight input-state design as a powerful complement to circuit design in realizing VQAs that are both expressive and trainable.
- Abstract（参考訳）: より深い回路はよりリッチな状態を表現できるが、ノイズ蓄積や不規則なプラトーに悩まされる一方、浅い回路はトレーニング可能で実装可能だが表現力に欠ける。
本稿では,線形結合法を用いて構築した特殊設計された入力状態を用いて,VQA性能を向上させることで,この問題に対処する一般的なフレームワークを提案する。
このアプローチは、元の回路で到達可能な状態の集合を体系的に修正し、効率を保ちながら精度を高めた。
このようなフレームワークが任意のVQAアンザッツの表現能力を高め、異なるアンザッツ族にまたがる広い適用性を示すという厳密な証明を提供する。
本手法の適用例として, 逆フィールドIsing, クラスタIsing, およびFermi-Hubbardモデルの地中処理に適用し, 標準VQAと比較して, 同一ゲート予算下での精度を一定に向上する。
これらの結果は、入力状態設計が、表現力とトレーニング性の両方を持つVQAの実現において、回路設計の強力な補完となることを強調している。
関連論文リスト
- Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。
提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
論文 参考訳（メタデータ） (2025-10-02T15:15:50Z) - Genetic optimization of ansatz expressibility for enhanced variational quantum algorithm performance [0.0]
変分量子アルゴリズムは、短期的な中間規模量子デバイスから実用的な計算を抽出する主要なパラダイムとして登場した。
効果的にするためには、アンサーゼは目標状態を取得するのに十分な表現力を持つ必要があるが、訓練できるほど浅くなければならない。
本研究では,浅い深さと低いパラメータ数を維持しつつ,高い表現性を実現するアンサーゼを設計するための遺伝的アルゴリズムに着想を得たフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-06T18:39:10Z) - 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) - Compact fermionic quantum state preparation with a natural-orbitalizing variational quantum eigensolving scheme [0.0]
短期量子状態の準備は、典型的には変分量子固有解法(VQE)アルゴリズムによって実現される。
本稿では,基本フェルミオンモードの状態を更新したトッピング型VQEを改良したVQE方式を提案する。
固定回路構造では、ショットノイズから過度のオーバーヘッドを発生させることなく、目標状態に近い状態に到達するための回路の能力を高めることが示される。
論文 参考訳（メタデータ） (2024-06-20T10:23:28Z) - 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) - Robust resource-efficient quantum variational ansatz through
evolutionary algorithm [0.46180371154032895]
Vari Quantum Algorithm (VQAsational) は、短期デバイスにおける量子優位性を実証するための有望な手法である。
我々は、広く使われているハードウェア効率の良いアンサッツのような固定VQA回路設計は、必ずしも不完全性に対して堅牢ではないことを示す。
本稿では,ゲノム長調整可能な進化アルゴリズムを提案し,回路アンサッツおよびゲートパラメータの変動に最適化されたロバストなVQA回路を設計する。
論文 参考訳（メタデータ） (2022-02-28T12:14:11Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳（メタデータ） (2022-01-04T01:53:42Z) - Efficient measure for the expressivity of variational quantum algorithms [72.59790225766777]
我々は、変分量子アルゴリズムの表現率を研究するために、統計学習理論、すなわち被覆数に関する高度なツールを利用する。
まず、任意のアンサーゼを持つVQAの表現性は、量子ゲートの数と観測可能な測定値によって上限づけられていることを示す。
次に,システムノイズを考慮した量子チップ上でのVQAの表現性について検討する。
論文 参考訳（メタデータ） (2021-04-20T13:51:08Z) - Classically optimal variational quantum algorithms [0.0]
変分量子アルゴリズム(VQA)のようなハイブリッド量子古典アルゴリズムは、NISQコンピュータ上での実装に適している。
このレターでは、VQAの暗黙的なステップを拡張します。古典的なプリ計算サブルーチンは、古典的なアルゴリズムを非自明に使用して、問題インスタンス固有の変動量子回路を単純化、変換、特定することができます。
論文 参考訳（メタデータ） (2021-03-31T13:33:38Z) - Ansatz-Independent Variational Quantum Classifier [0.0]
可変量子分類器 (VQC) がよく知られたカーネル法に収まることを示す。
また、与えられたユニタリ演算子に対して効率的な量子回路を設計するための変分回路実現法(VCR)を提案する。
論文 参考訳（メタデータ） (2021-02-02T21:25:39Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。