Fugu-MT 論文翻訳(概要): On universality of hardware-efficient ansatzes

論文の概要: On universality of hardware-efficient ansatzes

arxiv url: http://arxiv.org/abs/2511.03870v1
Date: Wed, 05 Nov 2025 21:31:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-07 20:17:53.218385
Title: On universality of hardware-efficient ansatzes
Title（参考訳）: ハードウェア効率アンサーゼの普遍性について
Authors: Hokuto Iwakiri, Keita Kanno,
Abstract要約: ハードウェア効率アンサッツ(英: hardware- efficient ansatz, HEA)は、量子コンピューティングの短期的応用のための最も重要なパラメタライズド量子回路の1つである。 HEAのいくつかの主要なクラスをシミュレートする問題は、関連する量子回路がそれらのクラスのHEA回路として効率的に表現できることを明確に示して、BQP完全であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The hardware-efficient ansatz (HEA) is one of the most important class of parametrized quantum circuits for near-term applications of quantum computing. We show that the problem of simulating some major classes of the HEA is BQP-complete by explicitly demonstrating that any relevant quantum circuit can be efficiently represented as an HEA circuit of those classes.
Abstract（参考訳）: ハードウェア効率アンサッツ(英: hardware- efficient ansatz, HEA)は、量子コンピューティングの短期的応用のための最も重要なパラメタライズド量子回路の1つである。 HEAのいくつかの主要なクラスをシミュレートする問題は、関連する量子回路がそれらのクラスのHEA回路として効率的に表現できることを明確に示して、BQP完全であることを示す。

関連論文リスト

An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文参考訳（メタデータ） (2025-04-13T11:49:53Z)
RH: An Architecture for Redesigning Quantum Circuits on Quantum Hardware Devices [6.959884576408311]
本稿では,量子ハードウェア上での大規模量子回路の再設計を実現するアーキテクチャを提案する。ランダムな量子回路モジュールを標準のEQ-GANフレームワークにプリプションすることで、量子状態学習からユニタリ変換学習までその能力を拡張する。
論文参考訳（メタデータ） (2024-12-30T12:05:09Z)
An unconditional distribution learning advantage with shallow quantum circuits [0.0]
浅量子回路仮説を用いた近似分布学習フレームワーク(PAC)において,非条件量子の優位性を証明した。本研究では,1つの量子ビットゲートと2つの量子ビットゲートを用いた量子回路(QNC0)が,ファンイン古典回路(NC0)よりも優れているという有意義な生成的分布学習問題を仮説クラスの選択として挙げる。
論文参考訳（メタデータ） (2024-11-23T13:03:22Z)
Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文参考訳（メタデータ） (2024-06-05T17:16:07Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文参考訳（メタデータ） (2022-08-29T15:24:03Z)
Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文参考訳（メタデータ） (2021-12-21T12:41:31Z)
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。