論文の概要: Reliable Optimization Under Noise in Quantum Variational Algorithms

• arxiv url: http://arxiv.org/abs/2511.08289v1
• Date: Wed, 12 Nov 2025 01:51:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.740515
• Title: Reliable Optimization Under Noise in Quantum Variational Algorithms
• Title（参考訳）: 量子変分アルゴリズムにおける雑音下での信頼性最適化
• Authors: Vojtěch Novák, Silvie Illésová, Tomáš Bezděk, Ivan Zelinka, Martin Beseda,
• Abstract要約: 有限ショットサンプリングノイズにより,変分量子固有解法が困難であることを示す。 適応的メタヒューリスティックスは最も効果的でレジリエントな戦略である。
• 参考スコア（独自算出の注目度）: 0.05219568203653522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The optimization of Variational Quantum Eigensolver is severely challenged by finite-shot sampling noise, which distorts the cost landscape, creates false variational minima, and induces statistical bias called winner's curse. We investigate this phenomenon by benchmarking eight classical optimizers spanning gradient-based, gradient-free, and metaheuristic methods on quantum chemistry Hamiltonians H$_2$, H$_4$ chain, LiH (in both full and active spaces) using the truncated Variational Hamiltonian Ansatz. We analyze difficulties of gradient-based methods (e.g., SLSQP, BFGS) in noisy regimes, where they diverge or stagnate. We show that the bias of estimator can be corrected by tracking the \textit{population mean}, rather than the biased best individual when using population based optimizer. Our findings, which are shown to generalize to hardware-efficient circuits and condensed matter models, identify adaptive metaheuristics (specifically CMA-ES and iL-SHADE) as the most effective and resilient strategies. We conclude by presenting a set of practical guidelines for reliable VQE optimization under noise, centering on the co-design of physically motivated ansatz and the use of adaptive optimizers.
• Abstract（参考訳）: 変分量子固有解器の最適化は、コストランドスケープを歪ませ、偽変分最小値を生成し、勝者の呪いと呼ばれる統計的バイアスを誘発する有限ショットサンプリングノイズによって困難である。 本研究では, 量子化学における勾配に基づく, 勾配のない, メタヒューリスティックな手法の8つの古典的最適化手法を, トランカットされた変分ハミルトンアンサッツを用いて, H$_2$, H$_4$ chain, LiH (フルおよびアクティブな空間) をベンチマークすることによって検討した。 雑音条件下での勾配法 (SLSQP, BFGS) の難易度を解析し, 分岐・停滞する。 人口ベースオプティマイザを用いた場合, 偏りのある最良個体よりも, textit{population mean} を追従することで, 推定者のバイアスを補正できることを示す。 ハードウェア効率の高い回路や凝縮物質モデルに一般化することが示され,適応的メタヒューリスティックス(特にCMA-ESとiL-SHADE)を最も効果的かつレジリエントな戦略として同定した。 本稿では,騒音下での信頼性VQE最適化のための一連の実践的ガイドラインを提示し,物理的動機付けアンザッツの共設計と適応最適化器の使用に着目した。

関連論文リスト

• Exploiting biased noise in variational quantum models [0.0]
  変分量子アルゴリズム(VQA)は、短期量子ハードウェア上で量子ユーティリティを実証するための有望なツールである。 古典的最適化過程における量子ノイズの影響について検討する。 トワイリングは、ノイズをシンメトリーズするために標準的な誤り軽減戦略でよく用いられるが、実際には変動条件下での性能を低下させる。
  論文  参考訳（メタデータ） (2025-10-28T04:14:20Z)
• Statistical Benchmarking of Optimization Methods for Variational Quantum Eigensolver under Quantum Noise [0.0]
  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。
  論文  参考訳（メタデータ） (2025-10-09T18:34:11Z)
• From Noisy Traces to Stable Gradients: Bias-Variance Optimized Preference Optimization for Aligning Large Reasoning Models [90.45197506653341]
  大規模推論モデルは最終回答を生成する前に中間的推論トレースを生成する。 LRMと人間の好みの整合性は、モデルデプロイメントにとって重要な前提条件であり、まだ過小評価されていない。 共通の回避策は1つのサンプル軌道を最適化し、トレースサンプリングからかなり勾配のばらつきをもたらす。
  論文  参考訳（メタデータ） (2025-10-06T17:58:01Z)
• 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)
• 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)
• Quantum algorithms for the variational optimization of correlated electronic states with stochastic reconfiguration and the linear method [0.0]
  本稿では、ユニタリ作用素の積に相関した波動関数の変動最適化のための量子アルゴリズムを提案する。 古典的なコンピューティングハードウェアの実装には、指数関数的に計算コストが増加する必要があるが、量子アルゴリズムのコスト(回路数とショット数)はシステムサイズである。
  論文  参考訳（メタデータ） (2024-08-03T17:53:35Z)
• A Comparison of Various Classical Optimizers for a Variational Quantum Linear Solver [0.0]
  変分型ハイブリッド量子古典アルゴリズム(VHQCAs)は、ノイズの多い量子デバイス上で動作することを目的とした量子アルゴリズムのクラスである。 これらのアルゴリズムは、パラメータ化量子回路(アンサッツ)と量子古典フィードバックループを用いる。 古典的なデバイスは、量子デバイス上ではるかに効率的に計算できるコスト関数を最小限に抑えるためにパラメータを最適化するために使用される。
  論文  参考訳（メタデータ） (2021-06-16T10:40:00Z)
• High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise [51.31435087414348]
  アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。 非滑らか凸最適化の既存の方法は、信頼度に依存した複雑性境界を持つ。 そこで我々は,勾配クリッピングを伴う2つの手法に対して,新たなステップサイズルールを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:54:21Z)
• 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。