論文の概要: Improving Quantum Neural Networks exploration by Noise-Induced Equalization

• arxiv url: http://arxiv.org/abs/2511.09428v1
• Date: Thu, 13 Nov 2025 01:53:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.566773
• Title: Improving Quantum Neural Networks exploration by Noise-Induced Equalization
• Title（参考訳）: 雑音等化による量子ニューラルネットワーク探索の改良
• Authors: Francesco Scala, Giacomo Guarnieri, Aurelien Lucchi,
• Abstract要約: 最適量子ノイズレベルが変動パラメータの等化'を誘導することを示す。 最良等化近傍における有益雑音効果の証拠となる広範囲な数値シミュレーションについて報告する。
• 参考スコア（独自算出の注目度）: 1.2043574473965317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum noise is known to strongly affect quantum computation, thus potentially limiting the performance of currently available quantum processing units. Even models of quantum neural networks based on variational quantum algorithms, which were designed to cope with the limitations of state-of-the art noisy hardware capabilities, are affected by noise-induced barren plateaus, arising when the noise level becomes too strong. However, the generalization performances of such quantum machine learning algorithms can also be positively influenced by a proper level of noise, despite its generally detrimental effects. Here, we propose a pre-training procedure to determine the quantum noise level leading to desirable optimization landscape properties. We show that an optimal quantum noise level induces an ``equalization'' of variational parameters: the least important parameters gain relevance in the computation, while the most relevant ones lose it. We analyse this noise-induced equalization through the lens of the Quantum Fisher Information Matrix, thus providing a recipe that allows to estimate the noise level inducing the strongest equalization. Then, we report on extensive numerical simulations providing evidence of the beneficial noise effects in the neighborhood of the best equalization, often leading to improved generalization.
• Abstract（参考訳）: 量子ノイズは量子計算に強い影響を与えることが知られており、それによって現在利用可能な量子処理ユニットの性能が制限される可能性がある。 変分量子アルゴリズムに基づく量子ニューラルネットワークのモデルでさえ、ノイズによるバレンプラトーの影響を受け、ノイズレベルが強すぎると発生する。 しかし、そのような量子機械学習アルゴリズムの一般化性能は、一般に有害な効果があるにもかかわらず、適切なノイズレベルの影響を受け得る。 本稿では,量子ノイズレベルを決定するための事前学習手法を提案する。 最適な量子ノイズレベルは変動パラメータの'equalization''を誘導し、最も重要なパラメータは計算の関連性を得る一方、最も関連するパラメータはそれを失うことを示す。 我々は,この雑音による等化を量子フィッシャー情報行列のレンズを通して解析し,最強等化を誘導する雑音レベルを推定できるレシピを提供する。 次に, 最適等化近傍における有益雑音効果の証拠となる広範囲な数値シミュレーションについて報告する。

関連論文リスト

• Variational noise mitigation in quantum circuits: the case of Quantum Fourier Transform [35.18016233072556]
  我々は、コヒーレントノイズと非コヒーレントノイズの両方の下で、2つの量子ビットの数値シミュレーションを行う。 この結果から, 連続雑音に支配されるシナリオにおいて, 変動回路は高い忠実度でQFTを再現できることがわかった。 このことは、小規模から中規模の量子システムに対する効果的なエラー軽減戦略としてのアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2025-11-07T14:35:55Z)
• 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)
• Method for noise-induced regularization in quantum neural networks [0.0]
  量子ハードウェアにおけるノイズレベルを効果的に調整することで、量子ニューラルネットワークがデータを一般化する能力を高めることができることを示す。 例えば,回路のノイズレベルを調整することで,平均2乗誤差損失を8%改善する医療レグレッションタスクを考える。
  論文  参考訳（メタデータ） (2024-10-25T18:29:42Z)
• Quantum noise modeling through Reinforcement Learning [38.47830254923108]
  本稿では,量子チップに影響を及ぼすノイズを特徴付ける機械学習手法を導入し,シミュレーション中にエミュレートする。 我々のアルゴリズムは強化学習を活用し、様々なノイズモデルを再現する際の柔軟性を向上させる。 実超伝導量子ビット上でのシミュレーションおよび試験によりRLエージェントの有効性が検証された。
  論文  参考訳（メタデータ） (2024-08-02T18:05:21Z)
• Noise-induced transition in optimal solutions of variational quantum algorithms [0.0]
  変分量子アルゴリズムは、ノイズの多い量子ハードウェアで実用的な量子優位性を実現するための有望な候補である。 スピンチェーンモデルの基底状態を計算する変分量子固有解法(VQE)アルゴリズムについて検討し,ノイズが最適化に与える影響について検討した。
  論文  参考訳（メタデータ） (2024-03-05T08:31:49Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• General noise-resilient quantum amplitude estimation [0.0]
  本稿では,雑音下での振幅推定と観測可能な新しいアルゴリズムを提案する。 興味深いことに、我々のアルゴリズムは量子回路の深さの異なるノイズに対して堅牢性を示す。
  論文  参考訳（メタデータ） (2023-12-02T09:27:40Z)
• Taking advantage of noise in quantum reservoir computing [0.0]
  量子雑音は量子貯水池計算の性能向上に有効であることを示す。 我々の結果は量子デバイスの基礎となる物理的なメカニズムに新たな光を当てた。
  論文  参考訳（メタデータ） (2023-01-17T11:22:02Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• 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。