論文の概要: Link prediction with swarms of chiral quantum walks

• arxiv url: http://arxiv.org/abs/2511.14513v1
• Date: Tue, 18 Nov 2025 14:10:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.146163
• Title: Link prediction with swarms of chiral quantum walks
• Title（参考訳）: カイラル量子ウォークの群によるリンク予測
• Authors: Gaia Forghieri, Viacheslav Dubovitskii, Matteo A. C. Rossi, Matteo G. A. Paris,
• Abstract要約: タンパク質-タンパク質相互作用ネットワークの再構築は、ネットワーク医学における中心的な課題である。 近年の研究では、量子ウォークに基づくアプローチがこの課題を約束していることが示唆されている。 我々はハミルトニアン発生器のランダム位相の追加によってキラル性を導入することによってこれらのアルゴリズムを構築する。
• 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: Reconstructing protein-protein interaction networks is a central challenge in network medicine, often addressed using link prediction algorithms. Recent studies suggest that quantum walk-based approaches hold promise for this task. In this paper, we build on these algorithms by introducing chirality through the addition of random phases in the Hamiltonian generators. The resulting additional degrees of freedom enable a more diverse exploration of the network, which we exploit by employing a swarm of chiral quantum walks. Thus, we enhance the predictive power of quantum walks on complex networks. Indeed, compared to a non-chiral algorithm, the chiral version exhibits greater robustness, making its performance less dependent on the optimal evolution time--a critical hyperparameter of the non-chiral model. This improvement arises from complementary dynamics introduced by chirality within the swarm. By analyzing multiple phase-sampling strategies, we identify configurations that achieve a practical trade-off: retaining the high predictive accuracy of the non-chiral algorithm at its optimal time while gaining the robustness typical of chirality. Our findings highlight the versatility of chiral quantum walks and their potential to outperform both classical and non-chiral quantum methods in realistic scenarios, including comparisons between successive versions of evolving databases.
• Abstract（参考訳）: タンパク質-タンパク質相互作用ネットワークの再構築はネットワーク医学における中心的な課題であり、しばしばリンク予測アルゴリズムを用いて対処される。 近年の研究では、量子ウォークに基づくアプローチがこの課題を約束していることが示唆されている。 本稿では,ハミルトニアン発生器におけるランダム位相の追加によるキラル性の導入により,これらのアルゴリズムを構築した。 結果として得られる自由度により、より多様なネットワークの探索が可能となり、キラルな量子ウォークの群れを駆使して利用することができる。 したがって、複雑なネットワーク上での量子ウォークの予測能力を高めることができる。 実際、非キラルアルゴリズムと比較して、キラルバージョンはより強い堅牢性を示し、その性能は最適な進化時間、すなわち非キラルモデルの臨界ハイパーパラメータに依存しない。 この改善は、Swarm内のキラリティによって導入された相補的なダイナミクスから生じる。 複数の位相サンプリング戦略を解析することにより、非キラルアルゴリズムの高い予測精度を維持するとともに、キラル性の典型的ロバスト性を得るという、実用的なトレードオフを実現する構成を同定する。 本研究は, カイラル量子ウォークの汎用性と, 進化するデータベースの連続バージョンの比較を含む, 古典的および非カイラル量子法を現実的なシナリオで上回る可能性を明らかにするものである。

関連論文リスト

• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• 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)
• Complex-Phase Extensions of Szegedy Quantum Walk on Graphs [0.0]
  この研究は、リンク位相と局所任意位相回転(APR)を組み込んだグラフ相Szegedyの量子ウォークを導入する。 我々はこれらの進歩に量子回路を適応させる方法を示し、計算実用性を保証する位相パターンを実現する。 我々の発見は、より汎用的で強力な量子コンピューティングパラダイムへの道のりを照らしている。
  論文  参考訳（メタデータ） (2024-10-29T12:57:31Z)
• Spectral chaos bounds from scaling theory of maximally efficient quantum-dynamical scrambling [44.99833362998488]
  複雑な量子系のエルゴード定常状態への進化に関する重要な予想は、スクランブルとして知られるこの過程が最も効率的であるときに普遍的な特徴を取得することである。 このシナリオでは、完全なスクランブルダイナミクスに沿ったスペクトル相関の正確な自己相似性を具現化して、スペクトル統計量に対する単一パラメータスケーリング理論を開発する。 スケーリング予測は特権プロセスと一致し、他の動的スクランブルシナリオのバウンダリとして機能し、すべての時間スケールで非効率または不完全なスクランブルを定量化できるようにする。
  論文  参考訳（メタデータ） (2023-10-17T15:41:50Z)
• Exploring the role of parameters in variational quantum algorithms [59.20947681019466]
  動的リー代数の階数を用いた変分量子回路のキャラクタリゼーションのための量子制御に着想を得た手法を提案する。 有望な接続は、リーランク、計算されたエネルギーの精度、および所定の回路アーキテクチャを介して目標状態を達成するために必要な深さとの間のものである。
  論文  参考訳（メタデータ） (2022-09-28T20:24:53Z)
• Scalable neural quantum states architecture for quantum chemistry [5.603379389073144]
  量子状態のニューラルネットワーク表現の変分最適化は、相互作用するフェルミオン問題の解決に成功している。 本稿では,Ab-initio量子化学応用のための,ニューラルネットワークに基づく変分量子モンテカルロ計算を改善するための拡張並列化手法を提案する。
  論文  参考訳（メタデータ） (2022-08-11T04:40:02Z)
• 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)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)
• Noise-Robust End-to-End Quantum Control using Deep Autoregressive Policy Networks [2.5946789143276447]
  変分量子固有解法は、量子コンピューティングデバイスの使用を可能にするため、近年注目を集めている。 不確実性のある方法で連続的および離散的な自由度を同時に最適化できるハイブリッドポリシグラデーショングラデーションアルゴリズムを提案する。 我々の研究は、強化学習と量子制御の相乗効果を示す。
  論文  参考訳（メタデータ） (2020-12-12T02:13:28Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)

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。