論文の概要: Efficient quantum state preparation of multivariate functions using tensor networks

• arxiv url: http://arxiv.org/abs/2511.15674v1
• Date: Wed, 19 Nov 2025 18:18:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.933696
• Title: Efficient quantum state preparation of multivariate functions using tensor networks
• Title（参考訳）: テンソルネットワークを用いた多変量関数の効率的な量子状態生成
• Authors: Marco Ballarin, Juan José García-Ripoll, David Hayes, Michael Lubasch,
• Abstract要約: 次元性に関して効率的なテンソルネットワークアルゴリズムを導入し,ゲート誤差を考慮に入れた。 数値シミュレーションにより、102量子ビットの状態で符号化された17次元ガウス関数や、実験により、54量子ビットの量子プロセッサ上で実現された9次元ガウス関数など、パラダイム的多変量関数を正確に作成できることが示される。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For the preparation of high-dimensional functions on quantum computers, we introduce tensor network algorithms that are efficient with regard to dimensionality, optimize circuits composed of hardware-native gates and take gate errors into account during the optimization. To avoid the notorious barren plateau problem of vanishing gradients in the circuit optimization, we smoothly transform the circuit from an easy-to-prepare initial function into the desired target function. We show that paradigmatic multivariate functions can be accurately prepared such as, by numerical simulations, a 17-dimensional Gaussian encoded in the state of 102 qubits and, through experiments, a 9-dimensional Gaussian realized using 54 qubits on Quantinuum's H2 quantum processor.
• Abstract（参考訳）: 量子コンピュータ上の高次元関数を作成するために,次元性に関して効率的なテンソルネットワークアルゴリズムを導入し,ハードウェアネイティブゲートからなる回路を最適化し,最適化中にゲートエラーを考慮に入れた。 回路最適化における勾配の消失という悪名高いバレン高原問題を避けるため、回路を簡単な初期関数から所望の目標関数にスムーズに変換する。 数値シミュレーションにより、102量子ビットの状態で符号化された17次元ガウス関数や、実験により、54量子ビットの量子プロセッサ上で実現された9次元ガウス関数など、パラダイム的多変量関数を正確に作成できることが示される。

関連論文リスト

• Reinforcement Learning for Optimizing Large Qubit Array based Quantum Sensor Circuits [0.0]
  本稿では、拡張回路最適化のための強化学習とテンソルネットワークに基づくシミュレーション(MPS)の工学的統合を提案する。 我々の強化学習エージェントは、量子フィッシャー情報(QFI)と絡み合いエントロピーを最大化するために回路の再構成を学ぶ。 実験の結果,QFI値が0.8-1.0の範囲で1, 絡み合いエントロピーに近づき, 最大90%の深さ, ゲート数で一貫した改善が得られた。
  論文  参考訳（メタデータ） (2025-08-28T22:51:28Z)
• Quantum Circuit Optimization using Differentiable Programming of Tensor Network States [0.0]
  このアルゴリズムは古典的なハードウェア上で動作し、浅い正確な量子回路を見つける。 すべての回路は、適切なCPU時間と控えめなメモリ要求下で高い状態忠実性を達成する。
  論文  参考訳（メタデータ） (2024-08-22T17:48:53Z)
• Efficient Quantum Circuits for Non-Unitary and Unitary Diagonal Operators with Space-Time-Accuracy trade-offs [1.0749601922718608]
  ユニタリおよび非ユニタリ対角作用素は量子アルゴリズムの基本的な構成要素である。 本稿では,一元対角演算子と非単元対角演算子を効率よく調整可能な量子回路で実装する一般手法を提案する。
  論文  参考訳（メタデータ） (2024-04-03T15:42:25Z)
• Real-time error mitigation for variational optimization on quantum hardware [45.935798913942904]
  VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。 我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
  論文  参考訳（メタデータ） (2023-11-09T19:00:01Z)
• Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
  変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。 この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
  論文  参考訳（メタデータ） (2023-02-09T14:05:18Z)
• Digital quantum simulation of Schr\"odinger dynamics using adaptive approximations of potential functions [1.9723551683930771]
  位置ベースにおける連続変数量子系のデジタル量子シミュレーション(DQS)は、ポテンシャルエネルギー関数によって生成される時間進化作用素を近似する対角ユニタリの効率的な実装を必要とする。 本稿では,アダプティブグリッドが,少数のアシラリー量子ビットを導入するコストで,ゲート数を大幅に削減できることを示す。 物理的動機付けと人工設計の両方のポテンシャル関数を用いた回路構成を実証し、それらの高次元への一般化について議論する。
  論文  参考訳（メタデータ） (2022-12-09T15:51:27Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• 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)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。