論文の概要: SPARTA: $χ^2$-calibrated, risk-controlled exploration-exploitation for variational quantum algorithms

• arxiv url: http://arxiv.org/abs/2511.19551v1
• Date: Mon, 24 Nov 2025 13:54:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.091234
• Title: SPARTA: $χ^2$-calibrated, risk-controlled exploration-exploitation for variational quantum algorithms
• Title（参考訳）: SPARTA: $ ^2$-calibrated, risk-control exploration-exploitation for variational quantum algorithm
• Authors: Mikhail Zubarev,
• Abstract要約: 変分量子アルゴリズムは、基本的なトレーニング可能性の危機に直面している。 本稿では、量子最適化のための明示的かつ有意なリスク制御を提供する逐次プラトー適応型システマテストアルゴリズム(SPARTA)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms face a fundamental trainability crisis: barren plateaus render optimization exponentially difficult as system size grows. While recent Lie algebraic theory precisely characterizes when and why these plateaus occur, no practical optimization method exists with finite-sample guarantees for navigating them. We present the sequential plateau-adaptive regime-testing algorithm (SPARTA), the first measurement-frugal scheduler that provides explicit, anytime-valid risk control for quantum optimization. Our approach integrates three components with rigorous statistical foundations: (i) a $χ^2$-calibrated sequential test that distinguishes barren plateaus from informative regions using likelihood-ratio supermartingales; (ii) a probabilistic trust-region exploration strategy with one-sided acceptance to prevent false improvements under shot noise; and (iii) a theoretically-optimal exploitation phase that achieves the best attainable convergence rate. We prove geometric bounds on plateau exit times, linear convergence in informative basins, and show how Lie-algebraic variance proxies enhance test power without compromising statistical calibration.
• Abstract（参考訳）: 変分量子アルゴリズムは、基本的なトレーニング可能性の危機に直面している。 最近のリー代数理論は、これらの高原がいつ、なぜ起こるのかを正確に特徴づけるが、それをナビゲートするための有限サンプル保証を持つ実用的な最適化手法は存在しない。 本稿では、量子最適化のための有意かつ有意なリスク制御を提供する最初の計測フルーガースケジューラであるシーケンシャルプラトー適応型レギュレーションテストアルゴリズム(SPARTA)を提案する。 我々のアプローチは、3つの要素を厳密な統計基盤に統合する。 (i)大理石高原と情報領域を高率スーパーマーチングラールを用いて区別する$ ^2$-calibrated シーケンシャルテスト 二 ショットノイズによる誤改善を防止するための一方的受容を伴う確率的信頼圏探索戦略 (iii)最高の収束率を達成する理論的に最適な利用段階。 本研究では, プレート出口時間, 情報盆地における線形収束の幾何学的境界を証明し, 統計的キャリブレーションを損なうことなく, リー-代数的分散プロキシーがテストパワーを高めることを示す。

関連論文リスト

• Test-time Verification via Optimal Transport: Coverage, ROC, & Sub-optimality [53.03186946689658]
  検証によるテストタイムのスケーリングは、大規模言語モデルのパフォーマンス向上を約束している。 検証の効果は、(i)ジェネレータのカバレッジ、(ii)検証器の収束領域(ROC)、(iii)サンプリングアルゴリズムの準最適性の3つの相互作用を通して現れる。 本稿では,輸送問題として検証可能なテストタイムスケーリングの枠組みを定め,カバレッジ,ROC,サブ最適性の相互作用を特徴付ける。
  論文  参考訳（メタデータ） (2025-10-21T18:05:42Z)
• Quantization through Piecewise-Affine Regularization: Optimization and Statistical Guarantees [13.571671030124604]
  Piecewise regularization (PAR) は、統計的視点に基づく柔軟なモデリングを提供する。 グラデーションと交互方向乗算器を用いて問題を解くためにPAR法を用いる方法を示す。
  論文  参考訳（メタデータ） (2025-08-14T23:35:21Z)
• A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
  近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。 本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
  論文  参考訳（メタデータ） (2024-05-24T21:09:19Z)
• FastPart: Over-Parameterized Stochastic Gradient Descent for Sparse optimisation on Measures [3.377298662011438]
  本稿では,コニックパーティクルグラディエントDescent(CPGD)のスケーラビリティを高めるために,ランダム特徴と協調してグラディエントDescent戦略を利用する新しいアルゴリズムを提案する。 以下の重要な結果を示す厳密な数学的証明を提供する: $mathrm(i)$ 降下軌道に沿った解測度の総変動ノルムは有界であり、安定性を確保し、望ましくない発散を防ぐ。$mathrm(ii)$ 収束率$O(log(K)/sqrtK)$$$$$K以上の大域収束保証を確立する。
  論文  参考訳（メタデータ） (2023-12-10T20:41:43Z)
• Distributionally Robust Optimization with Bias and Variance Reduction [9.341215359733601]
  勾配に基づくアルゴリズムであるProspectは、スムーズな正規化損失に対する線形収束を享受していることを示す。 また、勾配法のようなベースラインよりも2～3$times$早く収束できることも示している。
  論文  参考訳（メタデータ） (2023-10-21T00:03:54Z)
• A Learning-Based Optimal Uncertainty Quantification Method and Its Application to Ballistic Impact Problems [1.713291434132985]
  本稿では、入力(または事前)測度が部分的に不完全であるシステムに対する最適(最大および無限)不確実性境界について述べる。 本研究では,不確実性最適化問題に対する学習基盤の枠組みを実証する。 本手法は,工学的実践における性能証明と安全性のためのマップ構築に有効であることを示す。
  論文  参考訳（メタデータ） (2022-12-28T14:30:53Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• 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)

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。