Fugu-MT 論文翻訳(概要): Quantum-Based Self-Attention Mechanism for Hardware-Aware Differentiable Quantum Architecture Search

論文の概要: Quantum-Based Self-Attention Mechanism for Hardware-Aware Differentiable Quantum Architecture Search

arxiv url: http://arxiv.org/abs/2512.02476v1
Date: Tue, 02 Dec 2025 07:07:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-03 21:04:45.760913
Title: Quantum-Based Self-Attention Mechanism for Hardware-Aware Differentiable Quantum Architecture Search
Title（参考訳）: ハードウェア対応微分可能な量子アーキテクチャ探索のための量子ベース自己認識機構
Authors: Yuxiang Liu, Sixuan Li, Fanxu Meng, Zaichen Zhang, Xutao Yu,
Abstract要約: 微分可能な量子アーキテクチャ探索のための量子ベースの自己認識(QBSA-DQAS)を提案する。このフレームワークは、2段階の量子自己アテンションモジュールを使用しており、量子回路を通してアーキテクチャパラメータをマッピングすることでコンテキスト依存を計算している。探索後の最適化段階は、回路の複雑さを低減するためにゲートの通勤、融合、除去を施す。
参考スコア（独自算出の注目度）: 21.477208706334608
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The automated design of parameterized quantum circuits for variational algorithms in the NISQ era faces a fundamental limitation, as conventional differentiable architecture search relies on classical models that fail to adequately represent quantum gate interactions under hardware noise. We introduce the Quantum-Based Self-Attention for Differentiable Quantum Architecture Search (QBSA-DQAS), a meta-learning framework featuring quantum-based self-attention and hardware-aware multi-objective search. The framework employs a two-stage quantum self-attention module that computes contextual dependencies by mapping architectural parameters through parameterized quantum circuits, replacing classical similarity metrics with quantum-derived attention scores, then applies position-wise quantum transformations for feature enrichment. Architecture search is guided by a task-agnostic multi-objective function jointly optimizing noisy expressibility and Probability of Successful Trials (PST). A post-search optimization stage applies gate commutation, fusion, and elimination to reduce circuit complexity. Experimental validation demonstrates superior performance on VQE tasks and large-scale Wireless Sensor Networks. For VQE on H$_2$, QBSA-DQAS achieves 0.9 accuracy compared to 0.89 for standard DQAS. Post-search optimization reduces discovered circuit complexity by up to 44% in gate count and 47% in depth without accuracy degradation. The framework maintains robust performance across three molecules and five IBM quantum hardware noise models. For WSN routing, discovered circuits achieve 8.6% energy reduction versus QAOA and 40.7% versus classical greedy methods, establishing the effectiveness of quantum-native architecture search for NISQ applications.
Abstract（参考訳）: NISQ時代の変分アルゴリズムのためのパラメータ化量子回路の自動設計は、ハードウェアノイズ下で量子ゲート相互作用を適切に表現できない古典的モデルに依存しているため、基本的な制限に直面している。本稿では,QBSA-DQAS(Quantum-based Self-Attention for Differentiable Quantum Architecture Search)を紹介する。このフレームワークは、パラメータ化された量子回路を通してアーキテクチャパラメータをマッピングし、古典的な類似度指標を量子由来のアテンションスコアに置き換え、特徴の富化のために位置対応の量子変換を適用することによって、文脈依存を計算する2段階の量子自己アテンションモジュールを使用している。 PST(Probability of successfully Trials)の雑音表現性と確率を協調的に最適化するタスク非依存多目的関数によってアーキテクチャ探索を導出する。探索後の最適化段階は、回路の複雑さを低減するためにゲートの通勤、融合、除去を施す。実験により,VQEタスクと大規模無線センサネットワークの性能が向上した。 H$_2$のVQEでは、QBSA-DQASは標準DQASの0.89と比較して0.9の精度を達成する。探索後の最適化により、検出された回路の複雑さを44%のゲート数、深さの47%まで減らし、精度は劣化しない。このフレームワークは、3つの分子と5つのIBM量子ハードウェアノイズモデルにわたる堅牢なパフォーマンスを維持している。 WSNルーティングでは、発見回路はQAOAに対して8.6%、古典的なグリード法では40.7%のエネルギー削減を実現し、NISQアプリケーションの量子ネイティブアーキテクチャ探索の有効性を確立した。

関連論文リスト

RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文参考訳（メタデータ） (2025-06-04T08:30:35Z)
Topology-Driven Quantum Architecture Search Framework [2.9862856321580895]
トポロジー駆動量子アーキテクチャサーチ(TD-QAS) トポロジー駆動量子アーキテクチャサーチ(TD-QAS) トポロジー駆動量子アーキテクチャサーチ(TD-QAS)
論文参考訳（メタデータ） (2025-02-20T05:05:53Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
論文参考訳（メタデータ） (2024-02-21T12:30:39Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文参考訳（メタデータ） (2022-01-04T01:53:42Z)
Quantum Architecture Search with Meta-learning [0.18899300124593643]
変分量子アルゴリズム(VQA)は、量子近似最適化アルゴリズム、変分量子コンパイル、および量子機械学習モデルに成功している。量子アーキテクチャサーチ(QAS)は、古典的な最適化アルゴリズムによる量子回路の設計を自動化することを目的としている。
論文参考訳（メタデータ） (2021-06-11T08:59:16Z)
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)
QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。