論文の概要: Graph-Based Bayesian Optimization for Quantum Circuit Architecture Search with Uncertainty Calibrated Surrogates

• arxiv url: http://arxiv.org/abs/2512.09586v1
• Date: Wed, 10 Dec 2025 12:23:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.51809
• Title: Graph-Based Bayesian Optimization for Quantum Circuit Architecture Search with Uncertainty Calibrated Surrogates
• Title（参考訳）: 不確かさキャリブ付きサーロゲートを用いた量子回路アーキテクチャ探索のためのグラフベースベイズ最適化
• Authors: Prashant Kumar Choudhary, Nouhaila Innan, Muhammad Shafique, Rajeev Singh,
• Abstract要約: 本稿では,変分量子回路の発見と改良を行う自動フレームワークを提案する。 回路はグラフとして表現され、期待される改善獲得関数を介して変更され、選択される。 GNN誘導パイプラインは、回路の複雑さが低く、より優れた分類精度の回路を見つける。
• 参考スコア（独自算出の注目度）: 2.271697926182248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum circuit design is a key bottleneck for practical quantum machine learning on complex, real-world data. We present an automated framework that discovers and refines variational quantum circuits (VQCs) using graph-based Bayesian optimization with a graph neural network (GNN) surrogate. Circuits are represented as graphs and mutated and selected via an expected improvement acquisition function informed by surrogate uncertainty with Monte Carlo dropout. Candidate circuits are evaluated with a hybrid quantum-classical variational classifier on the next generation firewall telemetry and network internet of things (NF-ToN-IoT-V2) cybersecurity dataset, after feature selection and scaling for quantum embedding. We benchmark our pipeline against an MLP-based surrogate, random search, and greedy GNN selection. The GNN-guided optimizer consistently finds circuits with lower complexity and competitive or superior classification accuracy compared to all baselines. Robustness is assessed via a noise study across standard quantum noise channels, including amplitude damping, phase damping, thermal relaxation, depolarizing, and readout bit flip noise. The implementation is fully reproducible, with time benchmarking and export of best found circuits, providing a scalable and interpretable route to automated quantum circuit discovery.
• Abstract（参考訳）: 量子回路設計は、複雑な実世界のデータに対する実用的な量子機械学習の鍵となるボトルネックである。 本稿では,グラフニューラルネットワーク(GNN)サロゲートを用いたグラフベースベイズ最適化を用いて,変分量子回路(VQC)を検出・洗練する自動フレームワークを提案する。 回路はグラフとして表現され、モンテカルロのドロップアウトで不確実性を代理することで予測される改善獲得関数によって変更され、選択される。 候補回路は、次世代ファイアウォールテレメトリとネットワークのインターネット(NF-ToN-IoT-V2)サイバーセキュリティデータセット上のハイブリッド量子古典的変分分類器を用いて評価され、量子埋め込みのための特徴選択とスケーリングが行われる。 MLPベースのサロゲート、ランダム検索、およびグリーディGNN選択に対して、パイプラインをベンチマークする。 GNN誘導オプティマイザは、全てのベースラインと比較して、複雑さが低く、より優れた分類精度を持つ回路を一貫して見つける。 ロバストネスは、振幅減衰、位相減衰、熱緩和、脱分極、読み出しビットフリップノイズを含む標準量子ノイズチャネルのノイズスタディによって評価される。 実装は完全に再現可能で、タイムベンチマークと最良の回路のエクスポートがあり、自動量子回路発見へのスケーラブルで解釈可能なルートを提供する。

関連論文リスト

• Design and Optimization of Adaptive Diversity Schemes in Quantum MIMO Channels [45.812053169933705]
  本研究では、送信機における普遍的非対称クローニングと受信機における確率的浄化に基づく離散変数QuMIMOシステムの適応的多様性戦略について検討する。 その結果,提案手法はクロストークに支配された設定において有意な忠実性向上をもたらし,チャネル対称性やチャネル条件に自動的に適応することがわかった。 この研究は、将来のQuMIMOシステムの設計ガイドラインを提供し、より高度な伝送および復号戦略のための堅牢なベースラインを確立する。
  論文  参考訳（メタデータ） (2025-11-19T15:58:10Z)
• FlowQ-Net: A Generative Framework for Automated Quantum Circuit Design [8.70817825961863]
  自動量子回路合成のための生成フレームワークであるtextscFlowQ-Net(Flow-based Quantum Design Network)を紹介する。 このフレームワークは、回路を順次構築するポリシーを学習し、それらをフレキシブルなユーザ定義報酬関数にサンプリングする。 シミュレーションにより,textscFlowQ-Netの有効性を実証する。
  論文  参考訳（メタデータ） (2025-10-30T16:57:13Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Genetic Transformer-Assisted Quantum Neural Networks for Optimal Circuit Design [3.6953740776904924]
  我々はGTQNN(Genematic Transformer Assisted Quantum Neural Networks)を紹介する。 GTQNNは、トランスフォーマーエンコーダと浅い変動量子回路を組み合わせたハイブリッド学習フレームワークである。 4つのベンチマークの実験では、GTQNNは最先端の量子モデルの状態と一致するか超えている。
  論文  参考訳（メタデータ） (2025-06-10T19:49:21Z)
• 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)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• 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)
• A hybrid quantum-classical classifier based on branching multi-scale entanglement renormalization ansatz [5.548873288570182]
  本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。 グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。 本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
  論文  参考訳（メタデータ） (2023-03-14T13:46:45Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)

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。