論文の概要: Investigating Different Barren Plateaus Mitigation Strategies in Variational Quantum Eigensolver

• arxiv url: http://arxiv.org/abs/2512.11171v1
• Date: Thu, 11 Dec 2025 23:25:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.597796
• Title: Investigating Different Barren Plateaus Mitigation Strategies in Variational Quantum Eigensolver
• Title（参考訳）: 変分量子固有解法におけるバレン高原緩和戦略の検討
• Authors: Mostafa Atallah, Nouhaila Innan, Muhammad Kashif, Muhammad Shafique,
• Abstract要約: 変分量子固有解法(VQE)アルゴリズムは、システムサイズと回路深さによって勾配が消える不規則な高原に悩まされる。 分子系の標準VQEに対する4つのアプローチを4から14キュービットに比較し,50層までの勾配分散と1000回以上の収束を解析した。
• 参考スコア（独自算出の注目度）: 2.2133667529581933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational Quantum Eigensolver (VQE) algorithms suffer from barren plateaus, where gradients vanish with system size and circuit depth. Although many mitigation strategies exist, their connection to convergence performance under different iteration budgets remains unclear. Moreover, a systematic analysis identifying which state-of-the-art mitigation techniques perform best under specific scenarios is also lacking. We benchmark four approaches, Local-Global, Adiabatic, State Efficient Ansatz (SEA), and Pretrained VQE, against standard VQE on molecular systems from 4 to 14 qubits, analyzing gradient variance up to 50 layers and convergence over 1000 iterations. Our results show that the impact of gradient preservation is iteration-dependent. In the 14-qubit BeH2 system, Pretrained VQE outperforms SEA at 100 iterations despite lower gradient variance, but SEA becomes 2.2x more accurate at 1000 iterations. For smaller systems, SEA achieves near-exact energies (H2: 10^-5 Ha, LiH: 2x10^-4 Ha) with fidelities 0.999, while standard methods plateau early. The results demonstrate that robust barren plateau mitigation depends on aligning the chosen strategy with both system size and available computational budget, rather than treating gradient variance as the sole predictor of performance.
• Abstract（参考訳）: 変分量子固有解法(VQE)アルゴリズムは、システムサイズと回路深さによって勾配が消える不規則な高原に悩まされる。 多くの緩和戦略が存在するが、異なるイテレーション予算下での収束性能との関係は、まだ不明である。 さらに、特定のシナリオ下でどの最先端の緩和技術が最も優れているかを特定する体系的な分析も欠如している。 我々は,4から14キュービットの分子系の標準VQEに対して,局所グロバル,アディアバティック,状態効率アンサッツ(SEA),事前訓練VQEの4つのアプローチをベンチマークし,50層までの勾配分散と1000回以上の収束を解析した。 以上の結果から,勾配保存の影響は繰り返し依存性があることが示唆された。 14キュービットのBeH2システムでは、プレトレーニングされたVQEは、勾配のばらつきが低いにもかかわらず100イテレーションでSEAより優れているが、1000イテレーションでSEAは2.2倍正確になる。 より小さな系では、SEAはフィデリティ0.999の近似エネルギー(H2: 10^-5 Ha, LiH: 2x10^-4 Ha)を達成し、標準法は早期にプラトーとなる。 その結果, 頑健なバレン高原の緩和は, 性能の唯一の予測因子として勾配分散を扱うのではなく, 選択した戦略をシステムサイズと利用可能な計算予算の両方に整合させることに依存していることがわかった。

関連論文リスト

• Beyond Outliers: A Study of Optimizers Under Quantization [82.75879062804955]
  量子化下でのモデルロバスト性に対する選択の影響について検討する。 モデルの性能が、異なるベースラインでトレーニングした場合にどのように低下するかを評価する。 異なるパラメータによる量子化対応トレーニングのスケーリング法則を導出する。
  論文  参考訳（メタデータ） (2025-09-27T21:15:22Z)
• Cyclic Variational Quantum Eigensolver: Escaping Barren Plateaus through Staircase Descent [4.517663944296433]
  本稿では, 高精度な基底状態量子シミュレーションのためのハードウェア効率のよいフレームワークであるCVQEを紹介する。 CVQEは測定駆動フィードバックサイクルを組み込むことで従来のVQEから離脱する。 CVQEは, 相関系間の化学精度を一貫して維持し, 固定されたUCCSDを数桁の精度で上回り, 良好な精度とコストのトレードオフを実現することを示す。
  論文  参考訳（メタデータ） (2025-09-16T13:54:03Z)
• Breaking Through Barren Plateaus: Reinforcement Learning Initializations for Deep Variational Quantum Circuits [21.491246867521053]
  変分量子アルゴリズム(VQA)は、短期量子デバイスを活用可能なフレームワークとして注目されている。 VQAの有効性は、システムサイズや回路深さが増加するにつれて勾配が指数関数的に減少するいわゆるバレン高原問題によって制約されることが多い。
  論文  参考訳（メタデータ） (2025-08-25T21:37:36Z)
• Robust Residual Finite Scalar Quantization for Neural Compression [46.574899938569125]
  有限スカラー量子化(FSQ)は、簡易なトレーニングを提供するが、多段階設定での残留等級劣化に悩まされる。 本稿では,2つの新しい条件付け手法を用いて,この基本的な制限に対処するロバスト残留有限スカラー量子化(RFSQ)を提案する。 RFSQの有効性と一般化性を示す。
  論文  参考訳（メタデータ） (2025-08-20T15:18:59Z)
• Sculpting Quantum Landscapes: Fubini-Study Metric Conditioning for Geometry Aware Learning in Parameterized Quantum Circuits [0.0]
  本稿では,変分量子アルゴリズムにおけるバレンプラトーを緩和するために,フビニ・スタディ・テンソルを明示的に条件づけたSculptureというメタラーニングフレームワークを提案する。 本研究では,フビニ・スタディ・メトリックの対数条件を,トレーニング可能性,最適化力学,一般化を規定する重要な幾何学的量として同定する。
  論文  参考訳（メタデータ） (2025-06-27T06:30:33Z)
• GAQAT: gradient-adaptive quantization-aware training for domain generalization [54.31450550793485]
  そこで本研究では,DGのためのGAQAT(Gradient-Adaptive Quantization-Aware Training)フレームワークを提案する。 我々のアプローチは、低精度量子化におけるスケール・グラディエント・コンフリクト問題を特定することから始まる。 GAQATフレームワークの有効性を実験により検証した。
  論文  参考訳（メタデータ） (2024-12-07T06:07:21Z)
• Uncertainty Quantification for Forward and Inverse Problems of PDEs via Latent Global Evolution [110.99891169486366]
  本稿では,効率的かつ高精度な不確実性定量化を深層学習に基づく代理モデルに統合する手法を提案する。 本手法は,フォワード問題と逆問題の両方に対して,堅牢かつ効率的な不確実性定量化機能を備えたディープラーニングに基づく代理モデルを提案する。 提案手法は, 長期予測を含むシナリオに適合し, 拡張された自己回帰ロールアウトに対する不確かさの伝播に優れる。
  論文  参考訳（メタデータ） (2024-02-13T11:22:59Z)
• Using Differential Evolution to avoid local minima in Variational Quantum Algorithms [0.0]
  変分量子アルゴリズム(VQA)は、量子コンピューティングを利用する最も有望なNISQ時代のアルゴリズムの一つである。 本研究の目的は,局所的ミニマ問題や大理石高原問題の影響を回避・低減できる代替最適化手法を検討することである。
  論文  参考訳（メタデータ） (2023-03-21T20:31:06Z)
• MetaGrad: Adaptive Gradient Quantization with Hypernetworks [46.55625589293897]
  量子化対応トレーニング(QAT)は、ニューラルネットワークのトレーニングと推論の間、前方通過を加速する。 本稿では,ハイパーネットワークを用いた次のトレーニングの計算グラフに勾配を組み込むことで,この問題を解決することを提案する。 CNNネットワークアーキテクチャの異なるCIFAR-10データセットに対する様々な実験により、我々のハイパーネットワークに基づくアプローチは、勾配量子化ノイズの負の効果を効果的に低減できることを示した。
  論文  参考訳（メタデータ） (2023-03-04T07:26:34Z)

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。