論文の概要: Symbolic Pauli Propagation for Gradient-Enabled Pre-Training of Quantum Circuits
- arxiv url: http://arxiv.org/abs/2512.16674v1
- Date: Thu, 18 Dec 2025 15:44:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-19 18:10:32.132562
- Title: Symbolic Pauli Propagation for Gradient-Enabled Pre-Training of Quantum Circuits
- Title（参考訳）: 量子回路のグラディエント許容事前学習のための象徴的パウリ伝搬
- Authors: Saverio Monaco, Jamal Slim, Florian Rehm, Dirk Krücker, Kerstin Borras,
- Abstract要約: 量子機械学習モデルは、通常高価なオンチップトレーニング手順を必要とし、しばしば効率的な勾配推定方法を欠いている。
パウリ伝搬を用いることで、サーキットのパラメータの解析関数として可観測物の記号表現を導出することができる。
提案手法はスピンモデルの基底状態を得るための変分量子固有解器上で実証される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum Machine Learning models typically require expensive on-chip training procedures and often lack efficient gradient estimation methods. By employing Pauli propagation, it is possible to derive a symbolic representation of observables as analytic functions of a circuit's parameters. Although the number of terms in such functional representations grows rapidly with circuit depth, suitable choices of ansatz and controlled truncations on Pauli weights and frequency components yield accurate yet tractable estimators of the target observables. With the right ansatz design, this approach can be extended to system sizes beyond the reach of classical simulation, enabling scalable training for larger quantum systems. This also enables a form of classical pre-training through gradient-based optimization prior to deployment on quantum hardware. The proposed approach is demonstrated on the Variational Quantum Eigensolver for obtaining the ground state of a spin model, showing that accurate results can be achieved with a scalable and computationally efficient procedure.
- Abstract（参考訳）: 量子機械学習モデルは、通常高価なオンチップトレーニング手順を必要とし、しばしば効率的な勾配推定方法を欠いている。
パウリ伝搬を用いることで、サーキットのパラメータの解析関数として可観測物の記号表現を導出することができる。
このような関数表現における用語の数は回路深度とともに急速に増加するが、アンザッツの適切な選択と、パウリ重みと周波数成分の制御されたトランケーションは、目標観測値の正確で正確に抽出可能な推定値をもたらす。
正しいアンザッツ設計により、このアプローチは古典的なシミュレーションの範囲を超えてシステムサイズにまで拡張することができ、より大きな量子システムのためのスケーラブルなトレーニングを可能にする。
これはまた、量子ハードウェアにデプロイする前に勾配ベースの最適化を通じて古典的な事前トレーニングの形式を可能にする。
提案手法は,スピンモデルの基底状態を得るための変分量子固有解法において,スケーラブルで計算効率のよい手法で正確な結果が得られることを示す。
関連論文リスト
- Fermionic Born Machines: Classical training of quantum generative models based on Fermion Sampling [0.0]
我々は、古典的に訓練可能な量子生成モデルの一例として、フェルミオンボルンマシンを紹介した。
このモデルはパラメータ化魔法の状態と、学習可能なパラメータを持つフェルミオン線形光学(FLO)変換を用いる。
アンザッツの特定の構造は、最適化に好適な特性を示す損失景観を誘導する。
論文 参考訳（メタデータ） (2025-11-17T19:03:03Z) - Sample-based training of quantum generative models [1.3521721488318912]
我々は、量子モデルに対する対照的な発散の原理を拡張するトレーニングフレームワークを導入する。
回路構造を導出し、構成のための一般的なレシピを提供することで、パラメータ更新に必要なサンプルを生成する量子回路を得る。
論文 参考訳（メタデータ） (2025-11-14T19:00:02Z) - An em algorithm for quantum Boltzmann machines [40.40469032705598]
我々は、量子ボルツマンマシンを訓練するためのエムアルゴリズムの量子バージョンを開発する。
量子効果を隠蔽層に限定した半量子制限ボルツマンマシンにアルゴリズムを実装した。
論文 参考訳（メタデータ） (2025-07-29T07:59:22Z) - Measurement-driven quantum advantages in shallow circuits [0.3683202928838613]
量子アドバンテージスキームは、古典的にシミュラブルな量子システムと、この領域を超えるものの境界を探索する。
本稿では,高密度瞬時量子時間回路の広いクラスから効率よくサンプリングする,一定深度測定駆動方式を提案する。
論文 参考訳（メタデータ） (2025-05-07T18:00:51Z) - Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。
本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。
提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
論文 参考訳（メタデータ） (2025-04-17T15:41:48Z) - Mapping quantum circuits to shallow-depth measurement patterns based on
graph states [0.0]
我々は,測定に基づく量子コンピューティングのためのハイブリッドシミュレーション手法を開発した。
完全可換作用素の群は完全並列、すなわち非適応的測定を用いて実装可能であることを示す。
量子テレポーテーションを用いることで、そのような回路を一定の量子深さで実装する方法について議論する。
論文 参考訳（メタデータ） (2023-11-27T19:00:00Z) - 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) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Measuring Analytic Gradients of General Quantum Evolution with the
Stochastic Parameter Shift Rule [0.0]
本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。
マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。
私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
論文 参考訳（メタデータ） (2020-05-20T18:24:11Z)
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。