Fugu-MT 論文翻訳(概要): Investigating Quantum Circuit Designs Using Neuro-Evolution

論文の概要: Investigating Quantum Circuit Designs Using Neuro-Evolution

arxiv url: http://arxiv.org/abs/2602.03840v1
Date: Tue, 03 Feb 2026 18:57:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-04 18:37:15.64977
Title: Investigating Quantum Circuit Designs Using Neuro-Evolution
Title（参考訳）: 神経進化を用いた量子回路設計の研究
Authors: Devroop Kar, Daniel Krutz, Travis Desell,
Abstract要約: 本稿では,量子回路の自動設計とトレーニングへの進化的アプローチを提案する。提案手法は,ハードウェアおよびノイズ制約を尊重しながら,ゲートタイプ,キュービット接続,パラメータ化,回路深さを探索する。予備的な結果は、分類タスクで進化した回路が90%以上の精度を達成できることを示している。
参考スコア（独自算出の注目度）: 2.9631016562930537
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Designing effective quantum circuits remains a central challenge in quantum computing, as circuit structure strongly influences expressivity, trainability, and hardware feasibility. Current approaches, whether using manually designed circuit templates, fixed heuristics, or automated rules, face limitations in scalability, flexibility, and adaptability, often producing circuits that are poorly matched to the specific problem or quantum hardware. In this work, we propose the Evolutionary eXploration of Augmenting Quantum Circuits (EXAQC), an evolutionary approach to the automated design and training of parameterized quantum circuits (PQCs) which leverages and extends on strategies from neuroevolution and genetic programming. The proposed method jointly searches over gate types, qubit connectivity, parameterization, and circuit depth while respecting hardware and noise constraints. The method supports both Qiskit and Pennylane libraries, allowing the user to configure every aspect. This work highlights evolutionary search as a critical tool for advancing quantum machine learning and variational quantum algorithms, providing a principled pathway toward scalable, problem-aware, and hardware-efficient quantum circuit design. Preliminary results demonstrate that circuits evolved on classification tasks are able to achieve over 90% accuracy on most of the benchmark datasets with a limited computational budget, and are able to emulate target circuit quantum states with high fidelity scores.
Abstract（参考訳）: 効率的な量子回路の設計は、量子コンピューティングにおける中心的な課題であり、回路構造は表現性、訓練性、ハードウェアの実現可能性に強く影響を及ぼす。現行のアプローチでは、手動設計の回路テンプレート、固定ヒューリスティック、あるいは自動ルールを使用するかは、スケーラビリティ、柔軟性、適応性の制限に直面し、しばしば特定の問題や量子ハードウェアにマッチしない回路を生成する。本研究では, 量子回路の進化的eXploration of Augmenting Quantum Circuits (EXAQC) を提案する。提案手法は,ハードウェアおよびノイズ制約を尊重しながら,ゲートタイプ,キュービット接続性,パラメータ化,回路深さを共同で探索する。このメソッドはQiskitライブラリとPennylaneライブラリの両方をサポートし、ユーザーはすべてのアスペクトを設定できる。この研究は、進化的探索を量子機械学習と変分量子アルゴリズムを進化させる重要なツールとして強調し、スケーラブルで問題を認識し、ハードウェア効率のよい量子回路設計への原則化された経路を提供する。予備的な結果は、分類タスクで進化した回路は、計算予算が限られているベンチマークデータセットのほとんどで90%以上の精度を達成でき、高い忠実度スコアを持つターゲット回路量子状態をエミュレートできることを示している。

関連論文リスト

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)
Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文参考訳（メタデータ） (2025-05-24T02:51:34Z)
Differentiable Quantum Architecture Search in Quantum-Enhanced Neural Network Parameter Generation [4.358861563008207]
量子ニューラルネットワーク(QNN)は、経験的にも理論的にも有望であることを示している。ハードウェアの欠陥と量子デバイスへの限られたアクセスは、実用的な課題となる。微分可能最適化を用いた自動解法を提案する。
論文参考訳（メタデータ） (2025-05-13T19:01:08Z)
Q-Fusion: Diffusing Quantum Circuits [2.348041867134616]
本稿では、新しい量子回路を生成するためにLayerDAGフレームワークを利用する拡散型アルゴリズムを提案する。本結果は,提案モデルが100%有効な量子回路出力を連続的に生成することを示す。
論文参考訳（メタデータ） (2025-04-29T14:10:10Z)
RH: An Architecture for Redesigning Quantum Circuits on Quantum Hardware Devices [6.959884576408311]
本稿では,量子ハードウェア上での大規模量子回路の再設計を実現するアーキテクチャを提案する。ランダムな量子回路モジュールを標準のEQ-GANフレームワークにプリプションすることで、量子状態学習からユニタリ変換学習までその能力を拡張する。
論文参考訳（メタデータ） (2024-12-30T12:05:09Z)
Quantum Circuit Synthesis and Compilation Optimization: Overview and Prospects [59.07692103357675]
本調査では,アルゴリズムレベルから量子ハードウェアにまたがる,統合設計および最適化スキームの実現可能性について検討する。手動設計のコストを削減し、実行の精度と効率を高め、ハードウェア上での量子アルゴリズムの優位性の実装と検証を容易にする。
論文参考訳（メタデータ） (2024-06-30T15:50:10Z)
Distributed quantum architecture search [0.0]
ニューラルネットワークにインスパイアされた変分量子アルゴリズムは、量子コンピューティングにおいて新しいアプローチとなっている。量子アーキテクチャ探索は、ゲートパラメータとともに回路構造を調整することでこの問題に対処し、高性能回路構造を自動的に発見する。そこで我々は,特定の量子ビット接続を伴う相互接続型量子処理ユニットのための分散量子回路構造を自動設計することを目的とした,エンドツーエンドの分散量子アーキテクチャ探索フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-10T13:28:56Z)
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)
Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文参考訳（メタデータ） (2022-08-29T15:24:03Z)
Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文参考訳（メタデータ） (2022-04-12T19:39:31Z)

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。