Fugu-MT 論文翻訳(概要): Preventing Barren Plateaus in Continuous Quantum Generative Models

論文の概要: Preventing Barren Plateaus in Continuous Quantum Generative Models

arxiv url: http://arxiv.org/abs/2602.10049v1
Date: Tue, 10 Feb 2026 18:17:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-11 20:17:43.741635
Title: Preventing Barren Plateaus in Continuous Quantum Generative Models
Title（参考訳）: 連続量子生成モデルにおけるバレン高原の防止
Authors: Olli Hirviniemi, Afrad Basheer, Thomas Cope,
Abstract要約: 変分量子回路(VQC)の分野での最近の発展は、多くのバレンプラトーフリーモデルのトレーニング容易性のための前提条件をシフトしてきた。本研究では,バレン高原に悩まされず,従来のシミュレーション手法に対して頑健な完全回路モデルを提案する。
参考スコア（独自算出の注目度）: 2.236663830879273
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent developments in the field of variational quantum circuits (VQCs) have shifted the prerequisites for trainability for many barren plateau-free models onto the data encoding state fed into a classically trainable unitary. By strengthening proofs relating to small-angle initialisation, we provide a full circuit model which does not suffer from barren plateaus and is robust against current classical simulation techniques, specifically tensor network contraction and Pauli propagation. We propose this as a quantum generative model amenable towards NISQ devices and quantum-classical hybrid models, raising new questions in the debate regarding usefulness of VQCs.
Abstract（参考訳）: 変分量子回路(VQC)の分野での最近の発展は、多くのバレンプラトーフリーモデルのトレーニング可能性の前提条件を、古典的に訓練可能なユニタリに供給されるデータ符号化状態にシフトしてきた。小角初期化に関する証明を強化することで、バレンプラトーに悩まされず、現在の古典的シミュレーション技術、特にテンソルネットワークの収縮とパウリ伝播に対して堅牢な完全回路モデルを提供する。我々は、NISQデバイスや量子古典ハイブリッドモデルに対応可能な量子生成モデルとして提案し、VQCの有用性に関する議論で新たな疑問を提起する。

関連論文リスト

A Classical-Quantum Hybrid Architecture for Physics-Informed Neural Networks [0.0]
本稿では,QPINN-MACを用いた量子古典的ハイブリッド物理インフォームドニューラルネットワークについて紹介する。古典的成分と量子的成分の戦略的結合により、QPINN-MACは普遍近似特性を保持する。これらの結合が勾配崩壊を防ぎ、高次元状態においてもトレーニング性を確保することを実証する。
論文参考訳（メタデータ） (2025-11-10T15:39:18Z)
Adversarially Robust Quantum Transfer Learning [1.3113458064027566]
量子機械学習(QML)は、古典的な機械学習システムの性能向上のための研究分野として期待されている。この章では、量子コンピューティングの利点と転送学習技術を組み合わせて高解像度画像分類に対処するハイブリッド量子古典アーキテクチャを紹介する。
論文参考訳（メタデータ） (2025-10-18T02:16:34Z)
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)
Toward Large-Scale Distributed Quantum Long Short-Term Memory with Modular Quantum Computers [5.673361333697935]
我々は、ノイズ中間スケール量子(NISQ)デバイス上でのスケーラビリティ問題に対処するために、分散量子長短期メモリ(QLSTM)フレームワークを導入する。 QLSTMは長期の時間的依存関係をキャプチャし、分散アーキテクチャは基礎となる変分量子回路をより小さく管理可能なサブ回路に分割する。分散QLSTMは,古典的アプローチと比較して,安定した収束とトレーニングダイナミクスの向上を実現している。
論文参考訳（メタデータ） (2025-03-18T10:07:34Z)
Hybrid Quantum-Classical Normalizing Flow [5.85475369017678]
パラメータ化量子回路に基づくハイブリッド量子古典正規化フロー(HQCNF)モデルを提案する。我々は画像生成問題でモデルを検証した。量子生成逆数ネットワーク(QGAN)のような他の量子生成モデルと比較して、我々のモデルはFr'echet 距離(FID)の低いスコアを得る。
論文参考訳（メタデータ） (2024-05-22T16:37:22Z)
Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
論文参考訳（メタデータ） (2023-05-18T03:08:18Z)
Learning hard distributions with quantum-enhanced Variational Autoencoders [2.545905720487589]
量子相関を用いて古典的VAEの忠実度を向上させる量子強化型VAE(QeVAE)を提案する。経験的に、QeVAEは量子状態のいくつかのクラスにおいて古典的モデルよりも優れていることを示す。我々の研究は、量子生成学習アルゴリズムの新しい応用の道を開いた。
論文参考訳（メタデータ） (2023-05-02T16:50:24Z)
A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文参考訳（メタデータ） (2023-03-27T22:48:28Z)
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)
Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文参考訳（メタデータ） (2021-04-21T13:26:42Z)

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。