論文の概要: Measurement-Guided State Refinement for Shallow Feedback-Based Quantum Optimization Algorithm
- arxiv url: http://arxiv.org/abs/2602.20407v1
- Date: Mon, 23 Feb 2026 23:07:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-25 17:34:53.545106
- Title: Measurement-Guided State Refinement for Shallow Feedback-Based Quantum Optimization Algorithm
- Title（参考訳）: 浅フィードバックに基づく量子最適化アルゴリズムのための測定誘導状態補正法
- Authors: Lucas A. M. Rattighieri, Pedro M. Prado, Marcos C. de Oliveira, Felipe F. Fanchini,
- Abstract要約: 限られた回路深さは、ノイズの多い量子状態における量子最適化の中枢的な制約である。
我々は,過去の実行から計測結果を利用する反復的戦略である計測誘導初期化(MGI)を導入する。
MGIは浅層深度回路の性能を向上し,高品質なソリューションへの反復的な改善を可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Limited circuit depth remains a central constraint for quantum optimization in the noisy intermediate-scale quantum (NISQ) regime, where shallow unitary dynamics may fail to sufficiently concentrate probability on low-energy configurations. We introduce Measurement-Guided Initialization (MGI), an iterative strategy that uses measurement outcomes from previous executions to update the initialization of subsequent runs. The method extracts single-qubit marginal probabilities from dominant measurement outcomes and prepares a biased product-state initialization, allowing information obtained during optimization to be reused without introducing classical parameter optimization. We implement this approach in the context of the Feedback-Based Algorithm for Quantum Optimization (FALQON) and evaluate its performance on weighted MaxCut instances. Numerical results show that measurement-guided initialization improves the performance of shallow-depth circuits and enables iterative refinement toward high-quality solutions while preserving the non-variational structure of the algorithm. These results indicate that measurement statistics can be exploited to improve shallow quantum optimization protocols compatible with NISQ devices.
- Abstract（参考訳）: 制限された回路深さは、低エネルギー構成において浅いユニタリダイナミクスが十分な確率集中に失敗するノイズのある中間スケール量子(NISQ)体制において、量子最適化の中枢的制約として残っている。
本稿では、過去の実行から計測結果を用いて、その後の実行の初期化を更新する反復戦略である測定ガイド初期化(MGI)を紹介する。
この方法は、支配的な測定結果から単一キュービットの辺縁確率を抽出し、偏りのある積状態初期化を作成し、古典的なパラメータ最適化を導入することなく、最適化時に得られる情報を再利用できるようにする。
本手法は、FALQON(Feedback-Based Algorithm for Quantum Optimization)の文脈で実装し、重み付きMaxCutインスタンスの性能評価を行う。
数値計算により, 測定誘導初期化により浅部深度回路の性能が向上し, アルゴリズムの非偏差構造を保ちながら, 高品質な解に対する反復的改善が可能となった。
これらの結果から, NISQデバイスと互換性のある浅量子最適化プロトコルを改善するために, 測定統計を活用できることが示唆された。
関連論文リスト
- Principled Algorithms for Optimizing Generalized Metrics in Binary Classification [53.604375124674796]
一般化されたメトリクスを最適化するアルゴリズムを導入し、$H$-consistency と finite-sample generalization bounds をサポートする。
提案手法は,メトリクス最適化を一般化したコスト依存学習問題として再検討する。
我々は,理論性能を保証する新しいアルゴリズムMETROを開発した。
論文 参考訳（メタデータ） (2025-12-29T01:33:42Z) - Optimal Quantum Likelihood Estimation [0.0]
ハイブリッド量子古典アルゴリズム(英: hybrid quantum-classical algorithm)は、量子回路を用いて情報を抽出する計算手法である。
我々は,情報理論の原理的最適化により,ハイブリッドアルゴリズムの性能を向上する。
論文 参考訳（メタデータ） (2025-08-31T12:51:44Z) - A Noise-Aware Scalable Subspace Classical Optimizer for the Quantum Approximate Optimization Algorithm [0.9086201982977716]
ANASTAARSは変分量子アルゴリズムのためのノイズ対応スケーラブルな古典的アルゴリズムである。
適応的ランダム部分空間戦略を利用して、量子近似最適化アルゴリズムのアンサッツパラメータを効率的に最適化する。
論文 参考訳（メタデータ） (2025-07-15T05:15:25Z) - A coherent approach to quantum-classical optimization [0.0]
ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。
我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。
本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
論文 参考訳（メタデータ） (2024-09-20T22:22:53Z) - Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。
我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。
我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
論文 参考訳（メタデータ） (2024-03-18T06:59:23Z) - Evaluating the Practicality of Quantum Optimization Algorithms for
Prototypical Industrial Applications [44.88678858860675]
本稿では,量子近似最適化アルゴリズム (QAOA) と量子断熱アルゴリズム (QAA) の応用について検討する。
我々は,これらの2つのアルゴリズムの性能を,選択した評価指標を用いて,ソリューションの品質の観点から比較する。
論文 参考訳（メタデータ） (2023-11-20T09:09:55Z) - Challenges of variational quantum optimization with measurement shot noise [0.0]
問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。
この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
論文 参考訳（メタデータ） (2023-07-31T18:01:15Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - A Dynamical Systems Approach for Convergence of the Bayesian EM
Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。
本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。
高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-23T01:34:18Z)
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。