論文の概要: How Quantum Circuits Actually Learn: A Causal Identification of Genuine Quantum Contributions
- arxiv url: http://arxiv.org/abs/2603.16321v1
- Date: Tue, 17 Mar 2026 09:55:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.208665
- Title: How Quantum Circuits Actually Learn: A Causal Identification of Genuine Quantum Contributions
- Title（参考訳）: 量子回路が実際にどのように学習するか:ゲノム量子コントリビューションの因果同定
- Authors: Cyrille Yetuyetu Kesiku, Begonya Garcia-Zapirain,
- Abstract要約: 本稿では,アーキテクチャ間の性能差を直接効果と間接効果に分解する因果媒介フレームワークを提案する。
このフレームワークを5つの回路トポロジと3つのベンチマークデータセットに適用すると、直接的なアーキテクチャ的コントリビューションが量子媒介効果を体系的に超えることが分かる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Attributing performance gains in quantum machine learning to genuine quantum resources rather than to classical architectural scaling remains an open methodological challenge. We address this by introducing a counterfactual causal mediation framework that decomposes inter-architectural performance differences into direct effects, attributable to circuit parameterization and expressivity, and indirect effects mediated by quantum information-theoretic observables: entanglement entropy, purity, linear entropy, and quantum mutual information. Applying this framework to five circuit topologies and three benchmark datasets (across 43 validated configurations) reveals that direct architectural contributions systematically exceed quantum-mediated effects, with a mean ratio of 13.1:1 and a mean indirect contribution of 0.82%. These results suggest that current variational quantum circuits operate substantially below their quantum potential, and that principled resource-aware circuit design represents a tractable path toward measurable quantum-mediated performance gains.
- Abstract（参考訳）: 古典的なアーキテクチャスケーリングよりも、真の量子リソースに量子機械学習のパフォーマンス向上をもたらすことは、依然としてオープンな方法論上の課題である。
本稿では,アーキテクチャ間の性能差を,回路パラメータ化と表現性に起因した直接効果と,量子情報理論の観測可能なエンタングルメントエントロピー,純度,線形エントロピー,および量子相互情報に介在する間接効果に分解する対物因果媒介フレームワークを導入することにより,この問題に対処する。
このフレームワークを5つの回路トポロジと3つのベンチマークデータセット(43の検証済み構成)に適用すると、直接的なアーキテクチャ的コントリビューションが量子媒介効果を体系的に上回り、平均比率は13.1:1、平均間接コントリビューションは0.82%であることが分かる。
これらの結果は、現在の変動量子回路が量子ポテンシャルを大幅に下回っていることを示唆し、リソースを意識した回路設計は、測定可能な量子媒介性能向上へのトラクタブルパスを表していることを示唆している。
関連論文リスト
- AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳（メタデータ） (2026-02-02T14:39:42Z) - 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) - Routing Dynamics in Distributed Quantum Networks [0.0]
分散フレームワークにおける量子接続のメカニズムについて検討する。
重ね合わせと絡み合いは、量子デコヒーレンスや測定の不確実性と競合しなければならないルーティング戦略と相互作用する。
その結果, 絡み合った状態に固有の量子コヒーレンスにより, 特定の条件下でのルーティング忠実度が向上することが判明した。
論文 参考訳（メタデータ） (2025-02-25T03:28:56Z) - Equivalence checking of quantum circuits via intermediary matrix product operator [4.306566710489809]
等価チェックは、量子回路のコンパイルと最適化中に発生するエラーを特定する上で重要な役割を果たす。
本稿では,量子回路の等価性を決定するために,行列積演算子(MPO)に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2024-10-14T18:00:00Z) - Qutrit Circuits and Algebraic Relations: A Pathway to Efficient Spin-1
Hamiltonian Simulation [6.082536657383077]
本稿では、Quditベースのアプローチ、特にQuditベースの回路の高忠実性実装における課題について述べる。
クディット回路の忠実性を高めるための革新的なアプローチとして、ヤン・バクスターのようなターンオーバー方程式のような代数的関係を探求する。
論文 参考訳（メタデータ） (2023-09-01T21:31:14Z) - 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) - Interaction graph-based characterization of quantum benchmarks for
improving quantum circuit mapping techniques [1.351147045576948]
量子回路の特性を量子ビット相互作用グラフ特性によって拡張することを提案する。
本研究は, 相互作用グラフに基づくパラメータと, 量子デバイスの既存構成に対するマッピング性能指標との相関関係を明らかにする。
論文 参考訳（メタデータ） (2022-12-13T15:24:37Z) - 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) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳（メタデータ） (2020-07-21T15:36:25Z)
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。