論文の概要: Towards Noise-Resilient Quantum Multi-Armed and Stochastic Linear Bandits

• arxiv url: http://arxiv.org/abs/2603.18431v1
• Date: Thu, 19 Mar 2026 02:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.928358
• Title: Towards Noise-Resilient Quantum Multi-Armed and Stochastic Linear Bandits
• Title（参考訳）: 耐雑音性量子多元・確率線形帯域に向けて
• Authors: Zhuoyue Chen, Kechao Cai,
• Abstract要約: 量子マルチアームバンド (MAB) とリニアバンド (SLB) は近年注目されている。 既存の量子MABアルゴリズムの多くは、ノイズのない回路上で理想的な量子モンテカルロ法(QMC)を仮定している。
• 参考スコア（独自算出の注目度）: 1.4344029183977043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum multi-armed bandits (MAB) and stochastic linear bandits (SLB) have recently attracted significant attention, as their quantum counterparts can achieve quadratic speedups over classical MAB and SLB. However, most existing quantum MAB algorithms assume ideal quantum Monte Carlo (QMC) procedures on noise-free circuits, overlooking the impact of noise in current noisy intermediate-scale quantum (NISQ) devices. In this paper, we study a noise-robust QMC algorithm that improves estimation accuracy when querying quantum reward oracles. Building on this estimator, we propose noise-robust QMAB and QSLB algorithms that enhance performance in noisy environments while preserving the advantage over classical methods. Experiments show that our noise-robust approach improves QMAB estimation accuracy and reduces regret under several quantum noise models.
• Abstract（参考訳）: 量子多重武装バンドイット(MAB)と確率線形バンドイット(SLB)は、最近注目されている。 しかし、既存のほとんどの量子MABアルゴリズムは、ノイズのない回路上で理想的な量子モンテカルロ(QMC)手順を仮定し、現在のノイズの多い中間量子スケール(NISQ)デバイスにおけるノイズの影響を見越す。 本稿では,量子報酬オーラクルを問合せする際の推定精度を向上させるノイズローバストQMCアルゴリズムについて検討する。 この推定器上に構築したノイズローバストQMABとQSLBのアルゴリズムは、ノイズの多い環境における性能を向上し、古典的手法よりも優位性を保っている。 実験により,本手法はQMAB推定精度を向上し,いくつかの量子ノイズモデルの下での後悔を軽減することが示された。

関連論文リスト

• A Quantum Bagging Algorithm with Unsupervised Base Learners for Label Corrupted Datasets [2.850389822151216]
  本稿では,QMeansクラスタリングをベース学習として用いて,予測分散を低減し,ラベルノイズに対するロバスト性を高める量子バッグングフレームワークを提案する。 提案した量子バッグングアルゴリズムは,従来のKMeansと同等に動作し,教師付きバッグング法よりもラベルの破損に対するレジリエンスが高いことを示した。
  論文  参考訳（メタデータ） (2025-09-08T09:34:33Z)
• 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)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Noise-resilient and resource-efficient hybrid algorithm for robust quantum gap estimation [0.0]
  本稿では,多体エネルギースペクトルのギャップを推定するためのハイブリッド量子アルゴリズムを提案する。 我々は、量子資源の利用を最適化するエラー軽減戦略を採用している。 結果は、近未来のノイズ量子デバイス上で正確な量子シミュレーションを可能にする可能性を強調している。
  論文  参考訳（メタデータ） (2024-05-16T17:57:15Z)
• 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)
• Fighting noise with noise: a stochastic projective quantum eigensolver [0.0]
  本稿では,量子状態の必要なサンプリングにおいて,物理観測値の2次低減につながる新しい手法を提案する。 この方法は、量子デバイス上の一般化学のための励起状態計算やシミュレーションに応用できる。
  論文  参考訳（メタデータ） (2023-06-26T09:22:06Z)
• QuantumNAT: Quantum Noise-Aware Training with Noise Injection, Quantization and Normalization [19.822514659801616]
  量子回路(PQC)は、短期量子ハードウェアにおける量子優位性を約束している。 しかし、大きな量子ノイズ(エラー)のため、PQCモデルの性能は実際の量子デバイスで著しく低下する。 本稿では,PQC固有のフレームワークであるQuantumNATを提案する。
  論文  参考訳（メタデータ） (2021-10-21T17:59:19Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。