論文の概要: The Average Relative Entropy and Transpilation Depth determines the noise robustness in Variational Quantum Classifiers

• arxiv url: http://arxiv.org/abs/2603.21300v1
• Date: Sun, 22 Mar 2026 15:55:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.342809
• Title: The Average Relative Entropy and Transpilation Depth determines the noise robustness in Variational Quantum Classifiers
• Title（参考訳）: 変分量子分類器の雑音頑健性を決定する平均相対エントロピーと透過深さ
• Authors: Aakash Ravindra Shinde, Arianne Meijer - van de Griend, Jukka K. Nurminen,
• Abstract要約: 変分量子アルゴリズム(VQA)は量子機械学習(QML)への応用のために広く研究されている。 VQAは主に、ノイズの多いデバイスと限られたリソース可用性に関する不確実な結果のために古典的に評価されている。 本稿では,VQCモデルが,シミュレーションで行うようなノイズのあるデバイス上でも同様に動作するかどうかを検証するために,相対エントロピーに基づく計量法を提案する。
• 参考スコア（独自算出の注目度）: 1.8352113484137627
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Variational Quantum Algorithms (VQAs) have been extensively researched for applications in Quantum Machine Learning (QML), Optimization, and Molecular simulations. Although designed for Noisy Intermediate-Scale Quantum (NISQ) devices, VQAs are predominantly evaluated classically due to uncertain results on noisy devices and limited resource availability. Raising concern over the reproducibility of simulated VQAs on noisy hardware. While prior studies indicate that VQAs may exhibit noise resilience in specific parameterized shallow quantum circuits, there are no definitive measures to establish what defines a shallow circuit or the optimal circuit depth for VQAs on a noisy platform. These challenges extend naturally to Variational Quantum Classification (VQC) algorithms, a subclass of VQAs for supervised learning. In this article, we propose a relative entropy-based metric to verify whether a VQC model would perform similarly on a noisy device as it does on simulations. We establish a strong correlation between the average relative entropy difference in classes, transpilation circuit depth, and their performance difference on a noisy quantum device. Our results further indicate that circuit depth alone is insufficient to characterize shallow circuits. We present empirical evidence to support these assertions across a diverse array of techniques for implementing VQC, datasets, and multiple noisy quantum devices.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、量子機械学習(QML)、最適化、分子シミュレーションの分野で広く研究されている。 ノイズのある中間量子(NISQ)デバイス向けに設計されたが、ノイズの多いデバイスに対する不確実な結果と限られたリソース可用性のために、VQAは古典的に評価されている。 ノイズのあるハードウェア上での模擬VQAの再現性に関する懸念の高まり。 従来の研究では、VQAは特定のパラメータ化された浅い量子回路にノイズ耐性を示す可能性があるが、ノイズの多いプラットフォーム上での浅い回路やVQAの最適回路深さを定義するための決定的な手段は存在しない。 これらの課題は、教師付き学習のためのVQAのサブクラスである変分量子分類(VQC)アルゴリズムに自然に拡張される。 本稿では、VQCモデルが、シミュレーションで行うようなノイズのあるデバイス上でも同様に機能するかどうかを検証するために、相対エントロピーに基づくメトリクスを提案する。 我々は,クラスの平均相対エントロピー差,トランスパイル回路深さ,およびノイズ量子デバイスにおけるそれらの性能差の強い相関関係を確立する。 さらに,回路深度だけでは浅い回路を特徴づけるには不十分であることが示唆された。 本稿では、VQC、データセット、および複数のノイズ量子デバイスを実装するための様々なテクニックを網羅して、これらの主張を支持する実証的な証拠を示す。

関連論文リスト

• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• 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)
• Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
  この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。 本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。 様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
  論文  参考訳（メタデータ） (2024-02-21T12:30:39Z)
• Quantum Federated Learning with Entanglement Controlled Circuits and Superposition Coding [44.89303833148191]
  我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。 本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。 画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
  論文  参考訳（メタデータ） (2022-12-04T03:18:03Z)
• Error Mitigation-Aided Optimization of Parameterized Quantum Circuits: Convergence Analysis [42.275148861039895]
  変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。 不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。 QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。 QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
  論文  参考訳（メタデータ） (2022-09-23T10:48:04Z)
• 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)
• Quantum Amplitude Estimation in the Presence of Noise [0.0]
  量子振幅推定(Quantum Amplitude Estimation)は、Grover SearchやQuantum Monte-Carlo法など、いくつかの重要な量子アルゴリズムにおいて重要なサブルーチンである。 ノイズの多い量子デバイスでQAEを実装するための障害は、サブルーチンとして量子位相推定を実行する必要があることである。 提案手法では, 高精度なノイズ特性を考慮し, より深い回路で達成される理想的な性能とのトレードオフをバランスさせるスケジュールを選択する必要がある。
  論文  参考訳（メタデータ） (2020-06-25T03:01:58Z)

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。