論文の概要: Efficiently architecting VQAs: Expressibility--Trainability--Resources Pareto-Optimality

• arxiv url: http://arxiv.org/abs/2603.22142v1
• Date: Mon, 23 Mar 2026 16:04:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.771946
• Title: Efficiently architecting VQAs: Expressibility--Trainability--Resources Pareto-Optimality
• Title（参考訳）: VQAを効率的に設計する: 表現可能性-トレイン可能性--パレート最適性
• Authors: Rodrigo M. Sanz, Andreu Angles-Castillo, Eduard Alarcon, Carmen G Almudever,
• Abstract要約: アンザッツ選択は変分量子アルゴリズムの性能において重要な要素である。 この作業では、アンザッツは固定ブロックではなく最適化される設計の特徴として扱われる。 表現性、トレーサビリティ、リソースコストの3つの相補的な指標が評価され、出現するトレードオフを分析するために使用されます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ansatz selection is a key factor in the performance of variational quantum algorithms (VQAs). While much of the state-of-the-art still relies on heuristic choices, an inadequate circuit structure can compromise both the expressive power and the trainability of the resulting model. Recent results have also established theoretical connections between expressibility and the onset of barren plateaus, highlighting the need for systematic criteria for ansatz selection. In this work, the ansatz is treated as a design feature to be optimized rather than a fixed block, and a design space exploration (DSE) is performed over a diverse set of parametrized quantum circuits (PQCs). Three complementary metrics -- expressibility, trainability, and resource cost -- are evaluated and used to analyze the trade-offs that emerge across different PQCs. Beyond identifying Pareto-optimal candidates, this multi-objective perspective helps clarify the interplay between these metrics and contributes quantitative evidence toward understanding the expressibility--trainability tension in variational circuits.
• Abstract（参考訳）: アンザッツ選択は変分量子アルゴリズム(VQA)の性能において重要な要素である。 最先端技術の多くは依然としてヒューリスティックな選択に依存しているが、不適切な回路構造は表現力と結果のモデルの訓練性の両方を損なう可能性がある。 近年の研究では,アザッツ選択の体系的基準の必要性を浮き彫りにして,表現可能性とバレン高原の開始との間に理論的関係が確立されている。 本研究では、アンザッツを固定ブロックではなく最適化する設計特徴として扱い、多種多様なパラメタライズド量子回路(PQC)上で設計空間探索(DSE)を行う。 表現性、トレーサビリティ、リソースコストの3つの相補的な指標が評価され、異なるPQCにまたがるトレードオフを分析するために使用されます。 パレート最適候補の特定以外にも、この多目的視点はこれらの指標間の相互作用を明確にし、変動回路における表現可能性-訓練性張力を理解するための定量的証拠に寄与する。

関連論文リスト

• How to find expressible and trainable parameterized quantum circuits? [0.22940141855172033]
  トレーニング性と表現性を組み合わせた回路を同定するための特性に基づくアンザッツ探索フレームワークを提案する。 実量子コンピュータ上での実用可能性を示し、変分量子アルゴリズムに適用する。
  論文  参考訳（メタデータ） (2026-03-15T15:54:30Z)
• Benchmarking Quantum Data Center Architectures: A Performance and Scalability Perspective [13.628992375229247]
  本研究では、分散量子回路実行遅延、リソース競合、スケーラビリティに対する4つの代表的な量子データセンターアーキテクチャの影響について検討する。 この結果から,分散量子性能はトポロジ,スケジューリングポリシ,物理層パラメータによって共同で形成されていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-01-04T03:48:02Z)
• Quantum Decision Transformers (QDT): Synergistic Entanglement and Interference for Offline Reinforcement Learning [0.2538209532048867]
  本稿では、量子インスパイアされた計算機構を取り入れた新しいアーキテクチャである量子決定変換器(QDT)を紹介する。 提案手法は,非局所的特徴相関をキャプチャする絡み込み操作による量子刺激注意と,マルチパス処理による量子フィードフォワードネットワークと,適応計算のための学習可能な干渉の2つのコアコンポーネントを統合する。
  論文  参考訳（メタデータ） (2025-12-09T16:47:37Z)
• Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
  ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。 本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。 PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-09-23T14:44:46Z)
• Federated In-Context Learning: Iterative Refinement for Improved Answer Quality [62.72381208029899]
  In-context Learning (ICL) では、入力に提供される例を活用することで、パラメータを変更することなく、言語モデルで応答を生成することができる。 我々は,反復的協調プロセスを通じてICLを強化する汎用フレームワークであるFederated In-Context Learning (Fed-ICL)を提案する。 Fed-ICLは、クライアントと中央サーバ間のマルチラウンドインタラクションを活用することで、応答を徐々に洗練し、モデルパラメータを送信することなく、応答品質を向上させる。
  論文  参考訳（メタデータ） (2025-06-09T05:33:28Z)
• Untrained Filtering with Trained Focusing for Superior Quantum Architecture Search [14.288836269941207]
  量子アーキテクチャサーチ(QAS)は、量子機械学習における根本的な課題である。 探索過程を粗大かつきめ細かい知識学習の動的交互フェーズに分解する。 QUEST-Aは,多段階の知識伝達を促進するために,知識蓄積と再利用を伴う進化的メカニズムを開発する。
  論文  参考訳（メタデータ） (2024-10-31T01:57:14Z)
• Parameter-Efficient Fine-Tuning for Continual Learning: A Neural Tangent Kernel Perspective [125.00228936051657]
  本稿では,タスク関連機能を適応的に生成しながら,タスク固有のパラメータ記憶を不要にする新しいフレームワークNTK-CLを紹介する。 最適化可能なパラメータを適切な正規化で微調整することにより、NTK-CLは確立されたPEFT-CLベンチマーク上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-07-24T09:30:04Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
  我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。 実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
  論文  参考訳（メタデータ） (2023-11-05T12:03:58Z)
• Adaptive Discrete Communication Bottlenecks with Dynamic Vector Quantization [76.68866368409216]
  入力に条件付けされた離散化の厳密度を動的に選択する学習を提案する。 コミュニケーションボトルネックの動的に変化する厳密さは、視覚的推論や強化学習タスクにおけるモデル性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-02-02T23:54:26Z)

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。