論文の概要: Mitigating Barren Plateaus in Variational Quantum Circuits through PDE-Constrained Loss Functions

• arxiv url: http://arxiv.org/abs/2604.09957v1
• Date: Fri, 10 Apr 2026 23:36:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.765151
• Title: Mitigating Barren Plateaus in Variational Quantum Circuits through PDE-Constrained Loss Functions
• Title（参考訳）: PDE制約損失関数による変分量子回路におけるバレンプラトーの緩和
• Authors: Prasad Nimantha Madusanka Ukwatta Hewage, Midhun Chakkravarthy, Ruvan Kumara Abeysekara,
• Abstract要約: 本稿では,VQC損失関数に対する偏微分方程式(PDE)の制約が,バレン高原に対する自然かつ効果的な緩和機構をもたらすことを示す。 PDE制約回路はシステムサイズと良好な勾配分散スケールを示し、物理制約は指数勾配の消失に抵抗する安定化効果を生み出す。 これらの結果は、トレーニング可能な可変量子回路を設計するための原則的、物理的に動機づけられた戦略としてPDE制約を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The barren plateau phenomenon; where cost function gradients vanish exponentially with system size; remains a fundamental obstacle to training variational quantum circuits (VQCs) at scale. We demonstrate, both theoretically and numerically, that embedding partial differential equation (PDE) constraints into the VQC loss function provides a natural and effective mitigation mechanism against barren plateaus. We derive analytical gradient variance lower bounds showing that physics-constrained loss functions composed of local PDE residuals evaluated at spatial collocation points inherit the favorable polynomial scaling of local cost functions, while additionally benefiting from constraint-induced landscape narrowing that concentrates gradient information. Systematic numerical experiments on the one-dimensional heat equation, Burgers' equation, and the Saint-Venant shallow water equations quantify the gradient variance across 4-8 qubits and 1-5 layer depths, comparing global cost, local cost, PDE-constrained, and PDE-constrained with structured ansatz configurations. We find that PDE-constrained circuits exhibit favorable gradient variance scaling with system size, with the physics constraints creating a stabilizing effect that resists exponential gradient vanishing. Entanglement entropy analysis reveals that structured ansatze operate in a sub-maximal entanglement regime consistent with trainability. Convergence experiments confirm that physics-constrained VQCs achieve lower loss values in fewer epochs. These results establish PDE constraints as a principled, physically motivated strategy for designing trainable variational quantum circuits, with direct implications for quantum physics-informed neural networks and variational quantum simulation.
• Abstract（参考訳）: コスト関数勾配がシステムサイズとともに指数関数的に消失するバレンプラトー現象は、変分量子回路(VQC)を大規模に訓練するための基本的な障害である。 我々は、理論上も数値的にも、偏微分方程式(PDE)の制約をVQC損失関数に埋め込むことは、バレン高原に対する自然かつ効果的な緩和機構を提供することを示した。 空間的コロケーションポイントで評価された局所的なPDE残差からなる物理制約損失関数が、局所的なコスト関数の好都合な多項式スケーリングを継承し、さらに、勾配情報に集中する制約付きランドスケープ絞りの恩恵を受けることを示す解析的勾配分散下界を導出する。 1次元熱方程式、バーガーズ方程式、サン=ヴェナント浅水方程式の体系的な数値実験は、4-8キュービットと1-5層の深さの勾配分散を定量化し、大域的コスト、局所的コスト、PDE制約、構造的アンザッツ構成によるPDE制約の比較を行った。 PDE制約回路はシステムサイズと良好な勾配分散スケールを示し、物理制約は指数勾配の消失に抵抗する安定化効果を生み出す。 エンタングルメントエントロピー解析により、構造的アンサーゼは訓練性に整合した準最大エンタングルメント構造で機能することが明らかとなった。 収束実験により、物理に制約されたVQCがより少ないエポックの損失値を得ることを確認した。 これらの結果は、トレーニング可能な可変量子回路を設計するための原則的、物理的に動機づけられた戦略としてPDE制約を確立し、量子物理学インフォームドニューラルネットワークと変分量子シミュレーションに直接的な意味を持つ。

関連論文リスト

• Quantum Error Mitigation Strategies for Variational PDE-Constrained Circuits on Noisy Hardware [0.0]
  短期量子ハードウェア上の偏微分方程式(PDE)を解く変分回路(VQC)は重要な課題に直面している。 熱方程式バーガースの方程式に対するPDE残留損失関数に制約されたVQCの偏極、減衰、ビットフリップの3つのノイズチャネルについて系統的研究を行った。 我々は、ゼロノイズ外挿(ZNE)、確率誤差キャンセル(PEC)、逆混乱行列による測定誤差緩和の3つの誤差緩和戦略をベンチマークする。
  論文  参考訳（メタデータ） (2026-04-11T08:45:08Z)
• Modelling many-body quantum dynamics with stochastic trajectories: a critical test on the Tavis-Cummings model [0.0]
  我々は、最近提案されたフレームワークの適用性について批判的に検討し、多体量子系の光と相互作用する量子力学をトラジェクトリでサンプリングする。 このフレームワークは,物理パラメータや初期条件に強く依存する有限伝搬時間に制限されることを示す。
  論文  参考訳（メタデータ） (2025-11-11T22:30:51Z)
• BiLO: Bilevel Local Operator Learning for PDE Inverse Problems. Part II: Efficient Uncertainty Quantification with Low-Rank Adaptation [9.229577043169224]
  不確かさの定量化と偏微分方程式(PDE)による逆問題(英語版)は、幅広い科学的・工学的応用の中心である。 本稿では,PDE制約付き最適化問題に対するBilevel Local Operator Learning (BiLO) をベイズ推論フレームワークに拡張する。
  論文  参考訳（メタデータ） (2025-07-22T21:20:20Z)
• PhysicsCorrect: A Training-Free Approach for Stable Neural PDE Simulations [4.7903561901859355]
  予測ステップ毎にPDE整合性を強制する,トレーニング不要な修正フレームワークであるNyberCorrectを提案する。 私たちの重要なイノベーションは、オフラインのウォームアップフェーズでJacobianとその擬似逆をプリ計算する効率的なキャッシュ戦略です。 3つの代表的なPDEシステムにおいて、物理コレクトは予測誤差を最大100倍に削減し、無視可能な推論時間を加算する。
  論文  参考訳（メタデータ） (2025-07-03T01:22:57Z)
• Advancing Generalization in PINNs through Latent-Space Representations [71.86401914779019]
  物理インフォームドニューラルネットワーク(PINN)は、偏微分方程式(PDE)によって支配される力学系のモデリングにおいて大きな進歩を遂げた。 本稿では,多種多様なPDE構成を効果的に一般化する物理インフォームドニューラルPDE解法PIDOを提案する。 PIDOは1次元合成方程式と2次元ナビエ・ストークス方程式を含む様々なベンチマークで検証する。
  論文  参考訳（メタデータ） (2024-11-28T13:16:20Z)
• Unisolver: PDE-Conditional Transformers Towards Universal Neural PDE Solvers [53.79279286773326]
  我々は、多様なデータに基づいて訓練され、多様なPDEで条件付けされた新しいトランスフォーマーモデルUnisolverを提案する。 Unisolverは3つの挑戦的な大規模ベンチマークで一貫した最先端を実現し、優れたパフォーマンスと一般化性を示している。
  論文  参考訳（メタデータ） (2024-05-27T15:34:35Z)
• Deep Equilibrium Based Neural Operators for Steady-State PDEs [100.88355782126098]
  定常PDEに対する重み付けニューラルネットワークアーキテクチャの利点について検討する。 定常PDEの解を直接解くFNOアーキテクチャの深い平衡変種であるFNO-DEQを提案する。
  論文  参考訳（メタデータ） (2023-11-30T22:34:57Z)
• Efficient Neural PDE-Solvers using Quantization Aware Training [71.0934372968972]
  量子化は、性能を維持しながら推論の計算コストを下げることができることを示す。 4つの標準PDEデータセットと3つのネットワークアーキテクチャの結果、量子化対応のトレーニングは、設定と3桁のFLOPで機能することがわかった。
  論文  参考訳（メタデータ） (2023-08-14T09:21:19Z)
• LordNet: An Efficient Neural Network for Learning to Solve Parametric Partial Differential Equations without Simulated Data [47.49194807524502]
  エンタングルメントをモデル化するためのチューナブルで効率的なニューラルネットワークであるLordNetを提案する。 ポアソン方程式と(2Dおよび3D)ナビエ・ストークス方程式を解く実験は、長距離の絡み合いがロードネットによってうまくモデル化できることを示した。
  論文  参考訳（メタデータ） (2022-06-19T14:41:08Z)
• A PDE-based Explanation of Extreme Numerical Sensitivities and Edge of Stability in Training Neural Networks [12.355137704908042]
  勾配降下型深層ネットワーク(SGD)の現在の訓練実践における抑制的数値不安定性を示す。 我々は、偏微分方程式(PDE)の数値解析を用いて理論的枠組みを提示し、畳み込みニューラルネットワーク(CNN)の勾配降下PDEを分析する。 これはCNNの降下に伴う非線形PDEの結果であり、離散化のステップサイズを過度に運転すると局所線形化が変化し、安定化効果がもたらされることを示す。
  論文  参考訳（メタデータ） (2022-06-04T14:54:05Z)

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。