論文の概要: Minimizing classical resources in variational measurement-based quantum computation for generative modeling

• arxiv url: http://arxiv.org/abs/2604.11578v1
• Date: Mon, 13 Apr 2026 14:56:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.631477
• Title: Minimizing classical resources in variational measurement-based quantum computation for generative modeling
• Title（参考訳）: 変動測定に基づく量子計算における古典的資源の最小化と生成モデル
• Authors: Arunava Majumder, Hendrik Poulsen Nautrup, Hans J. Briegel,
• Abstract要約: 制限付きVMBQCモデルを提案し、単一追加のトレーニング可能なパラメータのみを用いて、ユニタリ設定をチャネルベースに拡張する。 数値的にも代数的にも、この最小拡張は対応するユニタリモデルでは学べない確率分布を生成するのに十分であることを示す。
• 参考スコア（独自算出の注目度）: 0.41510732880787476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Measurement-based quantum computation (MBQC) is a framework for quantum information processing in which a computational task is carried out through one-qubit measurements on a highly entangled resource state. Due to the indeterminacy of the outcomes of a quantum measurement, the random outcomes of these operations, if not corrected, yield a variational quantum channel family. Traditionally, this randomness is corrected through classical processing in order to ensure deterministic unitary computations. Recently, variational measurement-based quantum computation (VMBQC) has been introduced to exploit this measurement-induced randomness to gain an advantage in generative modeling. A limitation of this approach is that the corresponding channel model has twice as many parameters compared to the unitary model, scaling as $N \times D$, where $N$ is the number of logical qubits (width) and $D$ is the depth of the VMBQC model. This can often make optimization more difficult and may lead to poorly trainable models. In this paper, we present a restricted VMBQC model that extends the unitary setting to a channel-based one using only a single additional trainable parameter. We show, both numerically and algebraically, that this minimal extension is sufficient to generate probability distributions that cannot be learned by the corresponding unitary model.
• Abstract（参考訳）: 測定ベースの量子計算(MBQC)は、高度に絡み合った資源状態の1量子ビット計測によって計算処理を行う量子情報処理のフレームワークである。 量子測定の結果の不確定性のため、これらの演算のランダムな結果が補正されない場合、変分量子チャネルファミリーを生成する。 伝統的に、このランダム性は決定論的ユニタリ計算を保証するために古典的な処理によって修正される。 近年、この測定によって引き起こされるランダム性を生かし、生成モデリングの優位性を得るために、変動測定に基づく量子計算(VMBQC)が導入されている。 このアプローチの制限は、対応するチャネルモデルはユニタリモデルの2倍のパラメータを持ち、$N \times D$、$N$は論理量子ビットの数(幅)、$D$はVMBQCモデルの深さである。 これはしばしば最適化を難しくし、トレーニングが不十分なモデルに繋がる可能性がある。 本稿では,1つの追加のトレーニング可能なパラメータのみを用いて,ユニタリ設定をチャネルベースに拡張する限定VMBQCモデルを提案する。 数値的にも代数的にも、この最小拡張は対応するユニタリモデルでは学べない確率分布を生成するのに十分であることを示す。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Variational measurement-based quantum computation for generative modeling [0.5025737475817937]
  測定ベースの量子計算(MBQC)は、量子アルゴリズムを設計するための基本的なユニークなパラダイムを提供する。 量子測定の固有のランダム性のため、MBQCの自然な操作は決定論的でユニタリではない。 本稿では,このランダム性を取り入れたMBQCアルゴリズムの設計と,MBQCのランダムな副産物を計算資源として扱うことを提案する。
  論文  参考訳（メタデータ） (2023-10-20T14:11:58Z)
• Applicability of Measurement-based Quantum Computation towards Physically-driven Variational Quantum Eigensolver [17.975555487972166]
  変分量子アルゴリズムは、短期量子の利点を得る最も有望な方法の1つである。 測定に基づく量子計算方式で量子アルゴリズムを開発するための障害は、リソースコストである。 量子多体系シミュレーションタスクのための効率的な測定ベース量子アルゴリズム(MBHVA)を提案する。
  論文  参考訳（メタデータ） (2023-07-19T08:07:53Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。