論文の概要: Observable-Guided Generator Selection for Improving Trainability in Quantum Machine Learning with a $ \mathfrak{g} $-Purity Interpretation under Restricted Settings
- arxiv url: http://arxiv.org/abs/2604.15693v1
- Date: Fri, 17 Apr 2026 04:37:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-20 22:00:19.737167
- Title: Observable-Guided Generator Selection for Improving Trainability in Quantum Machine Learning with a $ \mathfrak{g} $-Purity Interpretation under Restricted Settings
- Title（参考訳）: 制限条件下での$ \mathfrak{g} $-Purity解釈による量子機械学習のトレーニング性向上のための可観測誘導発電機選択
- Authors: Hiroshi Ohno,
- Abstract要約: 本稿では,$n $-qubit Pauli-string ジェネレータプールに対する可観測誘導型ジェネレータ選択アルゴリズムを提案する。
提案手法は, 勾配の1次感度を高く保ち, ヘッセン行列の2次干渉を抑制する2つの基準に基づいて生成体を選択する。
- 参考スコア（独自算出の注目度）: 1.7767466724342065
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To study generator design for parameterized unitaries in quantum machine learning (QML), we propose an observable-guided generator selection algorithm for $ n $-qubit Pauli-string generator pools. The proposed method selects generators based on two criteria: maintaining large first-order sensitivity in the gradients and suppressing second-order interference in the Hessian matrix. Under a restricted setting with Pauli-string observables and candidate generators, the selection problem can be formulated as a binary optimization problem that favors mutually anti-commuting generators. Numerical experiments on a synthetic dataset with a small-scale five-qubit circuit show that the selected generators yield faster training than random generator selection in our setting, while exhibiting similar expressibility. Furthermore, under additional algebraic assumptions, the proposed criteria admit an interpretation in terms of the $ \mathfrak{g} $-purity of the observable: the first-order sensitivity is proportional to the $ \mathfrak{g} $-purity, whereas the second-order interference, namely the off-diagonal elements of the Hessian matrix, is upper-bounded by it. These results suggest that observable-guided generator selection is a promising direction for improving trainability in restricted QML settings.
- Abstract（参考訳）: 量子機械学習(QML)におけるパラメータ化ユニタリのジェネレータ設計について検討するため,$n $-qubit Pauli-string ジェネレータプールに対する観測可能な誘導ジェネレータ選択アルゴリズムを提案する。
提案手法は, 勾配の1次感度を高く保ち, ヘッセン行列の2次干渉を抑制する2つの基準に基づいて生成体を選択する。
パウリ・ストリング・オブザーバブルと候補生成器による制限された設定の下では、選択問題は相互に反可換生成器を好む二項最適化問題として定式化することができる。
小型5ビット回路を用いた合成データセットの数値実験により,選択したジェネレータは,設定時のランダムなジェネレータ選択よりも高速な学習が可能であり,同様の表現性を示した。
さらに、追加の代数的仮定の下では、提案された基準は可観測量の $ \mathfrak{g} $-purity の解釈を許容する: 1次感度は $ \mathfrak{g} $-purity に比例するが、2次干渉、すなわちヘッセン行列の対角要素は上界である。
これらの結果から,観測可能誘導ジェネレータの選択は,制限されたQML設定におけるトレーニング性向上に有望な方向であることが示唆された。
関連論文リスト
- Nonvariational quantum optimisation approaches to pangenome-guided sequence assembly [0.42970700836450487]
ゲノム組立問題に対する短期量子最適化手法を開発した。
固定された線形ランプQAOAスケジュールと反復的ウォームスタートバイアス更新を組み合わせたIterative-QAOAフレームワークを使用する。
カスタム回路コンパイル戦略は、標準ツールと比較してハードウェアゲートのオーバーヘッドを最大67%削減する。
論文 参考訳（メタデータ） (2026-04-07T17:17:34Z) - Lie-Algebraic Analysis of Generators: Approximation-Error Bounds and Barren-Plateau Heuristics [1.7767466724342065]
リー代数は量子機械学習の理論的解析に有用なフレームワークを提供する。
生成器のスペクトルによってアクセス可能なモードが決定される三角計を三角計とみなすことができることを示す。
本研究では,回路の有効周波数セットが半径$Kの球に含まれる場合,ソボレフ球上での$L2 $-approximation誤差の最小値について述べる。
論文 参考訳（メタデータ） (2026-02-17T23:51:18Z) - The Generative Leap: Sharp Sample Complexity for Efficiently Learning Gaussian Multi-Index Models [71.5283441529015]
この研究において、ラベルは(ガウス)$d$-次元入力にのみ依存し、低次元$r = O_d(1)$部分空間への射影を通して得られる。
生成的跳躍指数 $kstar$, [Damian et al.'24] から生成的指数の自然拡張をマルチインデックス設定に導入する。
論文 参考訳（メタデータ） (2025-06-05T18:34:56Z) - Non-Iterative Disentangled Unitary Coupled-Cluster based on Lie-algebraic structure [0.0]
量子化学変分量子ソルバ(VQE)計算の実行には、固定されたユニタリ結合クラスター(UCC)アンス"アゼが魅力的である。
固定および非整合型ユニタリカップリング・クラスタコンパクトアンサッツである$k$-NI-DUCCを導入する。
論文 参考訳（メタデータ） (2024-08-26T14:19:53Z) - Sampled Transformer for Point Sets [80.66097006145999]
スパース変換器は、連続列列列関数の普遍近似器でありながら、自己アテンション層の計算複雑性を$O(n)$に下げることができる。
我々は、追加の帰納バイアスを伴わずに点集合要素を直接処理できる$O(n)$複雑性サンプリング変換器を提案する。
論文 参考訳（メタデータ） (2023-02-28T06:38:05Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Understanding Interlocking Dynamics of Cooperative Rationalization [90.6863969334526]
選択的合理化(Selective rationalization)は、ニューラルネットワークの出力を予測するのに十分な入力の小さなサブセットを見つけることによって、複雑なニューラルネットワークの予測を説明する。
このような合理化パラダイムでは,モデルインターロックという大きな問題が浮かび上がっている。
A2Rと呼ばれる新しい合理化フレームワークを提案し、アーキテクチャに第3のコンポーネントを導入し、選択とは対照的にソフトアテンションによって駆動される予測器を提案する。
論文 参考訳（メタデータ） (2021-10-26T17:39:18Z) - Analytic gradients in variational quantum algorithms: Algebraic
extensions of the parameter-shift rule to general unitary transformations [0.0]
一般固有スペクトルを持つジェネレータに対する期待値の線形結合として、勾配を定式化するためのパラメトリックシフトルールのいくつかの拡張を提案する。
我々のアプローチは正確であり、補助量子ビットは一切使用せず、代わりにジェネレータ固有スペクトル解析に依存している。
論文 参考訳（メタデータ） (2021-07-16T21:37:31Z) - Sampling-Decomposable Generative Adversarial Recommender [84.05894139540048]
サンプル分解可能な生成逆数レコメンダ(SD-GAR)を提案する。
本フレームワークでは, 自己正規化重要度サンプリングにより, 生成元と最適値とのばらつきを補償する。
提案アルゴリズムを5つの実世界のレコメンデーションデータセットを用いて広範囲に評価する。
論文 参考訳（メタデータ） (2020-11-02T13:19:10Z) - On the order problem in construction of unitary operators for the
Variational Quantum Eigensolver [0.0]
変分量子固有解法(VQE)フレームワークの主な課題の1つは、ユニタリ変換の構成である。
本稿では,リー代数-リー群接続とそれに対応する閉包関係に基づいて順序問題を体系的に排除する手法を提案する。
論文 参考訳（メタデータ） (2020-03-16T17:55:09Z) - Sample Complexity Bounds for 1-bit Compressive Sensing and Binary Stable
Embeddings with Generative Priors [52.06292503723978]
生成モデルを用いた圧縮センシングの進歩により, 生成モデルを用いた1ビット圧縮センシングの問題点を考察した。
まずノイズのない1ビット測定を考察し, ガウス測度に基づく近似回復のためのサンプル複雑性境界を提供する。
また,リプシッツ連続生成モデルを用いた1ビット圧縮センシングにも有効であることを示すため,評価誤差と雑音に対する再構成の堅牢性を示すBinary $epsilon$-Stable Embedding特性を実証した。
論文 参考訳（メタデータ） (2020-02-05T09:44:10Z)
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。