論文の概要: Late Breaking Results: Hardware-Aware Compilation Reshapes Trainability in Variational Quantum Circuits

• arxiv url: http://arxiv.org/abs/2604.16527v1
• Date: Thu, 16 Apr 2026 14:08:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 14:35:15.694149
• Title: Late Breaking Results: Hardware-Aware Compilation Reshapes Trainability in Variational Quantum Circuits
• Title（参考訳）: ハードウェア・アウェア・コンパイルによる変分量子回路のトレーニング性向上
• Authors: Muhammad Kashif, Muhammad Shafique,
• Abstract要約: 実際の量子デバイス上での実行には、キュービット接続とネイティブゲートセット制約を満たすためにハードウェア対応のコンパイル(トランスパイレーション)が必要である。 本稿では,トランスパイルが勾配統計をどのように変化させるかを検討する。
• 参考スコア（独自算出の注目度）: 2.717526933594264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum circuits (VQCs) are typically evaluated at the logical design level when analyzing trainability. However, execution on real quantum devices requires hardware-aware compilation (transpilation) to satisfy qubit connectivity and native gate-set constraints. In this paper, we examine how transpilation can alter the gradient statistics. Using parameter-shift differentiation and gradient variance estimation, we compare logical and transpiled circuits across three representative ansatz families: EfficientSU2 (dense entanglement), TTN (tree tensor network), and RealAmplitudes (linear entanglement). We observe architecture-dependent trainability shifts where densely entangling circuits exhibit pronounced gradient reshaping in shallow regimes, structured tensor-network circuits remain comparatively robust, and linear architectures show mixed behavior. Deep circuits across all families display minimal sensitivity to hardware-aware compilation. These findings demonstrate that transpilation acts as an implicit structural transformation of the optimization landscape, motivating compilation-aware analysis and co-design for VQCs.
• Abstract（参考訳）: 変分量子回路(VQC)は典型的には、訓練性を分析する際に論理設計レベルで評価される。 しかし、実際の量子デバイス上での実行には、キュービット接続とネイティブゲートセット制約を満たすためにハードウェア対応のコンパイル(トランスパイレーション)が必要である。 本稿では,トランスパイルが勾配統計をどのように変化させるかを検討する。 パラメータシフト差分法と勾配分散推定を用いて,効率の良いSU2(dense entanglement),TTN(tree tensor network),Real Amplitudes(linear entanglement)の3つの代表的なアンサッツ系における論理回路とトランスパイル回路を比較した。 密接な絡み合う回路は浅層構造において顕著な勾配変化を示し, 構造的テンソルネットワーク回路は比較的頑健であり, 線形構造は混合挙動を示す。 ディープ回路はハードウェア対応のコンパイルに対して最小限の感度を示す。 これらの結果から,トランスパイルは最適化ランドスケープの暗黙的な構造変換として機能し,VQCのコンパイル認識分析と共同設計を動機付けていることが明らかとなった。

関連論文リスト

• Resource Estimation via Efficient Compilation of Key Quantum Primitives [0.15169059475563407]
  リソース推定は、フォールトトレラント量子コンピュータを評価する上で重要な課題である。 本稿では,量子リソース推定のためのコンパイル駆動フレームワークを提案する。 移動へのアクセスは、耕作と重要な門の時間を節約できることを示す。
  論文  参考訳（メタデータ） (2026-04-01T20:36:21Z)
• Differentiable Logical Programming for Quantum Circuit Discovery and Optimization [0.15229257192293197]
  本稿では,量子回路設計を微分可能な論理プログラミング問題として再設計する,ニューロシンボリック・フレームワークを提案する。 我々のモデルは、学習可能で連続的な真理値のセットとして、潜在的な量子ゲートとパラメータ化された操作の足場を表す」。 本稿では,133量子ビットのIBM Torinoプロセッサ上でのハードウェア・アウェア適応実験について報告する。
  論文  参考訳（メタデータ） (2026-02-09T16:40:19Z)
• Plain Transformers are Surprisingly Powerful Link Predictors [57.01966734467712]
  リンク予測はグラフ機械学習における中核的な課題であり、リッチで複雑なトポロジ的依存関係をキャプチャするモデルを必要とする。 グラフニューラルネットワーク(GNN)が標準的なソリューションであるのに対して、最先端のパイプラインは明示的な構造やメモリ集約的なノードの埋め込みに依存していることが多い。 本報告では,手作りのプリミティブに置き換えるエンコーダのみのプレーントランスであるPENCILについて,サンプリングしたローカルサブグラフに注目する。
  論文  参考訳（メタデータ） (2026-02-02T02:45:52Z)
• End-to-End Analysis of Charge Stability Diagrams with Transformers [0.7570270968488804]
  トランスフォーマーモデルとエンドツーエンドの学習フレームワークは、人工知能の分野に急速に革命をもたらしている。 本研究では,半導体量子ドットアレイの電荷安定性図を解析するために物体検出変換器を適用する。 3つの異なるスピン量子ビットアーキテクチャの性能において、畳み込みニューラルネットワークを上回っていることを示す。
  論文  参考訳（メタデータ） (2025-08-21T16:54:22Z)
• Stacking the Odds: Full-Stack Quantum System Design Space Exploration [3.3595409695121656]
  本研究では,レイアウト手法,キュービットルーティング手法,コンパイラ最適化レベル,ハードウェア固有の特性の影響について検討する。 我々のシミュレーションにはノイズがあるが、量子エラー補正(QEC)のシナリオが含まれており、レイアウトや接続性に類似した感度が明らかにされている。
  論文  参考訳（メタデータ） (2025-06-03T12:01:58Z)
• Token Statistics Transformer: Linear-Time Attention via Variational Rate Reduction [29.12836710966048]
  本稿では,トークン数に応じて計算複雑性が線形にスケールする新しいトランスフォーマーアテンション演算子を提案する。 本研究は, トランスフォーマーアーキテクチャの成功に対して, ペアワイズ類似性スタイルの注意機構が重要であるという従来の知恵に疑問を投げかけるものである。
  論文  参考訳（メタデータ） (2024-12-23T18:59:21Z)
• AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
  Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。 本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
  論文  参考訳（メタデータ） (2024-07-17T18:38:48Z)
• Transformers as Statisticians: Provable In-Context Learning with In-Context Algorithm Selection [88.23337313766353]
  この研究はまず、変換器がICLを実行するための包括的な統計理論を提供する。 コンテクストにおいて、トランスフォーマーは、幅広い種類の標準機械学習アルゴリズムを実装可能であることを示す。 エンフィングル変換器は、異なるベースICLアルゴリズムを適応的に選択することができる。
  論文  参考訳（メタデータ） (2023-06-07T17:59:31Z)
• Simulation Paths for Quantum Circuit Simulation with Decision Diagrams [72.03286471602073]
  決定図を用いて量子回路をシミュレートする際に選択される経路の重要性について検討する。 我々は、専用のシミュレーションパスを調査できるオープンソースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-01T19:00:11Z)
• Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
  本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。 この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
  論文  参考訳（メタデータ） (2020-08-06T17:48:12Z)

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。