論文の概要: Randomized Subsystem Descent for Fermion-to-Qubit Mapping

• arxiv url: http://arxiv.org/abs/2604.17630v1
• Date: Sun, 19 Apr 2026 21:55:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:25:22.030367
• Title: Randomized Subsystem Descent for Fermion-to-Qubit Mapping
• Title（参考訳）: フェルミオン-ビットマッピングのためのランダム化サブシステムディフレッシュ
• Authors: Gengzhi Yang, Di Wu, Haizhao Yang, Xiaodi Wu, Ji Liu,
• Abstract要約: 本稿では,フェルミオン対量子ビットマッピングを最適化するための汎用的で効率的なアルゴリズムフレームワークを提案する。 1次元と2次元の格子ホッピングモデルでアルゴリズムをベンチマークする。 全てのベンチマークにおいて、我々の手法は、常に(重み付けされた)パウリの重量を減少させる。
• 参考スコア（独自算出の注目度）: 16.301045285671993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a versatile and efficient algorithmic framework for optimizing fermion-to-qubit mappings by generalizing the idea of randomized block coordinate descent. Our greedy approach, termed Randomized Subsystem Descent, iteratively samples a tractable subsystem from the full Hamiltonian, performs optimization within the subsystem under a given metric, and then reintegrates the updated subsystem into the global operator. Restricting the optimization to a subsystem at each iteration ensures computational efficiency, bypassing the dimensional bottlenecks that usually hinder global search heuristics. We benchmark our algorithm on one- and two-dimensional lattice hopping models, the Hubbard model with up to $16 \times 16$ sites, alongside a collection of molecular electronic-structure Hamiltonians with up to 54 modes and more than 180,000 Pauli strings. Across all benchmarks, our method consistently provides appreciable reduction in (weighted) Pauli weight, suggesting that Randomized Subsystem Descent is a practical and scalable framework for lowering the resource overhead of finding hardware-efficient Hamiltonian encodings.
• Abstract（参考訳）: ランダム化ブロック座標の導出を一般化することにより、フェルミオンと量子ビットのマッピングを最適化するための汎用的で効率的なアルゴリズムフレームワークを提案する。 我々の欲求的アプローチはランダム化されたサブシステム Descent と呼ばれ、フルハミルトニアンから抽出可能なサブシステムを繰り返しサンプリングし、与えられた計量の下でサブシステム内で最適化を行い、次に更新されたサブシステムをグローバル演算子に再統合する。 最適化を各イテレーションでサブシステムに制限することで、大域的な探索ヒューリスティックを妨げている次元的ボトルネックを回避し、計算効率を確保できる。 アルゴリズムを1次元および2次元の格子ホッピングモデル、最大16ドルのサイトを持つハバードモデル、最大54のモードと180,000のパウリ弦を持つ分子電子構造ハミルトニアンのコレクションでベンチマークした。 全てのベンチマークにおいて、我々の手法は、(重み付けされた)パウリ重みを常に減少させ、ランダム化サブシステム Descent は、ハードウェア効率のよいハミルトン符号化を見つけるためのリソースオーバーヘッドを減らすための実用的でスケーラブルなフレームワークであることを示唆している。

関連論文リスト

• Local Entropy Search over Descent Sequences for Bayesian Optimization [48.7994415668802]
  実用的な方法は、勾配降下のような局所最適化手法を用いて初期設計の近傍を反復的に洗練することである。 降下列で到達可能な解を明示的に対象とするベイズ最適化パラダイムである局所エントロピー探索(LES)を提案する。
  論文  参考訳（メタデータ） (2025-11-24T15:52:17Z)
• l1-norm regularized l1-norm best-fit lines [3.0963566281269594]
  簡単な比率とソート手法を用いた新しいフィッティング法を提案する。 提案アルゴリズムは、O$(n2 m log n)$の最悪の時間複雑性を示し、ある場合にはスパース部分空間に対する大域的最適性を達成する。
  論文  参考訳（メタデータ） (2024-02-26T16:30:58Z)
• On Distributed Larger-Than-Memory Subset Selection With Pairwise Submodular Functions [31.334053253182795]
  証明可能な近似保証付き分散バウンディングアルゴリズムを提案する。 CIFAR-100 と ImageNet の高品質なサブセットは,集中型手法と比較して,品質が損なわれるか,あるいは損なわれない。
  論文  参考訳（メタデータ） (2024-02-26T09:38:39Z)
• Explicit Second-Order Min-Max Optimization: Practical Algorithms and Complexity Analysis [71.05708939639537]
  本研究では,非制約問題に対するグローバルなサドル点を求めるために,不正確なNewton型手法をいくつか提案し,解析する。 提案手法は,Sur分解の必要回数の$O(log(1/eps)$因子をシェービングすることで,既存のライン検索に基づくmin-max最適化を改善する。
  論文  参考訳（メタデータ） (2022-10-23T21:24:37Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Langevin Monte Carlo for Contextual Bandits [72.00524614312002]
  Langevin Monte Carlo Thompson Sampling (LMC-TS) が提案されている。 提案アルゴリズムは,文脈的帯域幅の特別な場合において,最高のトンプソンサンプリングアルゴリズムと同じサブ線形残差を達成できることを示す。
  論文  参考訳（メタデータ） (2022-06-22T17:58:23Z)
• Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
  本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。 最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。 提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
  論文  参考訳（メタデータ） (2022-06-14T08:14:14Z)
• Gaussian Elimination versus Greedy Methods for the Synthesis of Linear Reversible Circuits [0.0]
  可逆回路は、量子コンピューティングに多くの応用がある可逆回路のサブクラスを表す。 ガウス除去アルゴリズムの最適化版と調整LU分解を用いて,任意の線形可逆作用素に対する新しいアルゴリズムを提案する。 全体として、我々のアルゴリズムは特定の問題サイズに対する最先端の手法を改善している。
  論文  参考訳（メタデータ） (2022-01-17T16:31:42Z)

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。