論文の概要: Trainability Beyond Linearity in Variational Quantum Objectives

• arxiv url: http://arxiv.org/abs/2604.18846v1
• Date: Mon, 20 Apr 2026 21:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.500265
• Title: Trainability Beyond Linearity in Variational Quantum Objectives
• Title（参考訳）: 変分量子オブジェクトにおける線形性を超えたトレーサビリティ
• Authors: Gordon Ma, Xiufan Li,
• Abstract要約: 目的自体が固定可観測表現を許容しているのは、損失がアフィンであることと、損失がアフィンであることである。 増幅可能な目的はアフィンよりも数桁大きく解決された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Barren-plateau results have established exponential gradient suppression as a widely cited obstacle to the scalability of variational quantum algorithms. When and whether these results extend to a given objective has been addressed through loss-specific arguments, but a general structural characterization has remained open. We show that the objective itself admits a fixed-observable representation if and only if the loss is affine in the measured statistics, thereby identifying the exact boundary of the standard concentration-based proof template. Existing transfer results for non-affine losses achieve this reduction under additional assumptions; our characterization implies that such a reduction is not structurally available for a class of non-affine objectives, placing them outside the automatic reach of the existing proof template. Beyond the affine regime, a chain-rule decomposition reveals three governing factors -- model responsivity, loss-side signal, and transmittance -- and induces a loss-class dichotomy: bounded-gradient losses inherit suppression, while amplification-capable losses can in principle counteract it. In the exponentially wide setting, both classes fail, but for different structural reasons. When the interface is instead designed at polynomial width -- exposing coarse-grained statistics rather than individual bitstring probabilities -- the exponential-dimensional obstruction is relaxed and the dichotomy plays a genuine role. In a numerical demonstration on a charge-conserving quantum system, the amplification-capable objective produces resolved gradients several orders of magnitude larger than affine and inheriting baselines at comparable shot budgets. Over the tested interval, its scaling trend is statistically distinguished from the exponential trend of both alternatives. The boundary is affine; what lies beyond it is a representation-design problem.
• Abstract（参考訳）: バレンプラトーの結果は、変分量子アルゴリズムのスケーラビリティの障害として広く引用されている指数勾配の抑制を確立している。 これらの結果が与えられた目的に拡張されるかどうかは、損失特異的な議論を通じて論じられているが、一般的な構造的特徴は未解決のままである。 測定された統計値に損失が付着している場合にのみ、その目的自体が固定可観測表現を許容していることを示し、標準濃度に基づく証明テンプレートの正確な境界を同定する。 既存の非アフィン損失の移動結果は,この削減を付加的な仮定で達成している。我々は,そのような削減が,既存の証明テンプレートの自動到達範囲外にあるような,非アフィン目標のクラスに対して構造的に利用できないことを示唆している。 アフィン体制の他に、チェーンルル分解はモデル応答性、損失側信号、透過性の3つの制御因子を明らかにし、損失クラスの二分法を誘導する。 指数関数的に広い設定では、両方のクラスは失敗するが、異なる構造上の理由により失敗する。 インタフェースが多項式幅で設計される場合(個々のビットストリング確率よりも粗い統計を露出する)、指数的次元の障害は緩和され、二分法は真の役割を果たす。 電荷保存型量子システムにおける数値的なデモンストレーションでは、増幅可能な目的はアフィンよりも数桁大きな分解勾配を生成し、同じショット予算でベースラインを継承する。 試験間隔で、そのスケーリング傾向は、両選択肢の指数関数的傾向と統計的に区別される。 境界はアフィンであり、その向こうにあるものは表現設計問題である。

関連論文リスト

• Robust Sequential Tracking via Bounded Information Geometry and Non-Parametric Field Actions [0.0]
  LiDARによるターゲット追跡、高周波暗号秩序フロー、量子状態トモグラフィーの3つの領域にわたる実証的なベンチマークでは、この情報ジオメトリが異常値を解析的に減らすことを実証している。
  論文  参考訳（メタデータ） (2026-03-13T21:40:44Z)
• Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits [72.0643009153473]
  本稿では,観測可能な期待値とパラメータ勾配の両方がシステムサイズに指数関数的に集中するHaar型普遍性クラスに,表現的変分アンサーゼが入ることを示す。 その結果、そのような回路によって誘導される仮説クラスは、近点関数の狭い族に高い確率で崩壊する。 テンソル-ネットワークベースおよびテンソル-ハイパーネットワークパラメータ化を含むテンソル構造VQCは、ハール型普遍性クラスの外にある。
  論文  参考訳（メタデータ） (2026-01-05T08:04:33Z)
• The Implicit Bias of Gradient Descent on Separable Multiclass Data [38.05903703331163]
  我々は、指数的尾特性のマルチクラス拡張を導入するために、置換同変と相対マージンベース(PERM)損失の枠組みを用いる。 提案手法は二分法の場合をよく反映しており,二分法と多分法のギャップを埋めるためのPERMフレームワークの威力を示すものである。
  論文  参考訳（メタデータ） (2024-11-02T19:39:21Z)
• Refined Risk Bounds for Unbounded Losses via Transductive Priors [67.12679195076387]
  線形回帰の逐次変分を2乗損失、ヒンジ損失の分類問題、ロジスティック回帰で再検討する。 我々の鍵となるツールは、慎重に選択された導出先を持つ指数重み付けアルゴリズムに基づいている。
  論文  参考訳（メタデータ） (2024-10-29T00:01:04Z)
• Score-based Causal Representation Learning with Interventions [54.735484409244386]
  本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。 目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
  論文  参考訳（メタデータ） (2023-01-19T18:39:48Z)
• High-dimensional limit theorems for SGD: Effective dynamics and critical scaling [6.950316788263433]
  我々は、勾配降下(SGD)の要約統計の軌跡に対する極限定理を証明する。 下記の有効弾道力学が人口減少の勾配流と一致するステップサイズにおける重要なスケーリング体制を示す。 この実効力学の固定点について、対応する拡散極限は極めて複雑であり、さらに退化することもある。
  論文  参考訳（メタデータ） (2022-06-08T17:42:18Z)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)

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。