論文の概要: On the importance of hyperparameters in initializing parameterized quantum circuits

• arxiv url: http://arxiv.org/abs/2604.21266v1
• Date: Thu, 23 Apr 2026 04:21:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.29935
• Title: On the importance of hyperparameters in initializing parameterized quantum circuits
• Title（参考訳）: 量子回路の初期化におけるハイパーパラメータの重要性について
• Authors: Ankit Kulshrestha, Sarvagya Upadhyay,
• Abstract要約: 本稿では、与えられた量子回路(PQC)の動作初期パラメータを求める問題に焦点をあてる。 実験結果から,本アルゴリズムはアンザッツに特異的に調整された初期パラメータの選択に一貫した結果をもたらすことが示された。 本アルゴリズムはバレンプラトー現象に悪影響を及ぼさない。
• 参考スコア（独自算出の注目度）: 1.6206092886889898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There has been intensive research on increasing the utility and performance of Parameterized Quantum Circuits (PQCs) in the past couple of years. Owing to this research, there are now several inductive biases available to a quantum algorithms researchers to design a good circuit for their chosen task. In this paper, we focus on the problem of finding performant initial parameters for a given PQC. Different from previous research that focuses on finding the right \emph{distribution}, we focus on finding the \emph{hyperparameters} for any given distribution. To that end we introduce an evolutionary-search based algorithm that finds optimal hyperparameter given a PQC and quantum task. Our empirical results indicate that our algorithm consistently leads to selection of performant initial parameters tuned specifically to the ansatz and the quantum task leading to faster convergence and performance. More importantly, our algorithm does not \emph{negatively} affect the barren plateau phenomenon. In other words, the initial parameters suggested by algorithm do not worsen the gradient variance scaling for a given initializing distribution.
• Abstract（参考訳）: 近年,パラメタライズド量子回路(PQC)の有用性と性能向上に関する研究が盛んに行われている。 この研究により、量子アルゴリズムの研究者が選択したタスクに適した回路を設計するために、いくつかの誘導バイアスが利用できるようになった。 本稿では,与えられたPQCに対する性能初期パラメータを求める問題に焦点をあてる。 右の \emph{distribution} を見つけることに焦点を当てた以前の研究とは異なり、任意の分布に対する \emph{hyperparameters} を見つけることに重点を置いている。 そのために、PQCと量子タスクを与えられた最適なハイパーパラメータを求める進化探索に基づくアルゴリズムを導入する。 実験結果から,我々のアルゴリズムは,アンサッツと量子タスクに特異的に調整された性能初期パラメータの選択を連続的に導き,より高速な収束と性能をもたらすことが示唆された。 さらに重要なことに、我々のアルゴリズムはバレンプラトー現象に影響を及ぼさない。 言い換えれば、アルゴリズムによって提案される初期パラメータは、与えられた初期化分布の勾配分散スケーリングを悪化させることはない。

関連論文リスト

• Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [43.21662368414268]
  近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。 モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。 強スピンガラス系におけるシェリントン・カークパトリックモデルにおいて、最良の結果が得られる。
  論文  参考訳（メタデータ） (2024-09-03T15:21:16Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Entropic property of randomized QAOA circuits [0.0]
  量子近似最適化アルゴリズム(QAOA)は、パラメータ化量子回路を用いてビットストリングをサンプリングすることで離散最適化問題を解決することを目的としている。 我々は、確率に関する解析方程式と、そのようなサンプリングによって常にエネルギー分布のエントロピーが高くなるという数値的な証拠を提供する。 また, ランダムサンプリングよりも平均値が高い大域的最適値を得る確率も解析する。
  論文  参考訳（メタデータ） (2023-08-03T15:13:23Z)
• Unsupervised Learning of Initialization in Deep Neural Networks via Maximum Mean Discrepancy [74.34895342081407]
  本稿では,入力データに対する優れた初期化を求めるための教師なしアルゴリズムを提案する。 まず、パラメータ空間における各パラメータ構成が、d-way分類の特定の下流タスクに対応することに気付く。 次に、学習の成功は、初期パラメータの近傍で下流タスクがいかに多様であるかに直接関連していると推測する。
  論文  参考訳（メタデータ） (2023-02-08T23:23:28Z)
• 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)
• LAWS: Look Around and Warm-Start Natural Gradient Descent for Quantum Neural Networks [11.844238544360149]
  Vari Quantum Algorithm (VQA) は、ノイズ中間スケール量子コンピュータ (NISQ) における有望な性能のために最近注目されている。 パラメータ化量子回路(PQC)上でランダムなパラメータを持つVQAは、勾配が量子ビット数で指数関数的に消えるバレンプラトー(BP)によって特徴づけられる。 本稿では、古典的な1次最適化点から、VQAでよく使われるアルゴリズムの1つである量子自然勾配(QNG)について述べる。 そして、私たちはアンダーラインAroundアンダーラインを提案しました。
  論文  参考訳（メタデータ） (2022-05-05T14:16:40Z)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Quantum annealing initialization of the quantum approximate optimization algorithm [0.0]
  量子近似最適化アルゴリズム(QAOA)は、近い将来の量子アルゴリズムである。 QAOAで必要とされる外部パラメータの最適化は、パフォーマンスのボトルネックになる可能性がある。 本研究では、ランダムグラフ上のMaxCut問題に適用されたQAOAの最適化景観を可視化する。
  論文  参考訳（メタデータ） (2021-01-14T17:45:13Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。