論文の概要: Adversarial Effects on Expressibility and Trainability in Distributed Variational Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2605.03629v1
• Date: Tue, 05 May 2026 10:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.907434
• Title: Adversarial Effects on Expressibility and Trainability in Distributed Variational Quantum Algorithms
• Title（参考訳）: 分散変分量子アルゴリズムにおける表現性と訓練性に対する逆効果
• Authors: Abhishek Sadhu, Sharu Theresa Jose,
• Abstract要約: 共有絡み合いの逆方向摂動は、量子学習に直接影響を及ぼす構造的ゲートレベルノイズを誘導することを示す。 解析の結果,不正解に対する最適化を体系的にバイアスしながら,Kraus表現性を操作して十分なコスト勾配を維持できることが判明した。
• 参考スコア（独自算出の注目度）: 1.5469452301122173
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distributed quantum algorithms offer a promising pathway to scale variational quantum algorithms beyond the constraints of noisy intermediate-scale quantum hardware. However, existing approaches implicitly assume a trusted entanglement-sharing layer across quantum processors. We show that this assumption introduces a fundamental vulnerability: adversarial perturbations of shared entanglement induce structured gate-level noise that directly impacts quantum learning. We develop a framework that maps entanglement-level perturbations to gate-level noise via an explicit Kraus representation. To quantify their impact, we introduce Kraus expressibility, a metric that generalizes unitary expressibility to noisy quantum channels. We then establish a trade-off between Kraus expressibility and trainability of noisy quantum circuits through gradient variance analysis. Our analysis reveals that an adversary can manipulate Kraus expressibility to maintain sufficiently large cost gradients (avoiding barren plateaus) while systematically biasing optimization toward incorrect solutions. We validate these findings through numerical simulations, demonstrating adversarial degradation of expressibility and trainability.
• Abstract（参考訳）: 分散量子アルゴリズムは、ノイズの多い中間スケール量子ハードウェアの制約を越えて変動量子アルゴリズムをスケールするための有望な経路を提供する。 しかし、既存のアプローチでは、量子プロセッサ間の信頼された絡み合い共有層を暗黙的に仮定している。 共有絡み合いの逆摂動は、量子学習に直接影響を及ぼす構造的ゲートレベルノイズを誘導する。 そこで我々は,クラウス表現を用いて,絡み合いレベルの摂動をゲートレベルの雑音にマッピングするフレームワークを開発した。 それらの影響を定量化するために、雑音のある量子チャネルに対するユニタリ表現率を一般化する計量であるクラウス表現率を導入する。 次に、勾配分散解析により、Kraus表現性と雑音量子回路のトレーニング性の間のトレードオフを確立する。 解析の結果,不正確な解に対する最適化を体系的にバイアスしながら,Kraus表現性を操作し,十分に大きなコスト勾配を維持できることが判明した。 これらの知見を数値シミュレーションにより検証し,表現性および訓練性に逆向きな劣化を示す。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Estimates of loss function concentration in noisy parametrized quantum circuits [0.0]
  変分量子コンピューティングは、量子化学、機械学習、最適化といった様々な分野にまたがるアプリケーションを備えた強力なフレームワークを提供する。 そのスケーラビリティは、バレン高原問題(Barren Plateau problem)として知られる損失関数の指数的な集中によって妨げられる。 本稿では,任意のノイズチャネルを持つ層状ノイズ量子回路の分散を記述するための新しい解析フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-02T18:00:09Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Enhancing Quantum Circuit Noise Robustness from a Geometric Perspective [2.1789818083464203]
  ノイズの多い環境での量子エラーは、量子情報技術の進歩の大きな障害である。 本稿では、ツイリング技術を用いて、回路ノイズの堅牢性を向上する方法を示す。 本研究は、制御パルスの単なる最適化以上のノイズ耐性量子制御を実現するための経路を照らす。
  論文  参考訳（メタデータ） (2023-05-11T13:34:39Z)
• Leveraging hardware-control imperfections for error mitigation via generalized quantum subspace [0.8399688944263843]
  完全フォールトトレランスのない量子コンピューティングの時代には、量子エラー緩和技術を通じてノイズ効果を抑え、量子デバイスの計算能力を高めることが不可欠である。 最も効果的なノイズ非依存誤差緩和スキームの1つは、一般化量子部分空間展開(GSE)法である。 本稿では,異なるノイズレベルを持つ量子状態のコピーを用いた誤り緩和量子状態を構成するフォールト・サブスペース法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T07:01:30Z)
• Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise [68.1992787416233]
  量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。 我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
  論文  参考訳（メタデータ） (2022-11-02T05:17:04Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)

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。