論文の概要: Breaking QAOA's Fixed Target Hamiltonian Barrier: A Fully Connected Quantum Boltzmann Machine via Bilevel Optimization

• arxiv url: http://arxiv.org/abs/2605.07473v1
• Date: Fri, 08 May 2026 09:20:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.94618
• Title: Breaking QAOA's Fixed Target Hamiltonian Barrier: A Fully Connected Quantum Boltzmann Machine via Bilevel Optimization
• Title（参考訳）: QAOAの固定目標ハミルトンバリアを破る:双レベル最適化による完全連結量子ボルツマンマシン
• Authors: Jun Liu,
• Abstract要約: この研究は、量子近似最適化アルゴリズム(QAOA)の従来の回路を2レベル最適化アーキテクチャに拡張する。 その結果,QAOA回路の単一層(p=1)のみを用いて,優れた性能を示すことがわかった。 このモデルは、ノイズが現在の主流の商用量子コンピューティングデバイスの上限を超える場合であっても、強い堅牢性を維持する。
• 参考スコア（独自算出の注目度）: 7.496694070699515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To overcome the limitations of classical partially connected Boltzmann machines and mainstream quantum Boltzmann machines (QBMs), this work extends the conventional circuit of the quantum approximate optimization algorithm (QAOA) to a bilevel optimization architecture and proposes a fully connected QBM. The inner-loop training simulates positive phase energy minimization based on the computational process of the conventional QAOA circuit, whereas the outer-loop training simulates negative phase contrastive divergence learning by optimizing the structural parameters of the target Hamiltonian. It is found that, first, the model exhibits superior performance using only a single layer (p=1) in the QAOA circuit, with an average probability of 0.9559 in measuring the target quantum state under noiseless conditions. Second, the model exhibits notable noise robustness. Under the typical noise level of current mainstream commercial quantum computing devices, the average probability of measuring the target quantum state reaches 0.6047; when the noise rises to a more stringent level with doubled intensity, this probability remains at 0.3859. In both scenarios, the target quantum state maintains the highest measurement probability among all detected states, with a value several times higher than that of the second-ranked state. This indicates that the model retains strong robustness even when noise meets or exceeds the upper limit of current mainstream commercial quantum computing devices. Third, under a block-by-block learning strategy with p=1 and only 10 measurement shots, the model consistently generates the target "qubit" grid image regardless of noise interference, demonstrating strong robustness in image generation.
• Abstract（参考訳）: 古典的部分連結ボルツマンマシンと主流量子ボルツマンマシン(QBM)の限界を克服するため、この研究は量子近似最適化アルゴリズム(QAOA)の従来の回路を2レベル最適化アーキテクチャに拡張し、完全連結QBMを提案する。 インナーループトレーニングは従来のQAOA回路の計算処理に基づいて正位相エネルギー最小化をシミュレートする一方,外ループトレーニングはターゲットハミルトニアンの構造パラメータを最適化することにより負位相コントラスト分散学習をシミュレートする。 まず、QAOA回路の1層(p=1)のみを用いて、ノイズのない条件下での目標量子状態の測定において平均0.9559の確率で優れた性能を示すことを示した。 第二に、このモデルは顕著な耐雑音性を示す。 現在の商用量子コンピューティング機器の典型的なノイズレベルの下では、ターゲットの量子状態を測定する平均確率は0.6047に達し、ノイズが2倍の強度でより厳密なレベルに達すると、この確率は0.3859となる。 どちらのシナリオでも、ターゲットの量子状態は、検出された全ての状態の中で最も高い測定確率を維持し、第2位の状態よりも数倍高い値である。 これは、ノイズが現在の主流の商用量子コンピューティングデバイスの上限を超える場合であっても、モデルが強い堅牢性を保っていることを示している。 第3に、p=1のブロック・バイ・ブロック・ラーニング戦略と10枚の計測ショットのみを用いて、ノイズ干渉によらず目標の「量子」グリッド画像を生成し、画像生成において強い堅牢性を示す。

関連論文リスト

• Multi-Outcome Circuit Optimization for Enhanced Non-Gaussian State Generation [0.0]
  フォールトトレラント量子計算における重要な要件は、非ガウス量子状態の生成である。 本稿では,総合的な受理確率を高めるマルチアウトカム最適化戦略を提案し,実証する。
  論文  参考訳（メタデータ） (2026-03-18T21:40:34Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Matrix product state approach to lossy boson sampling and noisy IQP sampling [0.7066293026438526]
  損失ボソンサンプリングとノイズのある瞬時量子時間サンプリングのための古典的アルゴリズムを開発した。 我々のアルゴリズムは精度と効率のトレードオフを大幅に改善する。 さらに、MPSシミュレーションの適用性を、ノイズの多い量子サンプリングモデルのより広範なクラスに拡張する。
  論文  参考訳（メタデータ） (2025-10-28T07:23:10Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Limitations of variational quantum algorithms: a quantum optimal transport approach [11.202435939275675]
  我々は、ノイズとノイズレスの両体制において、標準NISQ提案の極めて厳密な境界を得る。 境界は、QAOAのような両方の回路モデルアルゴリズムと、量子アニールのような連続時間アルゴリズムの性能を制限する。
  論文  参考訳（メタデータ） (2022-04-07T13:58:44Z)

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。