論文の概要: Mutually Unbiased Bases for Variational Quantum Initialization: Basis-Union Optimality and Adaptive Family Search

• arxiv url: http://arxiv.org/abs/2605.16060v1
• Date: Fri, 15 May 2026 15:26:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.33643
• Title: Mutually Unbiased Bases for Variational Quantum Initialization: Basis-Union Optimality and Adaptive Family Search
• Title（参考訳）: 変分量子初期化のための相互に偏りのない基底:基底-ユニオン最適性と適応家族探索
• Authors: Abed Semre, Steven Frankel,
• Abstract要約: 我々は量子アルゴリズムの相互に偏りのない基底を探索する。 対角的なQUBOコストでは、完全に整合した建設崩壊のMUB族依存性が崩壊する。 標準bラベルの場合、通常のXミキサーQAOAに還元される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study mutually unbiased bases (MUBs) as structured finite initialization and adaptation families for variational quantum algorithms. The main theoretical result is that, in every dimension admitting a complete set of MUBs, the complete MUB ensemble maximizes isotropic Gaussian random-Hamiltonian width among all unions of d+1 orthonormal bases in C^d. Equivalently, within this basis-union class, it gives the smallest expected best-of-set minimum for random-Hamiltonian minimization. The proof represents each orthonormal basis as a regular-simplex Gaussian block and uses a centered-convex Gaussian correlation inequality to show that the independent-block case, realized by complete MUBs, is stochastically extremal. We also record a radial extension for Hamiltonians H=RG with R nonnegative and independent, and the unrestricted qubit case, where complete qubit MUBs are globally optimal among arbitrary six-state ensembles by a Bloch-sphere/octahedron mean-width argument. We then separate this coverage theorem from variational training dynamics. For diagonal QUBO costs, the MUB-family dependence of a fully matched construction collapses; for the canonical b=0 label it reduces to ordinary X-mixer QAOA. The empirical method is therefore adaptive MUB-XRot warm-start QAOA rather than canonical matched-mixer MUB-QAOA. In a cross-problem benchmark over MaxCut, weighted MaxCut, MIS, weighted MIS, and knapsack, adaptive MUB-XRot is non-worse than standard QAOA in 80.0% of 1500 paired cases, with win/tie/loss 829/371/300 and mean decoded-ratio improvement +0.1616. A separate QRAO MaxCut study shows that bit-flip MUB-family search reaches mean relaxed ratio 0.921 and improves over the X-variational baseline by +0.0608. The evidence is quality-oriented and incurs substantial runtime overhead; no quantum-advantage claim is made.
• Abstract（参考訳）: 変動量子アルゴリズムにおける構造的有限初期化と適応系列として相互非バイアス基底(MUB)について検討する。 主な理論的な結果は、すべての次元において MUB の完全集合を許容すると、完全な MUB アンサンブルは C^d 内の d+1 正規直交基底のすべての和の中で等方的ガウス的ランダム-ハミルトン幅を最大化するということである。 同様に、この基底ユニオンクラスの中では、ランダム・ハミルトニアン最小化に対して最小限の期待値の最小値を与える。 この証明は各正規直交基底を正規複素ガウスブロックとして表し、中心凸ガウス相関の不等式を用いて、完全 MUB によって実現された独立ブロックの場合が確率的に極大であることを示す。 また、R が非負で独立なハミルトニアン H=RG と、完全量子ビット MUB がブロッホ球/オクタヘドロン平均幅の引数によって任意の6状態アンサンブルの中で大域的に最適であるような非制限量子ビットの場合のラジアル展開も記録する。 次に、このカバレッジ定理を変分訓練力学から分離する。 対角的なQUBOコストでは、完全に整合した建設崩壊のMUB族依存性があり、カノニカルなb=0ラベルでは通常のX-ミキサーQAOAに還元される。 したがって、実験方法は標準マッチングミキサーMUB-QAOAよりも適応的なMUB-XRotウォームスタートQAOAである。 MaxCut、重み付きMaxCut、MIS、重み付きMIS、knapsackのクロスプロブレムベンチマークでは、1500のペアケースの80.0%において、適応MUB-XRotは標準QAOAよりも非弱く、Win/tie/loss 829/371/300と平均復号率改善+0.1616である。 QRAO MaxCutによる別の研究では、ビットフリップMUBファミリーサーチは平均緩和比0.921に達し、X変量ベースラインを+0.0608で改善している。 証拠は品質指向であり、実質的なランタイムオーバーヘッドを引き起こし、量子アドバンテージの主張はなされていない。

関連論文リスト

• Direct Bethe Free Energy Minimization for Bayesian Neural Network [0.0]
  我々は,変分下界を最大化するのではなく,Bethe自由エネルギーを直接最小化してベイズニューラルネットワークを訓練することを提案する。 木構造因子グラフ上では、Bethe自由エネルギーは正確であり、決定論的層は目的から外れ、標準のバックプロパゲーションによって訓練される。 すべての変種は、アンサンブルやサンプリングベースの手法とは対照的に、MAP等価な推論コストで閉形式予測を許容する。
  論文  参考訳（メタデータ） (2026-05-08T20:12:48Z)
• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• Continuous K-Max Bandits [54.21533414838677]
  我々は、連続的な結果分布と弱い値-インデックスフィードバックを持つ、$K$-Maxのマルチアームバンディット問題について検討する。 この設定は、レコメンデーションシステム、分散コンピューティング、サーバスケジューリングなどにおいて重要なアプリケーションをキャプチャします。 我々の重要な貢献は、適応的な離散化とバイアス補正された信頼境界を組み合わせた計算効率の良いアルゴリズムDCK-UCBである。
  論文  参考訳（メタデータ） (2025-02-19T06:37:37Z)
• Precise Asymptotics of Bagging Regularized M-estimators [20.077783679095443]
  我々は,アンサンブル推定器の正方形予測リスクを,正規化M値推定器のサブタグ化(サブサンプルブートストラップ集約)により特徴付ける。 我々の分析の鍵は、重なり合うサブサンプル上の推定値と残差との相関関係の結合挙動に関する新しい結果である。 サブサンプルサイズ,アンサンブルサイズ,正規化の併用最適化は,全データに対してのみ,正規化器の最適化を著しく上回る。
  論文  参考訳（メタデータ） (2024-09-23T17:48:28Z)
• Distributed Extra-gradient with Optimal Complexity and Communication Guarantees [60.571030754252824]
  複数のプロセッサ/ワーカー/クライアントがローカルなデュアルベクトルにアクセス可能なマルチGPU設定において、モノトン変分不等式(VI)問題を考察する。 モノトーンVI問題に対するデファクトアルゴリズムであるExtra-gradientは、通信効率が良くないように設計されている。 そこで本稿では,VI の解法に適した非バイアスで適応的な圧縮手法である量子化一般化外部勾配 (Q-GenX) を提案する。
  論文  参考訳（メタデータ） (2023-08-17T21:15:04Z)
• Implicitly normalized forecaster with clipping for linear and non-linear heavy-tailed multi-armed bandits [85.27420062094086]
  Implicitly Normalized Forecaster (INF) は、敵対的マルチアームバンディット(MAB)問題に対する最適解であると考えられている。 重み付き設定のMAB問題に対するクリッピング(INFclip)を用いたINFの新バージョン"Implicitly Normalized Forecaster"を提案する。 INFclipは線形重み付きMAB問題に対して最適であり、非線形問題に対して有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-11T12:00:43Z)
• General Gaussian Noise Mechanisms and Their Optimality for Unbiased Mean Estimation [58.03500081540042]
  プライベート平均推定に対する古典的なアプローチは、真の平均を計算し、バイアスのないがおそらく相関のあるガウスノイズを加えることである。 すべての入力データセットに対して、集中的な差分プライバシーを満たす非バイアス平均推定器が、少なくとも多くのエラーをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-01-31T18:47:42Z)

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。