論文の概要: Classical State Preparation for Variational Quantum Algorithms via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2605.23138v1
• Date: Fri, 22 May 2026 01:24:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.150044
• Title: Classical State Preparation for Variational Quantum Algorithms via Reinforcement Learning
• Title（参考訳）: 強化学習による変分量子アルゴリズムの古典的準備
• Authors: Gino Kwun, Dhanvi Bharadwaj, Gokul Subramanian Ravi,
• Abstract要約: 変分量子アルゴリズム(VQA)は、実用的な量子優位性への経路を提供する可能性がある。 既存の手法は、広大な検索空間内でのスケールに苦慮している。 離散プレフィックス選択を逐次決定問題として定式化するフレームワークであるCRiSPを提案する。
• 参考スコア（独自算出の注目度）: 1.188153696403593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational Quantum Algorithms (VQAs) potentially offer a pathway to practical quantum advantage, but their optimization is heavily hindered by barren plateaus and numerous local minima. While classically simulable Clifford circuits can warm-start VQAs to accelerate convergence, existing heuristic-based initialization methods struggle to scale within vast combinatorial search spaces. To overcome this bottleneck, we propose CRiSP (a Clifford Reinforcement Learning agent for State Preparation), a framework that formulates discrete prefix selection as a sequential decision-making problem. CRiSP utilizes Neural-Guided Monte Carlo Tree Search, driven by a Transformer-based policy trained via self-play, to insert learned Clifford gates before fixed parameterized rotations. This enables the construction of high-quality initial states entirely through polynomial-time classical stabilizer simulation without altering the underlying circuit architecture. By integrating a curriculum learning strategy that progressively expands the search horizon, the agent efficiently scales to deep circuits. Evaluated on QAOA benchmarks of up to $22$ qubits and $1{,}370$ parameters, CRiSP outperforms state-of-the-art Clifford initialization methods by a mean of $3.17\times$ (max $45.02\times$) in average energy accuracy and $2.44\times$ (max $16.01\times$) in best-achieved energy accuracy. Assessments on VQE tasks further demonstrate the framework's robustness and generalizability.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、実用的な量子優位性への経路を提供する可能性があるが、その最適化は不規則なプラトーと多くの局所的なミニマによって大きく妨げられている。 古典的にシミュレート可能なクリフォード回路は収束を加速するためにVQAを温めることができるが、既存のヒューリスティックな初期化法は膨大な組合せ探索空間内でスケールするのに苦労する。 このボトルネックを克服するために、離散プレフィックス選択を逐次決定問題として定式化するフレームワークであるCRiSP(Clifford Reinforcement Learning Agent for State prepared)を提案する。 CRiSPは、True-Guided Monte Carlo Tree Searchを使用して、自己プレイでトレーニングされたTransformerベースのポリシーによって駆動され、パラメータ化された固定回転の前に学習されたCliffordゲートを挿入する。 これにより、基礎となる回路アーキテクチャを変更することなく、多項式時間古典安定化器シミュレーションを通じて、高品質な初期状態を構築することができる。 探索地平線を徐々に拡大するカリキュラム学習戦略を統合することにより、エージェントは効率的に深層回路にスケールする。 最大22$キュービットと1{,}370$パラメータのQAOAベンチマークで評価され、CRiSPは最先端のクリフォード初期化手法を平均エネルギー精度で3.17\times$(最大45.02\times$)と2.44\times$(最大16.01\times$)で上回っている。 VQEタスクの評価は、フレームワークの堅牢性と一般化性をさらに証明している。

関連論文リスト

• Scalable Clifford-Based Classical Initialization for the Quantum Approximate Optimization Algorithm [1.087626389886227]
  変分量子アルゴリズム(VQA)は、量子デバイス上で最適化問題に取り組むための有望な経路を提供する。 しかし、その性能は初期パラメータの選択に依存する。 本稿では,最先端のアンザッツに対して最大80%の精度向上を実現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-15T22:49:54Z)
• 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)
• Quantum-Enhanced Neural Contextual Bandit Algorithms [50.880384999888044]
  本稿では,Quantum Neural Tangent Kernel-Upper Confidence Bound (QNTK-UCB)アルゴリズムを提案する。 QNTK-UCBは、量子ニューラルタンジェントカーネル(QNTK)を利用してこれらの制限に対処する新しいアルゴリズムである。
  論文  参考訳（メタデータ） (2026-01-06T09:58:14Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Simulation of IBM's kicked Ising experiment with Projected Entangled Pair Operator [71.10376783074766]
  我々は最近,誤りを軽減した量子回路を用いてエミュレートされた127量子ビットキックド・イジングモデルの古典的シミュレーションを行った。 提案手法はハイゼンベルク図の射影的絡み合ったペア作用素(PEPO)に基づいている。 我々はクリフォード展開理論を開発し、正確な期待値を計算し、それらをアルゴリズムの評価に利用する。
  論文  参考訳（メタデータ） (2023-08-06T10:24:23Z)
• Quantum Architecture Search for Quantum Monte Carlo Integration via Conditional Parameterized Circuits with Application to Finance [0.0]
  古典的モンテカルロアルゴリズムは、振幅推定(AE)を用いて理論的に量子コンピュータ上にスピンアップできる 我々は、パラメータ化量子回路の事前学習に基づく簡単なアプローチを開発する。 AEアルゴリズムのサブルーチンとして使用できるように、条件付き変種に変換する方法を示す。
  論文  参考訳（メタデータ） (2023-04-18T07:56:57Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• CAFQA: A classical simulation bootstrap for variational quantum algorithms [8.659073885003684]
  CAFQAアンサッツ(CAFQA ansatz)は、クリフォードゲートのみを備えたハードウェア効率の良い回路である。 CAFQAは6.4xと56.8xの平均精度の改善を、異なるメトリクスで達成している。 CAFQAの高精度により、VQAの収束は小さな分子でも2.5倍加速することが示されている。
  論文  参考訳（メタデータ） (2022-02-25T19:29:59Z)
• 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)
• Quadratic Clifford expansion for efficient benchmarking and initialization of variational quantum algorithms [0.8808007156832224]
  変分量子アルゴリズムは、短期量子コンピュータの魅力的な応用であると考えられている。 本稿では,変分量子アルゴリズムの効率的なベンチマークのための摂動的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-11-19T16:09:00Z)

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。