論文の概要: An IQP Born Machine for Calorimeter Image Generation at 64 Qubits with Compiled-IQP Deployment

• arxiv url: http://arxiv.org/abs/2605.27735v1
• Date: Tue, 26 May 2026 22:18:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.577692
• Title: An IQP Born Machine for Calorimeter Image Generation at 64 Qubits with Compiled-IQP Deployment
• Title（参考訳）: コンパイル済みIQP展開による64kbitでの計測画像生成のためのIQPボーンマシン
• Authors: Jamal Slim, Saverio Monaco, Florian Rehm, Dirk Krücker, Kerstin Borras,
• Abstract要約: 我々は、実際の高エネルギー物理カロリーのシャワー画像に64ドルキュービットで即時量子時間(IQP)ボーンマシンを訓練する。 トレーニングされたモデルを1つのサンプリングハードIQP回路にコンパイルし、量子展開を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We train an instantaneous quantum polynomial-time (IQP) Born machine on real high-energy-physics calorimeter shower images at $64$ qubits and compile the trained model into a single sampling-hard IQP circuit for quantum deployment. The pipeline has three components: a Mixture-of-IQP (\moiqp{}) architecture, whose Walsh-diagonal MMD$^{2}$ loss is classically trainable by Van den Nest Fourier Monte Carlo; the Pearson-Stabilized Correlation Kernel (\psck{}), a positive-definite MMD kernel that biases descent toward correlation-sensitive directions through a data-evaluated Jacobian of the empirical Pearson matrix; and an exact deferred-measurement compilation of \moiqp{} into a single IQP circuit on $\nfeat + \lceil \log_2 \Lcomp \rceil$ qubits (\ciqp{}). Across five seeds at $\Lcomp = 8$, $1500$ epochs, the model reaches $\maerho = 0.069 \pm 0.008$ against a $0.052$ encoding-fidelity floor on the training split and $0.071 \pm 0.008$ on a held-out test split, versus a Liu--Wang baseline at $\maerho = 0.100$. The compiled \ciqp{} reproduces the \moiqp{} marginal to $0.591 \pm 0.012$ times the Monte Carlo noise floor.
• Abstract（参考訳）: 我々は、実エネルギー物理量計のシャワー画像に64ドルキュービットの即時量子多項式時間(IQP)ボーンマシンをトレーニングし、トレーニングされたモデルを量子展開のために単一のサンプリングハードIQP回路にコンパイルする。 パイプラインには3つの構成要素がある: ウォルシュ対角 MMD$^{2}$損失はファン・デン・ネス・フーリエ・モンテカルロ(英語版)によって古典的に訓練可能であり、ピアソン・スタビライズド・相関カーネル(英語版) (\psck{})、経験的ピアソン行列のデータ評価ヤコビアン(英語版)を通して相関性のある方向への傾きを偏らせる正定値のMDDカーネル(英語版)、および \moiqp{} を$\nfeat + \lceil \log_2 \Lcomp \rceil$qubits (\ciqp{}) 上の単一のIQP回路に正確に遅延測定コンパイルする。 5つのシードを$\Lcomp = 8$, $1500$ epochsで、トレーニングスプリットの0.052$エンコーディングフィデリティフロアに対して$\maerho = 0.069 \pm 0.008$、ホールドアウトテストスプリットで$0.071 \pm 0.008$、そして、Liu-Wangベースラインの$\maerho = 0.100$に達する。 コンパイルされた \ciqp{} は、モンテカルロノイズフロアの0.591 pm 0.012$ 倍の限界を再生する。

関連論文リスト

• Phase-Fidelity-Aware Truncated Quantum Fourier Transform for Scalable Phase Estimation on NISQ Hardware [0.0]
  emphPhase-Fidelity-Aware Truncated QFT (PFA-TQFT)について紹介する。 PFA-TQFTは、ハードウェアキャリブレーションされた忠実度閾値$eps$以下の制御相回転を省略する。 我々は, IBM Eagle/Heron と IonQAria のゲート数削減を無視できる精度で, m = 30 で 31.3 -43.7% を実証した。
  論文  参考訳（メタデータ） (2026-04-07T05:39:21Z)
• qc-kmeans: A Quantum Compressive K-Means Algorithm for NISQ Devices [3.4129039170001314]
  NISQハードウェア上のクラスタリングは、データローディングと限定キュービットによって制限される。 提案するqc-kmeansは,QAOA回路が浅いグループごとのQUBOを解くことで,一定のサイズのフーリエ特徴スケッチでデータセットを要約し,セントロイドを選択するハイブリッドな$k$-meansである。
  論文  参考訳（メタデータ） (2025-10-26T05:44:17Z)
• Noisy Quantum Simulation Using Tracking, Uncomputation and Sampling [1.989128176079823]
  ほとんどの研究者にとって、量子ハードウェア上の計算時間へのアクセスは限られている。 これにより、量子回路の実行を正確に、かつ正確に模倣するシミュレータを構築する必要が生じる。 本稿では,雑音量子シミュレーションのためのTUSQ - Tracking, Uncomputation, Smplingを提案する。
  論文  参考訳（メタデータ） (2025-08-06T21:08:39Z)
• IQP computations with intermediate measurements [0.0]
  我々は、IQP回路の計算モデルを考える(全ての計算ステップは、ベース対角ゲートが$X$である)。 非適応的または適応的$X$基底測定を許すか、非適応的$Z$基底測定を許すなら、計算力は元のIQPモデルと同じである。
  論文  参考訳（メタデータ） (2024-08-19T15:32:33Z)
• On sampling determinantal and Pfaffian point processes on a quantum computer [49.1574468325115]
  DPPは1970年代の量子光学のモデルとしてマッキによって導入された。 ほとんどのアプリケーションはDPPからのサンプリングを必要としており、その量子起源を考えると、古典的なコンピュータでDPPをサンプリングするのは古典的なものよりも簡単かどうか疑問に思うのが自然である。 バニラサンプリングは、各コスト$mathcalO(N3)$と$mathcalO(Nr2)$の2つのステップから構成される。
  論文  参考訳（メタデータ） (2023-05-25T08:43:11Z)
• Polyak-Ruppert Averaged Q-Leaning is Statistically Efficient [90.14768299744792]
  我々はPolyak-Ruppert 平均 Q-leaning (平均 Q-leaning) を用いた同期 Q-learning を$gamma$-discounted MDP で検討した。 繰り返し平均$barboldsymbolQ_T$に対して正規性を確立する。 要するに、我々の理論分析は、Q-Leaningの平均は統計的に効率的であることを示している。
  論文  参考訳（メタデータ） (2021-12-29T14:47:56Z)
• Tightening the Dependence on Horizon in the Sample Complexity of Q-Learning [59.71676469100807]
  この研究は、同期Q-ラーニングのサンプルの複雑さを、任意の$0varepsilon 1$に対して$frac|mathcalS| (1-gamma)4varepsilon2$の順序に絞る。 計算やストレージを余分に必要とせずに、高速なq-learningにマッチするvanilla q-learningの有効性を明らかにした。
  論文  参考訳（メタデータ） (2021-02-12T14:22:05Z)
• Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
  非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
  論文  参考訳（メタデータ） (2020-06-04T17:51:00Z)

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。