論文の概要: Variational Quantum Models for Knowledge Graph Embeddings on NISQ Devices

• arxiv url: http://arxiv.org/abs/2605.28723v1
• Date: Wed, 27 May 2026 16:40:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.224463
• Title: Variational Quantum Models for Knowledge Graph Embeddings on NISQ Devices
• Title（参考訳）: NISQデバイス上の知識グラフ埋め込みのための変分量子モデル
• Authors: Guido Bellomo, Martín Santesteban, Patricio Bruno, Santiago Cifuentes, Gustavo Martín Bosyk,
• Abstract要約: 変分量子アルゴリズム(VQA)は、量子回路と古典的な最適化を組み合わせて、短期量子ハードウェアの恩恵を受ける可能性のある問題に取り組む。 このアプローチに基づく最近の提案では、スコア関数の計算方法や必要なキュービット数が異なる。 この作業では、2つのスキームをキャプチャし、新しい変種を探索可能にする統一的なフレームワークを導入している。
• 参考スコア（独自算出の注目度）: 0.5872014229110214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational Quantum Algorithms (VQAs) combine quantum circuits with classical optimization to tackle problems that may benefit from the capabilities of near-term quantum hardware. In knowledge graph embedding, recent proposals based on this approach follow a similar overall architecture but differ in the way they compute the score function and in the number of qubits they require. One design uses $n+1$ qubits and obtains the score through a switch test on an ancillary qubit, while another employs $2n+1$ qubits and applies a swap test between two registers. In both cases, entities and relations are represented in a Hilbert space of dimension $d = 2^n$, with comparable computational cost and the same mean squared error loss. This work introduces a unified framework that captures the two schemes and makes it possible to explore new variants. Within this setting, we propose an alternative that keeps the intuitive meaning of the score function while dispensing with ancillary qubits and entangled measurements. The result is a model better suited to current NISQ devices, reducing hardware demands without sacrificing interpretability.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、量子回路と古典的な最適化を組み合わせて、短期量子ハードウェアの能力の恩恵を受ける可能性のある問題に取り組む。 知識グラフの埋め込みにおいて、このアプローチに基づく最近の提案は、同様の全体的なアーキテクチャに従うが、スコア関数の計算方法や必要なキュービット数が異なる。 ある設計では$n+1$ qubitsを使用し、Acillary qubit上のスイッチテストを通じてスコアを取得し、別の設計では2n+1$ qubitsを使用し、2つのレジスタ間でスワップテストを適用する。 どちらの場合も、実体と関係は次元$d = 2^n$のヒルベルト空間で表され、計算コストと平均二乗誤差損失が同じである。 この作業では、2つのスキームをキャプチャし、新しい変種を探索可能にする統一的なフレームワークを導入している。 そこで本研究では,楽譜関数の直感的な意味を保ちつつ,アクビットや絡み合った測定を伴わずに,楽譜関数の直感的な意味を維持する方法を提案する。 その結果、現在のNISQデバイスに適しているモデルとなり、解釈性を犠牲にすることなく、ハードウェアの需要を減らした。

関連論文リスト

• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• How "Quantum" is your Quantum Computer? Macrorealism-based Benchmarking via Mid-Circuit Parity Measurements [0.0]
  マクロリアリズム(MR)の振動はIBM QC上で最大$N = 38$ qubitsまで検出され、MRの最もよく知られた結果よりもN$が1桁増加する。 提案したNDC測定値を用いて2つのQCをベンチマークし、量子度を1世代から次の世代に3倍改善したことを示す。
  論文  参考訳（メタデータ） (2025-11-19T21:15:54Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Distributed quantum algorithm for divergence estimation and beyond [12.925989807145301]
  本稿では,$rm Tr(f(A)g(B))$を付加誤差$varepsilon$内で計算する分散量子アルゴリズムフレームワークを提案する。 このフレームワークは、様々な分散量子コンピューティングタスクに適用可能である。
  論文  参考訳（メタデータ） (2025-03-12T14:28:22Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Variational Quantum Eigensolver for Classification in Credit Sales Risk [0.5524804393257919]
  本稿では,変分量子固有解器(VQE)といわゆるSWAP-Testに基づく量子回路について考察する。 活用されたデータセットでは、2つのクラスが観察できる。 この解はコンパクトであり、対数的に増加するキュービット数だけを必要とする。
  論文  参考訳（メタデータ） (2023-03-05T23:08:39Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)

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。