論文の概要: Quantum Algorithm for Distributed Reduction of Entanglements (QADR): A Trainable and Simulation-Efficient QML Framework

• arxiv url: http://arxiv.org/abs/2606.01291v1
• Date: Sun, 31 May 2026 15:23:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.501501
• Title: Quantum Algorithm for Distributed Reduction of Entanglements (QADR): A Trainable and Simulation-Efficient QML Framework
• Title（参考訳）: 量子エンタングルメントの分散化のための量子アルゴリズム(QADR):学習可能でシミュレーション効率の良いQMLフレームワーク
• Authors: Syed Farhan Ahmad, Gregory T. Byrd,
• Abstract要約: ノイズ中間量子(NISQ)制約下での変分量子回路(VQC)の訓練は、厳しい計算制限をもたらす。 本稿では,量子エンタングルメントの分散化のための量子アルゴリズム(QADR)を紹介し,評価する。 QADRは、グローバル$n$-qubit VQCを、個々の標的量子ビットの因果光円錐のほぼ内で動作する局所化サブ回路に分解する。
• 参考スコア（独自算出の注目度）: 0.0787796182001592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training Variational Quantum Circuits (VQCs) under Noisy Intermediate-Scale Quantum (NISQ) constraints introduces severe computational limitations: classical statevector simulation memory scales exponentially ($\mathcal{O}(2^n)$), and global cost functions suffer from barren plateaus where gradient variance decays exponentially ($\mathcal{O}(1/2^n)$). This paper introduces and evaluates the Quantum Algorithm for Distributed Reduction of Entanglements (QADR), a hybrid quantum-classical machine learning framework that decomposes a global $n$-qubit VQC into localized sub-circuits operating approximately within the causal light cones of individual target qubits. QADR reduces classical simulation memory scaling from $\mathcal{O}(2^n)$ to $\mathcal{O}(n \cdot 2^{2d+1})$ for a light cone radius $d$, while naturally mitigating global barren plateaus. We benchmark QADR against standard global VQCs, Support Vector Machines (SVM), and two customized classical parameter-matched neural networks (CANN and PMNN) on the MNIST dataset and the high-dimensional NASA IMS wind turbine drivetrain diagnostic task. QADR demonstrates excellent scalability, operating successfully at $n_{\text{features}}=2000$ where standard global VQCs crash due to memory exhaustion, while matching or exceeding the performance of optimized classical architectures.
• Abstract（参考訳）: 古典的状態ベクトルシミュレーションメモリは指数関数的に(\mathcal{O}(2^n)$)、大域的コスト関数は、勾配分散が指数関数的に(\mathcal{O}(1/2^n)$)指数関数的に崩壊するバレンプラトーに悩まされる。 本稿では,グローバルな$n$-qubit VQCを個別の量子ビットの因果光円錐内で動作する局所化サブ回路に分解するハイブリッド量子古典機械学習フレームワークであるQuantum Reduction of Entanglements (QADR)を紹介し,評価する。 QADR は古典的なシミュレーションメモリのスケーリングを $\mathcal{O}(2^n)$ から $\mathcal{O}(n \cdot 2^{2d+1})$ に還元する。 我々は、標準的なグローバルVQC、サポートベクトルマシン(SVM)、MNISTデータセットと高次元NASA IMS風力タービン駆動診断タスクの2つのカスタマイズされた古典的パラメータマッチングニューラルネットワーク(CANNとPMNN)に対してQADRをベンチマークする。 QADRは優れたスケーラビリティを示し、$n_{\text{features}}=2000$で正常に動作する。

関連論文リスト

• Fixed-Reservoir vs Variational Quantum Architectures for Chaotic Dynamics: Benchmarking QRC and QPINN on the Lorenz System [0.14323566945483496]
  ロレンツ系におけるカオス時系列予測のための2つの量子的アプローチを比較する。 本研究では,QRCパイプライン内の時間的ウィンドウ化手法を定式化し,アトラクタ再構成を改善する。 以上の結果から, 固定貯留層構造がQRCの優位性の主要な要因であることが示唆された。
  論文  参考訳（メタデータ） (2026-04-26T14:43:03Z)
• Solving larger Travelling Salesman Problem networks with a penalty-free Variational Quantum Algorithm [5.690622599243828]
  トラベルセールスマン問題(TSP)はNPハード問題としてよく知られており、ラストマイル配送のような産業用ユースケースがある。 我々は、最大12箇所のネットワークのノイズフリーシミュレーションにおいて、ハイブリッドペナルティフリー回路モデルを用いて高品質な解を提案する。
  論文  参考訳（メタデータ） (2025-12-06T18:21:21Z)
• Hybrid Quantum-Classical Neural Networks for Few-Shot Credit Risk Assessment [52.05742536403784]
  この仕事は、数発の信用リスク評価の課題に取り組む。 我々は、新しいハイブリッド量子古典ワークフローを設計、実装する。 量子ニューラルネットワーク(QNN)はパラメータシフト規則によって訓練された。 実世界の279のサンプルデータを用いて、QNNはシミュレーションで0.852 +/-0.027の堅牢な平均AUCを達成し、ハードウェア実験で0.88の印象的なAUCを得た。
  論文  参考訳（メタデータ） (2025-09-17T08:36:05Z)
• A distillation-teleportation protocol for fault-tolerant QRAM [95.99192129224721]
  本稿では,論理量子乱数アクセスメモリ(QRAM)をフォールトトレラント実装するためのプロトコルを提案する。 古典的メモリサイズ2n$をコヒーレントにアクセスするために、我々のプロトコルは、フォールトトレラントな量子リソースをわずか$mathrmpoly(n)$で消費する。
  論文  参考訳（メタデータ） (2025-05-26T17:42:56Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Non-Iterative Disentangled Unitary Coupled-Cluster based on Lie-algebraic structure [0.0]
  量子化学変分量子ソルバ(VQE)計算の実行には、固定されたユニタリ結合クラスター(UCC)アンス"アゼが魅力的である。 固定および非整合型ユニタリカップリング・クラスタコンパクトアンサッツである$k$-NI-DUCCを導入する。
  論文  参考訳（メタデータ） (2024-08-26T14:19:53Z)
• Evaluating Ground State Energies of Chemical Systems with Low-Depth Quantum Circuits and High Accuracy [6.81054341190257]
  我々は,Qubit Coupled Cluster (QCC) に基づく拡張型変分量子固有解器 (VQE) アンサッツを開発した。 我々は、IBM KolkataとQuantinuum H1-1の2つの異なる量子ハードウェア上で、拡張QCCアンサッツを評価する。
  論文  参考訳（メタデータ） (2024-02-21T17:45:03Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$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)
• Quantum Annealing vs. QAOA: 127 Qubit Higher-Order Ising Problems on NISQ Computers [0.0]
  QAOA(Quantum Alternating Operator Ansatz)は、最適化問題の最適解を目的とした量子アルゴリズムである。 我々は、D-Waveハードウェア上のQAとIBMQハードウェア上のQAOAの厳密な比較を実装した。 QAがすべての問題インスタンスでQAOAを上回っていることが分かりました。
  論文  参考訳（メタデータ） (2023-01-02T04:19:46Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。