論文の概要: Measurement circuit ansatz: Naimark versus quantum neural-network measurements

• arxiv url: http://arxiv.org/abs/2606.07376v1
• Date: Fri, 05 Jun 2026 15:18:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.81486
• Title: Measurement circuit ansatz: Naimark versus quantum neural-network measurements
• Title（参考訳）: 計測回路アンサッツ : ナイマーク対量子神経ネットワーク計測
• Authors: Sung Won Yun, Thi Ha Kyaw, Joonwoo Bae,
• Abstract要約: 本稿では,量子ハードウェアの一般測定を行うための量子回路の構成について述べる。 我々は量子ニューラルネット(QNN)回路でナイマーク測定を緩和し、パラメータ化量子回路を用いる。 我々は,QNN回路がより少ないトレーニングで最適に近い量子測定を効率よく,効果的に達成できることを実証した。
• 参考スコア（独自算出の注目度）: 0.38233569758620045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present constructions of quantum circuits to implement general measurements on quantum hardware. Firstly, we investigate a quantum circuit ansatz by following the Naimark extension with a universal set of gates, such as controlled-NOT and single-qubit gates; we call it a Naimark quantum measurement. We present a circuit ansatz framed by the Naimark extension, leaving single-qubit gates with parameters, and apply a classical optimizer to determine their parameters to approximate a desired quantum measurement. Secondly, we relax the Naimark measurement with quantum neural-network (QNN) circuits, employing parameterized quantum circuits. We present hybrid Naimark-QNN measurements by incorporating QNN circuits into Naimark measurements. Thirdly, we also consider fully QNN measurements with shallow parameterized circuits. Then, we compare the constructed measurement circuits, Naimark, hybrid Naimark-QNN, and fully QNN measurements, for strategies of state discrimination, such as minimum-error and maximum-confidence measurements. We demonstrate that QNN circuits can efficiently and effectively achieve near-optimal quantum measurements with fewer training iterations.
• Abstract（参考訳）: 本研究では,量子ハードウェアの一般測定を行うための量子回路の構成について述べる。 まず、制御NOTや単一量子ビットゲートなどの普遍的なゲートを持つナイマルク拡張に従って量子回路アンサッツを探索し、これをナイマルク量子測定と呼ぶ。 ナイマーク拡張によってフレーム化された回路アンサッツを1量子ビットゲートにパラメータを残し、古典最適化器を適用してパラメータを決定し、所望の量子測定を近似する。 第二に、パラメータ化量子回路を用いて量子ニューラルネット(QNN)回路を用いてナイマーク測定を緩和する。 実測値にQNN回路を組み込むことにより,ハイブリッドなNaimark-QNN計測を行う。 第3に、浅いパラメータ化回路を用いた完全QNN測定についても検討する。 次に,構築した測定回路であるネイマーク,ハイブリッドナイマークQNN,および完全QNNを,最小誤差や最大信頼度といった状態判別の戦略として比較した。 我々は,QNN回路が,トレーニングイテレーションの少ない近似量子計測を効率よく,効果的に実現できることを実証した。

関連論文リスト

• QuanTest: Entanglement-Guided Testing of Quantum Neural Network Systems [45.18451374144537]
  量子ニューラルネットワーク(QNN)は、ディープラーニング(DL)原理と量子力学の基本理論を組み合わせて、量子加速による機械学習タスクを実現する。 QNNシステムは従来の量子ソフトウェアと古典的なDLシステムとは大きく異なり、QNNテストにとって重要な課題となっている。 QNNシステムにおける潜在的誤動作を明らかにするために,量子絡み合い誘導型対向テストフレームワークであるQuanTestを提案する。
  論文  参考訳（メタデータ） (2024-02-20T12:11:28Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Error-tolerant quantum convolutional neural networks for symmetry-protected topological phases [0.0]
  パラメトリック化量子回路、測定、フィードフォワードに基づく量子ニューラルネットワークは、大量の量子データを処理できる。 量子畳み込みニューラルネットワーク(QCNN)を構築し,異なる対称性で保護された位相を認識できる。 QCNNの出力は閾値誤差確率以下の対称性破り誤差に対して頑健であることを示す。
  論文  参考訳（メタデータ） (2023-07-07T16:47:02Z)
• Quantum Federated Learning with Entanglement Controlled Circuits and Superposition Coding [44.89303833148191]
  我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。 本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。 画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
  論文  参考訳（メタデータ） (2022-12-04T03:18:03Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Entanglement entropy production in Quantum Neural Networks [0.0]
  量子ニューラルネットワーク(QNN)は、ノイズ中間量子コンピュータ(NISQ)時代に量子優位性を達成するための候補と考えられている。 任意のQNNアーキテクチャにおいて、絡み合いが生成される速度に対して、普遍的な振舞いを示す。 本稿では,QNNにおける絡み合い生成を特徴付ける新しい指標として,絡み合いの速度について紹介する。
  論文  参考訳（メタデータ） (2022-06-06T10:17:17Z)
• QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
  可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
  論文  参考訳（メタデータ） (2021-10-06T14:44:51Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。