論文の概要: Adaptive directional gradients for parameterised quantum circuits

• arxiv url: http://arxiv.org/abs/2606.09734v1
• Date: Mon, 08 Jun 2026 16:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.575861
• Title: Adaptive directional gradients for parameterised quantum circuits
• Title（参考訳）: パラメータ化量子回路に対する適応指向性勾配
• Authors: Brian Coyle, Snehal Raj, Virag Umathe, El Amine Cherrat, Elham Kashefi,
• Abstract要約: 量子ハードウェア上でのパラメータ化量子回路(PQC)のトレーニングは、勾配推定の計測コストによってボトルネックとなる。 自動微分のフォワードモードに基づくPQCのフォワード勾配推定手法を提案する。 前方最適化は、最大60量子ビット、1770個のパラメータを持つハミング重保存量子ニューラルネットワークをパラメータシフト則よりも効率的に学習することを示す。
• 参考スコア（独自算出の注目度）: 1.5549963606717787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Training parameterised quantum circuits (PQCs) on quantum hardware is bottlenecked by the measurement cost of gradient estimation, which under the parameter-shift rule scales linearly in the number of trainable parameters and dominates the total shot budget of training at scale. In this work, we propose a framework of forward gradient estimators for PQCs, based on the forward mode of automatic differentiation, that yields an unbiased estimator of the gradient by averaging a freely tunable number of random directional derivatives and recovers SPSA, random coordinate descent, and the parameter-shift rule as limiting cases, with no ancilla qubits or controlled-gate overhead. We prove that stochastic quantum forward gradient descent converges under standard assumptions, with an explicit second-moment expansion that interpolates between the single-direction extreme of SPSA and the full-gradient extreme of parameter-shift. Within this framework we derive QUIVER (Quantum Iterative V-adaptive Estimator Rule), an adaptive optimiser for parameterised circuits whose update rule follows from a closed-form minimum measurement-cost allocation. We show numerically that forward gradients train Hamming-weight-preserving orthogonal quantum neural networks with up to 60 qubits and 1770 parameters on the ECG5000 and MNIST datasets orders of magnitude more efficiently than the parameter-shift rule. We also demonstrate that our proposed QUIVER optimiser can outperform iCANS and gCANS measurement-frugal optimisers on optimisation problems using the quantum approximate optimisation algorithm and quantum simulation with the variational quantum eigensolver.
• Abstract（参考訳）: 量子ハードウェア上でのパラメータ化量子回路(PQC)のトレーニングは、パラメータシフト規則の下では、トレーニング可能なパラメータの数で線形にスケールし、スケールでのトレーニングの総撮影予算を支配する勾配推定の計測コストによってボトルネックとなる。 本研究では,自動微分のフォワードモードに基づくPQCのフォワード勾配推定のためのフレームワークを提案する。これは無バイアスの勾配推定を,無作為な無作為な方向導関数を平均化し,SPSA,無作為な座標降下,およびパラメータシフト規則を制限事例として,アンシラ量子ビットや制御ゲートのオーバーヘッドを伴わずに回復する。 確率的量子フォワード勾配勾配は、SPSAの単一方向極端とパラメータシフトの完全勾配極端との間に補間する明示的な第二モーメント展開によって、標準的な仮定の下で収束することを示す。 このフレームワーク内では、更新ルールが従うパラメータ化回路の適応オプティマイザであるQUIVER(Quantum Iterative V-adaptive Estimator Rule)が、クローズドフォームの最小測定コストアロケーションから導出される。 前方勾配は、最大60量子ビット、1770個のパラメータを持つハミング重保存直交量子ニューラルネットワークをECG5000およびMNISTデータセットでトレーニングし、パラメータシフト規則よりも桁違いに効率よく処理することを示す。 また、提案したQUIVERオプティマイザは、量子近似最適化アルゴリズムと変分量子固有解器を用いた量子シミュレーションを用いて、最適化問題において、iCANSおよびgCANS測定フルガルオプティマイザよりも優れていることを示した。

関連論文リスト

• Sculpting Quantum Landscapes: Fubini-Study Metric Conditioning for Geometry Aware Learning in Parameterized Quantum Circuits [0.0]
  本稿では,変分量子アルゴリズムにおけるバレンプラトーを緩和するために,フビニ・スタディ・テンソルを明示的に条件づけたSculptureというメタラーニングフレームワークを提案する。 本研究では,フビニ・スタディ・メトリックの対数条件を,トレーニング可能性,最適化力学,一般化を規定する重要な幾何学的量として同定する。
  論文  参考訳（メタデータ） (2025-06-27T06:30:33Z)
• Variational quantum algorithms with exact geodesic transport [0.0]
  変分量子アルゴリズム(VQA)は、量子コンピュータの短期的応用に期待できる候補である。 本稿では,変分量子回路の解析的リーマン最適化を可能にする曲率対応フレームワークVQAを紹介する。
  論文  参考訳（メタデータ） (2025-06-20T18:00:10Z)
• Accelerating Quantum Reinforcement Learning with a Quantum Natural Policy Gradient Based Approach [36.05085942729295]
  本稿では、古典的なNPG推定器で使用されるランダムサンプリングを決定論的勾配推定手法で置き換える量子自然ポリシー勾配(QNPG)アルゴリズムを提案する。 提案したQNPGアルゴリズムは、量子オラクルへのクエリに対する$tildemathcalO(epsilon-1.5)$のサンプル複雑性を達成し、マルコフ決定プロセス(MDP)へのクエリに対する$tildemathcalO(epsilon-2)$の古典的な下界を大幅に改善する。
  論文  参考訳（メタデータ） (2025-01-27T17:38:30Z)
• Parsimonious Optimisation of Parameters in Variational Quantum Circuits [1.303764728768944]
  最適なパラメータを更新するために、1イテレーション毎に少なくとも2つの回路を実行する必要がある新しい量子勾配サンプリングを提案する。 提案手法は,古典的勾配降下に類似した収束率を達成し,勾配座標降下とSPSAを実証的に上回っている。
  論文  参考訳（メタデータ） (2023-06-20T18:50:18Z)
• Error Mitigation-Aided Optimization of Parameterized Quantum Circuits: Convergence Analysis [42.275148861039895]
  変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。 不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。 QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。 QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
  論文  参考訳（メタデータ） (2022-09-23T10:48:04Z)
• 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)
• Self-Tuning Stochastic Optimization with Curvature-Aware Gradient Filtering [53.523517926927894]
  サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。 モデルに基づく手続きが雑音勾配設定に収束することを証明する。 これは自己チューニング二次体を構築するための興味深いステップである。
  論文  参考訳（メタデータ） (2020-11-09T22:07:30Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。