論文の概要: Analyzing Initialization Strategies for the Local Unitary Cluster Jastrow Ansatz within the Quantum-Centric Supercomputing Framework

• arxiv url: http://arxiv.org/abs/2606.14933v1
• Date: Fri, 12 Jun 2026 20:14:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.463875
• Title: Analyzing Initialization Strategies for the Local Unitary Cluster Jastrow Ansatz within the Quantum-Centric Supercomputing Framework
• Title（参考訳）: 量子中心超計算フレームワークにおける局所単位クラスタジャストローアンザッツの初期化戦略の解析
• Authors: Grier M. Jones, Maforikan J. Amoussou, Maximilian O. Leach, Hans-Arno Jacobsen,
• Abstract要約: 我々は、量子中心超計算フレームワークにおいて、局所ユニタリクラスタ Jastrow (LUCJ) の初期化とサンプル量子対角化 (SQD) の感度を解析する。
• 参考スコア（独自算出の注目度）: 6.0891078426115826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we analyze the choice of local unitary cluster Jastrow (LUCJ) ansatz initialization and sensitivity of the sample-based quantum diagonalization (SQD) algorithm within the quantum-centric supercomputing (QCSC) framework. We examine six initialization strategies, including those based on coupled-cluster singles and doubles (CCSD), Møller-Plesset second-order perturbation theory (MP2), data-driven coupled-cluster (DDCC), and trivial (zeroes and random) initializations, across twelve molecular systems and three basis sets (STO-3G, cc-pVDZ, and aug-cc-pVDZ). We find that while the mean absolute percentage errors (MAPEs) between the alternative and CCSD-initialized t2-amplitudes span many orders of magnitude, the resulting SQD energies are largely insensitive to this variation. In particular, most initializations recover energies within chemical accuracy (+/-1.6 mEh) of the CCSD reference, with convergence improving as the basis set size increases. Notably, random initialization achieves performance competitive with CCSD across all basis sets, while zeroes initialization, despite having smaller deviations from CCSD, yields the worst energy agreement. Our results highlight that the proximity to the CCSD initialization is not a reliable predictor of the quality of electronic energies. These findings establish that configuration recovery within SQD, rather than circuit initialization, is the dominant factor governing energy accuracy, and suggest that computationally cheaper initialization strategies are viable alternatives to CCSD for QCSC workflows
• Abstract（参考訳）: 本研究では、量子中心超計算(QCSC)フレームワークにおけるサンプルベース量子対角化(SQD)アルゴリズムの初期化と感度について、局所ユニタリクラスタ Jastrow (LUCJ) の選択を解析する。 本稿では,12分子系および3塩基集合(STO-3G,cc-pVDZ,aug-cc-pVDZ,aug-cc-pVDZ)にまたがる,結合クラスタと2次摂動理論(MP2),データ駆動型結合クラスタ(DDCC),自明な(ゼロとランダム)初期化(STO-3G,cc-pVDZ,aug-cc-pVDZ)を基礎とした初期化戦略について検討する。 提案法とCCSD初期化t2振幅の平均絶対パーセンテージ誤差(MAPEs)は、多くの桁にまたがるが、結果として生じるSQDエネルギーは、この変動に大きく影響しない。 特に、ほとんどの初期化はCCSD基準の化学的精度(+/-1.6 mEh)でエネルギーを回収し、基底セットのサイズが大きくなるにつれて収束性が改善された。 特に、ランダム初期化はCCSDと全ての基底集合で競合する性能を達成するが、CCSDとの偏差が小さいにもかかわらずゼロは最悪のエネルギー契約をもたらす。 以上の結果から,CCSD初期化に近づいたことは,電子エネルギーの品質予測の信頼性を損なうものではないことが示唆された。 これらの結果から,回路初期化よりもSQDの構成回復がエネルギーの精度を優先する要因であることが示唆され,計算上より安価な初期化戦略がQCSCワークフローにおけるCCSDの代替手段として有効であることが示唆された。

関連論文リスト

• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Improved parameter initialization for the (local) unitary cluster Jastrow ansatz [0.3017117582063482]
  化学における量子アルゴリズムのパラメータを改善するための2つの方法を提案する。 最初の方法は期待値とサンプルベースアルゴリズムの両方に適用でき、CCSD振幅の圧縮倍率化を用いる。 サンプルベースアルゴリズムに適用可能な第2の方法は、近似テンソルネットワークシミュレーションを用いて、アンザッツ回路によって生成されたサンプルの品質を改善する。
  論文  参考訳（メタデータ） (2025-11-27T14:05:18Z)
• CLASS: A Controller-Centric Layout Synthesizer for Dynamic Quantum Circuits [58.16162138294308]
  CLASSは、分散制御システムにおけるコントローラ間通信遅延を低減するために設計された、コントローラ中心のレイアウトシンセサイザーである。 評価の結果、CLASSは通信遅延を最大100%減らし、追加操作数の平均2.10%しか増加しないことがわかった。
  論文  参考訳（メタデータ） (2025-09-19T08:11:55Z)
• A Fresh Look at Generalized Category Discovery through Non-negative Matrix Factorization [83.12938977698988]
  Generalized Category Discovery (GCD) は、ラベル付きベースデータを用いて、ベース画像と新規画像の両方を分類することを目的としている。 現在のアプローチでは、コサイン類似性に基づく共起行列 $barA$ の固有の最適化に不適切に対処している。 本稿では,これらの欠陥に対処するNon-Negative Generalized Category Discovery (NN-GCD) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T07:24:11Z)
• The Localized Active Space Method with Unitary Selective Coupled Cluster [0.3252295747842729]
  本稿では、量子古典的ハイブリッドアルゴリズム、局所化されたアクティブな一元結合クラスタシングルおよびダブルス(LASUSCCSD)手法を提案する。 LASUSCCSDは必要なパラメータの数を減らすので、回路の深さは少なくとも1桁減少する。 これは、近距離量子コンピュータにおけるLASUCCSDのようなマルチ参照ハイブリッド量子古典アルゴリズムの実装において重要である。
  論文  参考訳（メタデータ） (2024-04-19T14:55:15Z)
• Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
  一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。 耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。 距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
  論文  参考訳（メタデータ） (2024-02-22T16:33:48Z)
• Accelerated sparse Kernel Spectral Clustering for large scale data clustering problems [0.27257174044950283]
  本稿では、スパースマルチウェイカーネルスペクトルクラスタリング(KSC)の改良版について述べる。 元のアルゴリズムは、プライマリ・デュアルの最小二乗サポートベクターマシン(LS-SVM)フレームワークで定式化された重み付きカーネル主成分分析から導かれる。 次に、不完全コレスキー分解(ICD)に基づくカーネル行列の低階近似といわゆるreduced set法を組み合わせることにより、スパーシリティが達成される。
  論文  参考訳（メタデータ） (2023-10-20T09:51:42Z)
• High-rate discretely-modulated continuous-variable quantum key distribution using quantum machine learning [4.236937886028215]
  本稿では,量子機械学習技術を用いた離散変調連続可変量子鍵分布(DM CVQKD)の高速化手法を提案する。 低複雑さ量子k-アネレスト近傍(QkNN)は、ボブ側での離散変調コヒーレント状態(DMCS)の損失を予測するために設計されている。 シミュレーションにより,提案手法の秘密鍵レートは既存のDM CVQKDプロトコルよりも明らかに優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-07T04:00:13Z)
• Beyond MP2 initialization for unitary coupled cluster quantum circuits [0.0]
  ユニタリ結合クラスタ(UCC)アンサッツは、高精度な結果を達成するための有望なツールである。 我々は,効率的なスパース波動関数回路ソルバを用いることで,UCCシミュレーションの最先端を推し進める。
  論文  参考訳（メタデータ） (2023-01-13T17:06:50Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)

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。