論文の概要: Tuning Quantum MPS

• arxiv url: http://arxiv.org/abs/2606.23262v1
• Date: Mon, 22 Jun 2026 12:44:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:57:18.230012
• Title: Tuning Quantum MPS
• Title（参考訳）: 量子MPSのチューニング
• Authors: Anna Leonteva, Maxime Outteryck, Guido Masella,
• Abstract要約: 行列積状態(MPS)法は量子回路の古典的シミュレーションにおいて最も効果的な手法の一つである。 量子MPSシミュレーションのための2段階のハイパーパラメータ選択フレームワークを提案する。 本研究では,複数のスケーラブルな回路ファミリへのアプローチを,Left-one- family-out と size-based Validation を用いて評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Matrix Product State (MPS) methods are among the most effective approaches for the classical simulation of quantum circuits, but their practical performance depends strongly on simulator hyperparameters, and default settings are often suboptimal. In this work, we propose a two-stage framework for automatic hyperparameter selection for quantum MPS simulation. In the first stage, we perform offline single-objective CMA-ES optimization under a fidelity constraint and construct a database of circuit--configuration--performance evaluations. In the second stage, we define a set of static circuit features designed to capture MPS-relevant structural properties and train a circuit-aware hybrid ranking model to recommend configurations for different quantum circuits. We evaluate the approach on multiple scalable circuit families using leave-one-family-out and size-based validation. The results show that offline optimization often improves over default settings, although the magnitude of the gain depends strongly on the backend, circuit family, and circuit scale. The learned predictor recovers a meaningful fraction of this gain, with better performance under size-based validation than under family-based transfer, but generally remains below the offline optimum.
• Abstract（参考訳）: 行列積状態(MPS)法は量子回路の古典的シミュレーションにおいて最も効果的な手法であるが、その実用性能はシミュレータのハイパーパラメータに強く依存しており、デフォルト設定はしばしば準最適である。 本研究では,量子MPSシミュレーションのための2段階のハイパーパラメータ選択フレームワークを提案する。 第1段階では、忠実度制約の下でオフライン単目的CMA-ES最適化を行い、回路構成-性能評価のデータベースを構築する。 第2段階では、MPS関連構造特性を捕捉し、異なる量子回路の構成を推奨するために、回路対応ハイブリッドランキングモデルを訓練するために設計された静的回路機能セットを定義する。 本研究では,複数のスケーラブルな回路ファミリへのアプローチを,Left-one- Family-out と size-based Validation を用いて評価する。 その結果、オフライン最適化はデフォルト設定よりも改善されることが多いが、ゲインの規模はバックエンド、回路ファミリ、回路スケールに大きく依存することがわかった。 学習した予測器は、家族ベースの転送よりもサイズベースの検証でパフォーマンスが向上するが、一般的にはオフラインの最適値以下である。

関連論文リスト

• Scalable Preparation of Matrix Product States with Sequential and Brick Wall Quantum Circuits [0.0]
  マトリックス製品状態(MPS)は、回路の複雑さのために精度が交換されるときにより効率的な構成を認める。 この作業では,両戦略の長所をひとつのパイプラインで組み合わせた,エンドツーエンドのMPS準備フレームワークを導入している。
  論文  参考訳（メタデータ） (2026-02-12T15:07:11Z)
• Quantum Approximate Optimization Algorithm with Fixed Number of Parameters [0.0]
  我々は新しい量子最適化パラダイム、FPC-QAOA(Fixed-Count Approximate Quantum Optimization Algorithm)を導入する。 スケーラブルな変分フレームワークであり、量子ビットの数、ハミルトン複雑性、回路深さに関わらず、一定の数のトレーニング可能なパラメータを保持する。 我々は、ランダムなMaxCutインスタンスとTail Assignment ProblemのFPC-QAOAをベンチマークし、標準的なQAOAに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2025-12-24T14:02:31Z)
• Beyond Outliers: A Study of Optimizers Under Quantization [82.75879062804955]
  量子化下でのモデルロバスト性に対する選択の影響について検討する。 モデルの性能が、異なるベースラインでトレーニングした場合にどのように低下するかを評価する。 異なるパラメータによる量子化対応トレーニングのスケーリング法則を導出する。
  論文  参考訳（メタデータ） (2025-09-27T21:15:22Z)
• Transferring linearly fixed QAOA angles: performance and real device results [0.0]
  線形パラメータ化とパラメータ転送を組み合わせ,パラメータ空間を4次元に減らした簡易な手法について検討する。 本稿では,この手法と標準QAOAと,逐次層ごとの最適化を必要とするInterfacePやFOURIERなどのパラメータ設定手法を比較した。 我々の実験は古典シミュレーションからIBMのイーグルプロセッサ上での実際の量子ハードウェア実装まで拡張し、現在のNISQデバイス上でのアプローチの可能性を実証した。
  論文  参考訳（メタデータ） (2025-04-17T04:17:51Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• 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)
• 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)
• 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。