論文の概要: Comparing the Performance of Leading VQE Algorithms for Computing Ground-State Energies of Amino Acids
- arxiv url: http://arxiv.org/abs/2607.02620v1
- Date: Thu, 02 Jul 2026 06:38:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.361709
- Title: Comparing the Performance of Leading VQE Algorithms for Computing Ground-State Energies of Amino Acids
- Title（参考訳）: アミノ酸の基底状態エネルギー計算における先行VQEアルゴリズムの性能比較
- Abstract要約: 論文から10以上の異なるアンサーゼの再現可能なベンチマークを備えた統合リポジトリを提案する。
QMProtデータセットから得られたハミルトニアンを用いて、異なるアミノ酸をシミュレートする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Simulating molecules is a major application of quantum computing, with the potential to overcome exponential scaling constraints of classical computation. Researchers use different methods in order to evaluate the readiness of NISQ computers in order to test current simulation capabilities. We present an integrated repository with reproducible benchmarks of over 10 different ansatzes from published papers and two different truncation methods, applicable to any set of mapped hamiltonians, providing a single pipeline for comparing performance along multiple axes, including variance and computational time, among others. We apply them to simulate different amino acids, using hamiltonians taken from the QMProt Dataset. We then ran four separate experiments. First, we quantified noise resilience by optimizing the same hardware-efficient ansatzes under identical initialization while sweeping PennyLane noise channels and strengths, and measuring parameter drift, cosine similarity of optimal parameters, and energies evaluated on noiseless versus noisy backends. We then studied barren-plateau-related trainability via gradient-variance diagnostics and optimization trajectories across initialization strategies and ansatzes depth on small systems. We then compared adaptive versus fixed ansatzes at matched parameter budgets, reporting outer-loop iterations, wall time, and especially total cost-function evaluations to fairly contrast greedy adaptive growth with layered hardware-efficient circuits. Lastly, we mapped accuracy versus expressive capacity by sweeping the number of retained adaptive operators and recording ground-state energy error relative to classical references.
- Abstract（参考訳）: 分子シミュレーションは量子コンピューティングの主要な応用であり、古典計算の指数的スケーリング制約を克服する可能性がある。
研究者は、現在のシミュレーション能力をテストするために、NISQコンピュータの可読性を評価するために、異なる方法を使用している。
本論文では,10以上の異なるアンサーゼの再現可能なベンチマークと2つの異なるトランケーション手法を併用したリポジトリを,任意の写像されたハミルトンの集合に適用し,分散や計算時間を含む複数の軸に沿った性能を比較するための単一のパイプラインを提供する。
QMProt データセットから抽出したハミルトニアンを用いて、異なるアミノ酸をシミュレートする。
その後、4つの実験を行った。
まず,PennyLaneノイズチャネルと強度を網羅しながら,同一初期化下で同じハードウェア効率のアンサーゼを最適化し,パラメータドリフト,最適パラメータのコサイン類似度,ノイズのないバックエンドとノイズの多いバックエンドで評価したエネルギーを定量化した。
そこで我々は、初期化戦略における勾配分散診断と最適化トラジェクトリによるバレンプラトー関連訓練性の研究を行い、小型システムにおける深度を回避した。
次に, 適応型と固定型のアンサーゼを一致パラメータの予算で比較し, ループ外繰り返し, 壁面時間, 特に総コスト関数の評価を行い, 層状ハードウェア効率の回路と比較した。
最後に, 適応演算子の保持数を網羅し, 従来の基準値と比較して基底状態のエネルギー誤差を記録することにより, 精度と表現能力を比較した。
関連論文リスト
- Variational Entropic Optimal Transport [67.76725267984578]
本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。
VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。
合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
論文 参考訳（メタデータ） (2026-02-02T15:48:44Z) - 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) - Comparing performance of variational quantum algorithm simulations on HPC systems [0.545520830707066]
変分量子アルゴリズムは、現在のノイズ中間量子(NISQ)デバイスに適用可能であるため、特に重要である。
これらのアルゴリズムの主構成ブロック(そのほか、ハミルトニアンとアンザッツの定義)は相対的に大きなパラメータ空間を定義する。
我々は、ハミルトニアンとアンザッツの両方の観点から、問題の一般的な記述を用いて、異なるシミュレータ間で一貫して問題定義を移植する。
論文 参考訳（メタデータ） (2025-07-23T15:46:54Z) - Gaussian process model kernels for noisy optimization in variational quantum algorithms [0.0]
変分量子アルゴリズム(VQA)は、ノイズのある射影測定の結果に基づいて、量子デバイス上でのパラメトリック化試行状態を最適化することにより、古典的または量子最適化の問題を解決することを目的としている。
我々は、典型的なVQAコスト関数が周波数の少ない振動挙動を示すという観察から着想を得た三角カーネルを紹介した。
論文 参考訳（メタデータ） (2024-12-17T19:05:32Z) - Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - Performance Embeddings: A Similarity-based Approach to Automatic
Performance Optimization [71.69092462147292]
パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。
本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
論文 参考訳（メタデータ） (2023-03-14T15:51:35Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - 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) - Efficient classical simulation and benchmarking of quantum processes in
the Weyl basis [0.0]
Weylユニタリを用いたランダム化ベンチマークアルゴリズムを開発し,エラーモデルの混在を効率よく同定し,学習する。
本手法を変分量子固有解器に現れるアンザッツ回路に適用する。
論文 参考訳（メタデータ） (2020-08-27T16:46:12Z) - Evaluation of QAOA based on the approximation ratio of individual
samples [0.0]
我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。
QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
論文 参考訳（メタデータ） (2020-06-08T18:00:18Z)
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。