Fugu-MT 論文翻訳(概要): Comment on "Beyond-classical computation in quantum simulation"

論文の概要: Comment on "Beyond-classical computation in quantum simulation"

arxiv url: http://arxiv.org/abs/2607.08811v1
Date: Thu, 09 Jul 2026 17:46:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 14:47:12.720471
Title: Comment on "Beyond-classical computation in quantum simulation"
Title（参考訳）: 量子シミュレーションにおける古典計算の他」へのコメント
Abstract要約: ニューラル量子状態(Neural Quantum States)は、ニューラルネットワークに基づく多体波動関数のための多変量アンサッツである。このコメントでは、これらの懸念を再考し、いくつかのケースにおいてNQSが競争力のある結果をもたらすことを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A recent article [Science 388, 199-204 (2025)] investigates the applicability of numerical methods and a quantum processor unit in simulating a quantum annealing protocol. One of the findings indicates that Neural Quantum States - a versatile variational ansatz for the many-body wave function based on artificial neural networks - fail to reach the same accuracy as the quantum processor. In this comment we revisit these concerns, demonstrating that NQS can provide competitive results in some of the cases when accounting for the Monte-Carlo noise and large autocorrelation times between samples obtained from the final state.
Abstract（参考訳）: 最近の論文[Science 388, 199-204 (2025)]では,量子アニールプロトコルのシミュレーションにおける数値計算法と量子プロセッサユニットの適用性について検討している。この結果の1つは、ニューラルネットワークに基づく多体波動関数のための多変量アンサッツであるNeural Quantum Statesが、量子プロセッサと同じ精度に達していないことを示している。本論では,NQSがモンテカルロノイズと最終状態から得られた試料間の大規模な自己相関時間を考慮した場合,競争力のある結果が得られることを示した。

関連論文リスト

VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文参考訳（メタデータ） (2025-06-12T01:38:15Z)
Towards quantum utility for NMR quantum simulation on a NISQ computer [0.0]
核磁気共鳴(NMR)実験を模擬するための雑音型中間スケール量子デバイスの適用について検討する。最大11スピン、合計47原子の関連分子上での陽子NMRスペクトルのシミュレーション結果を示し、実際のNMR実験と比較する。現在の制限にもかかわらず、同様のアプローチが最終的に量子ユーティリティーのケースにつながることが示される。
論文参考訳（メタデータ） (2024-04-26T17:22:24Z)
Cost of Emulating a Small Quantum Annealing Problem in the Circuit-Model [2.132100404617399]
簡単な問題であってもエミュレーションのオーバーヘッドがかなり大きいことを示す。これは時間依存ハミルトニアン力学を解くためにアナログ量子計算を使用するのをサポートする。
論文参考訳（メタデータ） (2024-02-27T16:41:54Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
Quantum Process Learning Through Neural Emulation [3.7228085662092845]
入力アンサンブルの内部表現を構築し,未知の過程をエミュレートするニューラルネットワークを導入する。我々のモデルは量子コンピューティング、量子フォトニクス、量子多体物理学への応用において高い精度を示す。
論文参考訳（メタデータ） (2023-08-17T06:53:58Z)
Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文参考訳（メタデータ） (2023-06-29T18:00:01Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
論文参考訳（メタデータ） (2022-06-03T18:00:02Z)
Quantum variational learning for entanglement witnessing [0.0]
この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
論文参考訳（メタデータ） (2022-05-20T20:14:28Z)
Variational Quantum Policy Gradients with an Application to Quantum Control [0.0]
量子機械学習モデルは、変分量子回路(VQC)によって非常に自然な方法で構成される。本研究では,ハードウェア効率のよいアザッツを用いたポリシグラディエンスについて考察する。量子ハードウェアを用いた勾配のエプシロン近似を求める複雑さは、パラメータの数と対数的にしか比較できないことを証明した。
論文参考訳（メタデータ） (2022-03-20T16:14:49Z)
Quantum Neuron with Separable-State Encoding [0.0]
現在利用可能な量子プロセッサにおいて、高度な量子ニューロンモデルを大規模にテストすることは、まだ不可能である。マルチキュービットゲート数を削減した量子パーセプトロン(QP)モデルを提案する。シミュレーション量子コンピュータにおいて,QPの量子ビットバージョンをいくつか実装することにより,提案モデルの性能を実証する。
論文参考訳（メタデータ） (2022-02-16T19:26:23Z)
An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文参考訳（メタデータ） (2020-05-06T14:18:44Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。