論文の概要: Stochastic Pauli-path simulator for large-scale quantum optimization

• arxiv url: http://arxiv.org/abs/2607.17804v1
• Date: Mon, 20 Jul 2026 10:43:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.595065
• Title: Stochastic Pauli-path simulator for large-scale quantum optimization
• Title（参考訳）: 大規模量子最適化のための確率的パウリパスシミュレータ
• Abstract要約: パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。 既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。 本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
• 参考スコア（独自算出の注目度）: 57.179828941706006
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pauli-based simulators offer a promising route to large-scale classical simulation of quantum circuits in the low-magic regime. Yet their applicability remains largely limited to forward simulation, making them inadequate for optimization-driven quantum tasks such as variational state preparation and parameter initialization. Existing approaches either lack native support for gradient-based optimization or suffer from severe gradient bias. Here we propose the stochastic Pauli-path simulator (SPPS), a computational framework for large-scale quantum optimization that enables unbiased stochastic gradient estimation via Pauli-path sampling across optimization iterations. Our theoretical analysis shows that the proposed simulator yields unbiased gradient estimates and admits provable convergence guarantees. We systematically evaluate our proposal, including quantum eigensolver benchmarks with up to 100 qubits and quantum neural network benchmarks with up to 40 qubits. Across these tasks, SPPS faithfully tracks optimization dynamics, converges within minutes, and broadens the role of Pauli-based simulation from forward estimation to large-scale quantum optimization.
• Abstract（参考訳）: パウリをベースとしたシミュレーターは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。 しかし、それらの適用性はフォワードシミュレーションに限られており、変分状態の準備やパラメータの初期化といった最適化駆動の量子タスクには不十分である。 既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。 本稿では、大規模量子最適化のための計算フレームワークである確率的パウリパスシミュレータ(SPPS)を提案する。 理論解析により,提案したシミュレータは偏りのない勾配推定値を示し,証明可能な収束保証を認めた。 我々は,最大100キュービットの量子固有解法ベンチマークと最大40キュービットの量子ニューラルネットワークベンチマークを含む,我々の提案を体系的に評価した。 これらのタスク全体で、SPPSは最適化のダイナミクスを忠実に追跡し、数分以内に収束し、前方推定から大規模量子最適化までパウリに基づくシミュレーションの役割を拡大する。

関連論文リスト

• Simulation of Lindbladian dynamics via adaptive variational quantum trajectory compression [6.296586170753371]
  NISQデバイス上でのリンドブラディアンダイナミクスをシミュレーションするための資源効率のよいアルゴリズムを提案する。 パウリ散逸を伴う開量子系に対しては、まずコンパクトで安定な混合単位随伴チャネルを導出する。 サンプルトラジェクトリの実装に必要な回路深度をさらに低減するため,適応型変分量子トラジェクトリ圧縮フレームワークを導入する。
  論文  参考訳（メタデータ） (2026-07-10T02:48:39Z)
• 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)
• Symbolic Pauli Propagation for Gradient-Enabled Pre-Training of Quantum Circuits [0.0]
  量子機械学習モデルは、通常高価なオンチップトレーニング手順を必要とし、しばしば効率的な勾配推定方法を欠いている。 パウリ伝搬を用いることで、サーキットのパラメータの解析関数として可観測物の記号表現を導出することができる。 提案手法はスピンモデルの基底状態を得るための変分量子固有解器上で実証される。
  論文  参考訳（メタデータ） (2025-12-18T15:44:07Z)
• A Practical Framework for Assessing the Performance of Observable Estimation in Quantum Simulation [0.0]
  本稿では,量子シミュレーションアルゴリズムの性能を評価するためのフレームワークを提案する。 我々のフレームワークはアルゴリズム最適化のエンドツーエンドのデモを提供する。 パウリ群法による27.1%の誤差低減と,最適化されたショット分布戦略による37.6%の改善を示す。
  論文  参考訳（メタデータ） (2025-04-14T02:23:01Z)
• 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)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Benchmarking of Different Optimizers in the Variational Quantum Algorithms for Applications in Quantum Chemistry [0.0]
  古典的なヤードスティックは変分量子アルゴリズムの精度と収束を決定する上で重要な役割を果たしている。 量子化学への応用のために、いくつかの一般的なヤードスティックを考察し、変分量子アルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2022-08-22T13:02:00Z)
• 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)
• Quantum-Enhanced Simulation-Based Optimization [0.8057006406834467]
  シミュレーションに基づく最適化は、正確に評価するのに計算コストのかかる目的関数を最適化することを目指している。 量子振幅推定(QAE)は、古典モンテカルロシミュレーションよりも2次的なスピードアップを達成することができる。
  論文  参考訳（メタデータ） (2020-05-21T17:02:59Z)

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。