論文の概要: Enhanced NQS via Annealed Gradient Descent

• arxiv url: http://arxiv.org/abs/2607.18865v1
• Date: Tue, 21 Jul 2026 08:58:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.376223
• Title: Enhanced NQS via Annealed Gradient Descent
• Title（参考訳）: 熱処理によるNQSの増強
• Abstract要約: 焼鈍勾配降下は準安定なトラップを抑え、物理的に関連する構成を保ち、コンパクトなニューラル量子状態が化学的精度と最先端の競合状態を達成することを可能にする。 これらの結果は、スケーラブルな量子多体最適化のために改良された表現型ニューラルネットワークアーキテクチャを軽量で補完するものとしてAGDを確立している。
• 参考スコア（独自算出の注目度）: 12.313934054741928
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Neural quantum states offer expressive representations of quantum many-body wave functions, yet their practical accuracy can be limited by stochastic optimization rather than representational capacity. Here we identify a finite-sample instability, termed subspace trapping, in which physically important configurations become strongly underestimated, remain absent from successive sampling batches and receive insufficient gradient feedback. This self-reinforcing loss of sampled support can confine optimization to an effective subspace and produce apparently stationary states above the true ground state energy. To address this problem, we introduce annealed gradient descent (AGD), a sampling-aware update with annealing factor that temporarily increases the relative contribution of sampled low-probability configurations while limiting the dominance of high-probability ones. We establish the connection between finite-sample support loss and effective subspace optimization, and then evaluate the method across molecular systems, one and two-dimensional $J_1$-$J_2$ models. Annealed gradient descent suppresses metastable trapping, preserves physically relevant configurations and enables compact neural quantum states to attain chemical accuracy and competitive state-of-the-art performance. These results establish AGD as a lightweight complement to expressive neural architectures, improved sampling strategies for scalable quantum many-body optimization.
• Abstract（参考訳）: 量子量子状態は、量子多体波動関数の表現表現を提供するが、その実際の精度は、表現能力よりも確率的最適化によって制限される。 ここでは、物理的に重要な構成が過小評価されるような有限サンプル不安定な部分空間トラップ(subspace trapping)を、連続したサンプリングバッチから欠落し、不十分な勾配フィードバックを受ける。 この自己強化されたサンプル支援の損失は、効果的な部分空間への最適化を限定し、真の基底エネルギーよりも高い明らかに定常な状態を生成する。 この問題に対処するため,本研究では,サンプル化低確率構成の相対的寄与を一時的に増加させ,高確率構成の優位性を抑えつつ,サンプリング対応のアニール化因子を用いたアニール化勾配降下 (AGD) を導入する。 有限サンプル支持損失と実効部分空間最適化の関連性を確立し, 分子系, 1次元および2次元の$J_1$-$J_2$モデルで評価する。 焼鈍勾配降下は準安定なトラップを抑え、物理的に関連する構成を保ち、コンパクトなニューラル量子状態が化学的精度と最先端の競合状態を達成することを可能にする。 これらの結果は、表現型ニューラルネットワークの軽量補完としてAGDを確立し、スケーラブルな量子多体最適化のためのサンプリング戦略を改善した。

関連論文リスト

• Quantum Decision Theory for Displacement Detection with Finite-Energy GKP States [46.2474896050764]
  有限エネルギー,$d$レベルのGottesman-Kitaev-Preskill(GKP)プローブを用いた位相空間変位検出フレームワークを開発した。 単一モードおよび絡み合い支援アーキテクチャの場合、ベイズ最小エラー確率を導出する。 我々は、コヒーレントステート、方向整合型圧縮真空、ツインビームスキームに対する結果のプロトコルをベンチマークする。
  論文  参考訳（メタデータ） (2026-08-08T10:32:05Z)
• Neural Network Quantization by Learning Low-Loss Subspaces [42.07461306663832]
  最近の研究では、低損失FP溶液は孤立ではなく、損失ランドスケープの連結低損失部分空間に属することが示されている。 量子化モデルは、FPモデルの低損失部分空間内に配置でき、それによって自動的に性能を保つことができるのか? 損失を最小限に抑えるために最適化された重み空間における量子化を考慮した線形経路を学習することでこの問題に対処する。 得られた部分空間の中間点は、設計上、量子化フレンドリであり、その直接量子化は量子化対応トレーニングに匹敵する性能をもたらすことを実証する。
  論文  参考訳（メタデータ） (2026-06-23T18:48:45Z)
• Projected Inverse Iteration: An Eigenvalue Approach to Ground-State Computation with Neural Quantum States [17.26784290982439]
  ディープラーニングは、ニューラルネットワークの波動関数による量子多体問題に対する強力なアプローチを提供する。 自然降下や勾配再構成を含む既存の最適化手法は、スペクトルギャップ依存性の収束に悩まされている。 本稿では,基底状態探索を固有値問題として再フレーミングすることで,PII(Projected Inverse Iteration)を提案する。
  論文  参考訳（メタデータ） (2026-06-05T20:23:38Z)
• Mitigating Noise-Induced Barren Plateaus Using a Non-Unitary Ansatz: Application to Molecular Electronic Transport [0.0]
  可変アンサッツに非単元要素を導入することで、オープン量子系におけるNIBPを緩和できることを示す。 また、これらのアイデアを、オリゴフェニルエチニレンスルファーメチル(OPE-SMe)を介して電子輸送をシミュレートすることで、現実的な量子化学システムに拡張する。 この結果から,NISQハードウェア上での開系定常状態をシミュレーションするために,非単体変分アンスターゼがスケーラブルで物理的に基礎的な経路を提供することがわかった。
  論文  参考訳（メタデータ） (2026-05-28T21:06:54Z)
• QB-LIF: Learnable-Scale Quantized Burst Neurons for Efficient SNNs [18.0608697536269]
  量子化されたBurst-LIFニューロンは、学習可能なスケールで膜電位の飽和均一な量子化としてバーストスパイクを再構成する。 QB-LIFはバイナリと固定バーストSNNを一貫して上回り、超低レイテンシで高い精度を達成する。
  論文  参考訳（メタデータ） (2026-04-28T14:18:53Z)
• 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)
• Constrained Shadow Tomography for Molecular Simulation on Quantum Devices [11.572076686962106]
  本稿では,制約付きシャドウトモグラフィのための双方向半定値プログラミング手法を提案する。 この方法は$N$で表現可能な2-RDMを構築し、影の測定とエネルギーの最小化のバランスをとる。 数値的およびハードウェア的な結果は、このアプローチが精度、耐雑音性、拡張性を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2025-11-12T20:24:43Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Neural Quantum Digital Twins for Optimizing Quantum Annealing [2.8579459256051316]
  量子多体系のエネルギー景観を再構築するニューラル量子ディジタルツイン(NQDT)フレームワークを提案する。 NQDTは量子臨界性や相転移を含む重要な量子現象を正確に捉えている。
  論文  参考訳（メタデータ） (2025-05-21T15:38:55Z)
• QuEST: Low-bit Diffusion Model Quantization via Efficient Selective Finetuning [52.157939524815866]
  本稿では,不均衡な活性化分布を量子化困難の原因として同定する。 我々は,これらの分布を,より量子化しやすいように微調整することで調整することを提案する。 本手法は3つの高解像度画像生成タスクに対して有効性を示す。
  論文  参考訳（メタデータ） (2024-02-06T03:39:44Z)
• Quantum Shadow Gradient Descent for Variational Quantum Algorithms [14.286227676294034]
  量子ニューラルネットワーク(QNN)における変分量子回路のトレーニングのための勾配勾配推定法が提案されている。 勾配推定の課題は、状態崩壊や測定の不整合といった特異な量子的特徴のために困難であることが証明されている。 我々は,1イテレーション毎に1つのサンプルを用いて勾配のすべての成分を推定する量子シャドウ降下という新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-10-10T18:45:43Z)
• Beyond the Edge of Stability via Two-step Gradient Updates [49.03389279816152]
  Gradient Descent(GD)は、現代の機械学習の強力な仕事場である。 GDが局所最小値を見つける能力は、リプシッツ勾配の損失に対してのみ保証される。 この研究は、2段階の勾配更新の分析を通じて、単純だが代表的でありながら、学習上の問題に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-08T21:32:50Z)
• Bosonic field digitization for quantum computers [62.997667081978825]
  我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。 本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-24T15:30:04Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。