論文の概要: The trainability of photonic quantum circuits

• arxiv url: http://arxiv.org/abs/2607.21544v1
• Date: Thu, 23 Jul 2026 17:31:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.499918
• Title: The trainability of photonic quantum circuits
• Title（参考訳）: フォトニック量子回路のトレーサビリティ
• Abstract要約: 変分量子アルゴリズムは、短期量子コンピューティングにおける主要なアプローチであるが、そのスケーラビリティは、不規則な台地と、損失ランドスケープの小さな変化を解決するためのサンプリングコストによって制限される。 本稿では、受動線形光量子回路のトレーニング可能性について検討し、回路分散に対するばらつきの比に基づく枠組みを導入する。 これらの結果は、短期的応用のための有望なプラットフォームとしてフォトニック変分量子コンピューティングを確立している。
• 参考スコア（独自算出の注目度）: 34.13373752364321
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum algorithms are a leading approach to near-term quantum computing, but their scalability can be limited by barren plateaus and the sampling cost of resolving small changes in the loss landscape. Here, we study the trainability of passive linear-optical quantum circuits and introduce a framework based on the ratio of sample variance to circuit variance. This ratio determines the number of circuit samples required to resolve local loss differences and gradients to proportional accuracy. We apply this framework to photon-number observables and identify both trainable and non-trainable regimes. Supported by analytic results and a numerically observed polynomial decay of the circuit variance, we find that fixed-order photon-number polynomials require only polynomially many samples as the system size grows, whereas high-order polynomials and observables based on output probabilities generally require exponentially many samples. Within the trainable regime, we further identify classes of observables in which quantum estimation achieves a polynomial speed-up over multiple classical methods. Within this family, neural network observables provide one practical construction that allow measurement outcomes to be efficiently processed into the desired polynomial. These results establish photonic variational quantum computing as a promising platform for near-term applications.
• Abstract（参考訳）: 変分量子アルゴリズムは、短期量子コンピューティングにおける主要なアプローチであるが、そのスケーラビリティは、不規則な台地と、損失ランドスケープの小さな変化を解決するためのサンプリングコストによって制限される。 本稿では、受動線形光学量子回路のトレーニング可能性について検討し、サンプル分散と回路分散との比に基づく枠組みを導入する。 この比は、局所的な損失差と比例精度への勾配を解くのに必要な回路サンプルの数を決定する。 この枠組みを光子数観測器に適用し、トレーニング可能な状態と非トレーニング可能な状態の両方を同定する。 解析結果と回路分散の数値的に観測された多項式崩壊により、系のサイズが大きくなるにつれて、固定順序光子数多項式は多項式的に多くのサンプルを必要とするのに対し、高次多項式と出力確率に基づく可観測性は指数的に多くのサンプルを必要とすることが判明した。 トレーニング可能な状態の中では、量子推定が複数の古典的手法で多項式スピードアップを達成する可観測物のクラスをさらに特定する。 このファミリー内では、ニューラルネットワークオブザーバブルは、測定結果を所望の多項式に効率的に処理できる1つの実用的な構成を提供する。 これらの結果は、短期的応用のための有望なプラットフォームとしてフォトニック変分量子コンピューティングを確立している。

関連論文リスト

• Parametrized-circuit-free quantum regression with variance regularization [0.09999629695552194]
  本稿では,関連する対称性を符号化し,分散を規則化する問題固有量子回帰モデルの構築手法を提案する。 我々の手法は従来の変分法よりも正確で資源集約的ではない。
  論文  参考訳（メタデータ） (2026-07-02T18:38:23Z)
• Non-perturbative switching rates in bistable open quantum systems: from driven Kerr oscillators to dissipative cat qubits [72.41778531863143]
  単一モードバイスタブルオープン量子系におけるスイッチング率の予測にはパス積分手法を用いる。 本研究は,マルチ安定な単体および多体オープン量子系におけるスイッチング現象を探索するための新たな道を開く。
  論文  参考訳（メタデータ） (2025-07-24T18:01:36Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Expectation value estimation with parametrized quantum circuits [5.705564993120308]
  分子エネルギー、相関関数などの量子状態の性質を推定することは、量子情報科学の基本的な課題である。 回路深度や接続性の制限を含む実用的な量子装置の制限により、線形特性の推定さえも、高いサンプル複雑さに直面する。 浅いパラメータ化量子回路を用いて,観測可能な任意の観測値の期待値を推定するために,サンプル複雑性を最適化するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-28T14:04:33Z)
• Characterizing randomness in parameterized quantum circuits through expressibility and average entanglement [39.58317527488534]
  量子回路(PQC)は、その主応用の範囲外ではまだ完全には理解されていない。 我々は、量子ビット接続性に関する制約の下で、PQCにおけるランダム状態の生成を分析する。 生成した状態の分布の均一性の増加と絡み合いの発生との間には,どれだけ急激な関係があるかを示す。
  論文  参考訳（メタデータ） (2024-05-03T17:32:55Z)
• Noise-Robust Detection of Quantum Phase Transitions [0.0]
  異なる基底状態配置を特徴とする複数の位相様領域を持つ有限サイズのスピンモデルについて検討する。 本研究では,エネルギー微分,2部位のスピン相関関数,および忠実度感受性の計算により,複数の領域にわたって正確な挙動が得られたことを示す。 この研究は、量子相転移の特定に短期的な応用が期待できる可能性を示している。
  論文  参考訳（メタデータ） (2024-02-29T08:34:11Z)
• Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
  変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。 この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
  論文  参考訳（メタデータ） (2023-02-09T14:05:18Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
  一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。 本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。 量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
  論文  参考訳（メタデータ） (2022-06-01T11:03:51Z)
• Variational Simulation of Schwinger's Hamiltonian with Polarisation Qubits [0.0]
  シュウィンガーモデルにおける量子相転移に対する雑音の影響について検討する。 実験は、一対の偏光量子ビットを実現する自由空間光学スキームを用いて構築される。 ノイズの存在にもかかわらず、2量子系であってもシュヴィンガー・ハミルトンの位相遷移を検出することができる。
  論文  参考訳（メタデータ） (2020-09-21T00:39:01Z)
• Boson sampling with random numbers of photons [0.0]
  本研究では, ボソンサンプリング方式を新たに提案し, 成功率を低下させることなく向上させる手法を提案する。 これは、占有された入力ポートの数とポート毎の入力光子数とを同時にサンプリングすることで達成される。
  論文  参考訳（メタデータ） (2020-06-05T17:53:07Z)
• Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
  Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。 観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
  論文  参考訳（メタデータ） (2020-05-05T20:11:53Z)

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。