論文の概要: Scalable Quantum Machine Learning: Trainability, Expressivity and Efficiency
- arxiv url: http://arxiv.org/abs/2607.24014v1
- Date: Mon, 27 Jul 2026 05:23:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.32055
- Title: Scalable Quantum Machine Learning: Trainability, Expressivity and Efficiency
- Title（参考訳）: スケーラブルな量子機械学習 - トレーニング性、表現性、効率性
- Abstract要約: 最寄りのハードウェアに対する$k$粒子フェルミオンアーキテクチャを提案する。
レンガの壁は動的リー代数 $mathfraku(n)$ を持ち、Givens 回転を介して$U(n)$ を直接パラメトリズする。
同様の硬度保証は、勾配ごとに8klog n$の評価で達成し、同じ係数が3n/(8k)$還元である。
- 参考スコア（独自算出の注目度）: 0.5076419064097732
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing scalable parameterized quantum circuits for machine learning faces three fundamental obstacles: barren plateaus that prevent gradient-based training, the absence of provable guarantees that the learned function class is classically hard, and prohibitive circuit evaluations per gradient step. We propose the unitary brick-wall: a $k$-particle fermionic architecture for nearest-neighbor hardware, combining Reconfigurable Beam Splitter gates with interleaved single-qubit phase gates and a non-Gaussian magic-state encoding, where the particle number $k$ is a tunable dial trading classical simulation hardness against training cost. Trainable. The brick-wall has dynamical Lie algebra $\mathfrak{u}(n)$ and directly parametrizes $U(n)$ via Givens rotations, enabling Haar initialization. Two-body correlator readouts achieve gradient variance $Θ(k^2/n^5)$. Expressive. Classical hardness is controlled by the particle number $k$: best-known classical algorithms for sampling and for two-body expectation values run in time $2^{Θ(k)}\mathrm{poly}(n)$, worst-case #P-hardness holds at $k = n^ε$, and average-case hardness applies at $k = Θ(n)$. Efficient. A multi-layer parallel parameter-shift rule computes all $O(n^2)$ gradients from $k(8n+4)$ circuit evaluations per gradient step, a factor $3n/(8k)$ reduction over the $3n^2$ evaluations required by the standard parameter-shift rule. The unitary butterfly variant targets all-to-all hardware, with depth $2\log n$ and $n\log n$ parameters. It achieves similar hardness guarantees at $8k\log n$ evaluations per gradient step, the same factor $3n/(8k)$ reduction. Its trainability is established at two levels: the absence of exponential barren plateaus is unconditional, whereas the sharp $Θ(k^2/n^5)$ rate holds under a two-particle approximate-2-design conjecture.
- Abstract（参考訳）: 機械学習のためのスケーラブルなパラメータ化量子回路の設計は、3つの基本的な障害に直面している。
近接ハードウェアのための$k$の粒子フェルミオン型アーキテクチャで、再構成可能なビームスプリッターゲートとインターリーブされた単一キュービット位相ゲートと非ガウスのマジックステート符号化を組み合わせる。
訓練可能。
ブリックウォールは動的リー代数 $\mathfrak{u}(n)$ を持ち、Givens 回転を介して$U(n)$ を直接パラメトリズし、ハール初期化を可能にする。
2体相関器の読み出しは勾配分散を$(k^2/n^5)$とする。
表現力。
古典的硬度は、粒子番号$k$で制御される: サンプリングのための最もよく知られた古典的アルゴリズムと、時間で走る2つの体予測値に対して、最悪のケース#P-硬度は$k = n^ε$で、平均ケース硬度は$k = ...(n)$で適用される。
効率的。
多層パラレルパラメータシフト法則は、標準パラメータシフト法則で要求される3n^2$よりも3n/(8k)$還元して、すべてのO(n^2)$グラデーションを$k(8n+4)$回路評価から$k(8n+4)$回路評価から計算する。
ユニタリ・バタフライの変種は、全ハードウェアを対象とし、深さが2ドルのn$と$n\logのn$パラメータを持つ。
同様の硬度保証は、勾配毎の8k\log n$評価で達成し、同じ係数が3n/(8k)$還元である。
指数的バレンプラトーの欠如は無条件であり、シャープな$(k^2/n^5)$レートは2粒子近似2-設計予想の下で成り立つ。
関連論文リスト
- A Provable Oracle-Free Quantum Algorithm for Nonlinear Dynamics on Hybrid Oscillator-Qubit Processors [14.814423713691623]
そこで我々は,次数$L$の非線型常微分方程式に対して,演算次数$dotmathbfx=mathbff(mathbfx)$のハイブリッドqubit-qumodeアルゴリズムを開発した。
このアルゴリズムは状態密度を伝播し、その密度のピークとして小雑音の極限で軌道を返す。
論文 参考訳（メタデータ） (2026-07-30T17:10:47Z) - Quantum Speedups for Stochastic Optimization with Heavy-Tailed Noise [49.730496294398726]
重み付き確率変数に対する新しい量子平均推定器を開発した。
尾指数>4/3$のより強い下界を導出し、次元への非自明な依存が避けられないことを示す。
凸目的関数に対して,量子射影勾配降下法を提案する。
論文 参考訳（メタデータ） (2026-07-28T09:29:37Z) - Expressibility and trainability of a two-dimensional pairwise quantum-circuit ansatz [7.782344682771021]
本研究では,ネイティブな2次元アンザイザを構築し,その表現性と訓練性と1次元アンザイザイザとを比較した。
固定された16量子ビット系では、2Dアンサッツは最小のKL発散が$L=1$と$2$である。
また、最初の$R_y$角に関して、Pauli-$Z$-string期待値$langle Z_0otimescdotsotimes Z_15rangle$の勾配分散を評価する。
論文 参考訳（メタデータ） (2026-07-14T17:47:25Z) - Wavelet Variance Equipartition as a Threshold for World-Model Quality and Quantum Kernel TN-Simulability [0.0]
我々はウェーブレットスケーリング指数$$を臨界診断として同定する。
振幅符号化された量子カーネルの古典的シミュラビリティのシャープな遷移境界として$=1/2$を確立する。
この分散は、厳密には$Var[X] = (d-2)$としてスケールする。
論文 参考訳（メタデータ） (2026-05-12T05:41:12Z) - Optimal Scalar Quantization for Matrix Multiplication: Closed-Form Density and Phase Transition [50.36362492608702]
乗算前の2つの行列のエントリーワイズスカラー量子化について検討した。
我々は、閉形式の最適点密度 [ star(u) propto exp!left(-fracu26right)bigl( (1-2)+2u22bigr), qquad u=fracx_X を求め、相関駆動相転移を証明した。
論文 参考訳（メタデータ） (2026-03-20T01:53:44Z) - Practical framework for simulating permutation-equivariant quantum circuits [0.0]
ゲートジェネレータは最大$k$ローカルであり、$kin O(1)$であるという仮定のもと、$S_n$-equivariant 回路の実用的なアルゴリズムを導入する。
結果のメソッドは定数深度に対する$O(n+1)$時間で実行され、$$は行列乗算指数であり、既存の手法に比べて格段に低下する。
論文 参考訳（メタデータ） (2026-03-13T15:18:18Z) - INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。
$mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。
大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
論文 参考訳（メタデータ） (2025-11-16T20:14:28Z) - FFT-Accelerated Auxiliary Variable MCMC for Fermionic Lattice Models: A Determinant-Free Approach with $O(N\log N)$ Complexity [52.3171766248012]
量子多体系のシミュレーションを劇的に高速化するマルコフ連鎖モンテカルロ(MCMC)アルゴリズムを導入する。
我々は,量子物理学のベンチマーク問題に対するアルゴリズムの有効性を検証し,既知の理論結果を正確に再現する。
我々の研究は、大規模確率的推論のための強力なツールを提供し、物理学に着想を得た生成モデルのための道を開く。
論文 参考訳（メタデータ） (2025-10-13T07:57:21Z) - Unconditionally separating noisy $\mathsf{QNC}^0$ from bounded polynomial threshold circuits of constant depth [6.8680041558282054]
並列量子計算は,従来よりも計算能力が高いことを示す。
我々は、新しい量子コンピュータに計算上の優位性を持たせて、より高次元の非局所ゲーム理論を橋渡しする。
論文 参考訳（メタデータ） (2024-08-29T09:40:55Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - High-dimensional Asymptotics of Feature Learning: How One Gradient Step
Improves the Representation [89.21686761957383]
2層ネットワークにおける第1層パラメータ $boldsymbolW$ の勾配降下ステップについて検討した。
我々の結果は、一つのステップでもランダムな特徴に対してかなりの優位性が得られることを示した。
論文 参考訳（メタデータ） (2022-05-03T12:09:59Z) - Cost Function Dependent Barren Plateaus in Shallow Parametrized Quantum
Circuits [0.755972004983746]
変分量子アルゴリズム (VQA) はパラメタライズド量子回路のパラメータ $vectheta$ を最適化する。
我々は、$V(vectheta)$が局所的な2-デザインを形成するブロックからなる交互層状アンサッツであると仮定して、2つの結果を証明した。
量子オートエンコーダの実装において、これらのアイデアを最大100キュービットの大規模シミュレーションで説明する。
論文 参考訳（メタデータ） (2020-01-02T18:18:25Z)
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。