論文の概要: Trainability and Mode Separation of Mixed IQP-QCBMs

• arxiv url: http://arxiv.org/abs/2607.27883v1
• Date: Thu, 30 Jul 2026 08:56:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.47004
• Title: Trainability and Mode Separation of Mixed IQP-QCBMs
• Title（参考訳）: 混合IQP-QCBMの訓練性とモード分離
• Abstract要約: 瞬時量子時間回路に基づく量子回路マシン(QCBM)は、トレーニング容易性のために量子生成モデルを約束している。 本稿では, 分岐と呼ばれるアンシラフリーIQP回路の重み付け混合として, アンシラ拡張回路を一般化したIQP-QCBMを提案する。
• 参考スコア（独自算出の注目度）: 4.822952500424597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum circuit Born machines (QCBMs) based on instantaneous quantum polynomial-time (IQP) circuits are promising quantum generative models for their classical trainability. It is known that their ancilla-free form avoids barren plateaus under certain initializations, but remains non-universal. Although adding ancilla qubits raises the expressivity, whether the ancilla-extended model retains local trainability remains unknown. We propose the mixed IQP-QCBM, which generalizes the ancilla-extended circuit as a weighted mixture of ancilla-free IQP circuits, called branches. For a polynomial number of branches, we prove local barren-plateau avoidance from data-agnostic and, under certain assumptions, data-dependent initializations. We further show that the mixed IQP-QCBM can surpass the best ancilla-free IQP circuit only if its branches generate a number of distinct distributions. In particular, we focus on a behavior we call \emph{mode separation}, in which each branch captures a particular feature of the target. Mode separation is hard to attain from an initialization whose branches generate the same distribution: the gradients that would separate them are suppressed while the distributions they generate remain close. This motivates \emph{cluster initialization}, which assigns a different unsupervised data cluster to each branch and provides an initial degree of mode separation. Exact calculations on two 16-bit datasets support the barren-plateau and gradient-suppression claims. On four benchmarks, binary clusters, a two-dimensional Ising model, binarized MNIST, and a 484-spin glass, cluster initialization converges fastest and reaches the lowest mean test $\mathrm{MMD}^2$. We observe that, when achieving the lowest test $\mathrm{MMD}^2$, the mixed IQP-QCBM contains branches specialized to distinguishable data features such as blob patterns, magnetization sectors, or digit shapes.
• Abstract（参考訳）: 瞬時量子多項式時間(IQP)回路に基づく量子回路ボーンマシン(QCBM)は、古典的なトレーニング容易性のために量子生成モデルを約束している。 アンシラのない形態は、特定の初期化の下で不毛の台地を避けることが知られているが、ユニバーサルではない。 アンシラ量子ビットを追加することで表現性が向上するが、アンシラ拡張モデルが局所的なトレーサビリティを維持するかどうかは不明である。 そこで本研究では,アシラフリーIQP回路の重み付け混合として,アシラ拡張回路を一般化したIQP-QCBMを提案する。 分岐の多項式数に対して、局所バレンプラトーはデータに依存しず、特定の仮定の下では、データに依存した初期化を避ける。 さらに,この混合IQP-QCBMは,その分岐が複数の異なる分布を生成する場合に限り,最適なアンシラフリーIQP回路を超えることができることを示す。 特に、我々は \emph{mode separation} と呼ばれる振る舞いに注目し、各ブランチがターゲットの特定の特徴をキャプチャする。 モード分離は、分岐が同じ分布を生成する初期化から達成することは困難であり、それらを分離する勾配は、それらが生成する分布が近いまま抑制される。 これは \emph{cluster initialization} を動機付け、異なる教師なしのデータクラスタを各ブランチに割り当て、モード分離の初期レベルを提供する。 2つの16ビットデータセットの厳密な計算は、バレンプラトーと勾配抑圧のクレームをサポートする。 4つのベンチマークでは、2次元のIsingモデル、2次元のMNIST、484スピンのガラスが収束し、最小平均値である$\mathrm{MMD}^2$に達する。 我々は、最低テスト$\mathrm{MMD}^2$に達すると、混合IQP-QCBMは、ブロブパターン、磁化セクター、桁形状などの識別可能なデータ特徴に特化した枝を含むことを観察した。

関連論文リスト

• Efficient Representation of multicategorical local Hilbert spaces: nonlinear Restricted Boltzmann Machines to Kolmogorov-Arnold Networks [0.0]
  スピン$frac12$システムを表すニューラルネットワーク量子状態(NQS)は、通常、バイナリ可視変数を持つマルチ層パーセプトロン(MLP)から構築される。 私は、$log $ を生の多値スピン変数の非線形関数として許すことが自然な分類的一般化であることを数値的に見出す。 私はこのフレームワークが量子ポッツ・ハミルトンの臨界挙動を捉え、相転移を回復することを示した。
  論文  参考訳（メタデータ） (2026-09-06T15:24:39Z)
• The ZZ feature map induces a signless Laplacian metric: a closed-form classical surrogate for quantum kernel regression [0.0]
  我々は、誘導核が小さい帯域幅の状態では、先行順に、計量 M = I + pi2 Q の異方性ガウス核であることを証明する。 対応する古典的カーネルは、適合パラメータを必要とせず、量子シミュレーションも必要としない。
  論文  参考訳（メタデータ） (2026-08-29T19:59:00Z)
• GroverFigureOfMerit: An Agnostic Figure of Merit for Quantum Backend Characterization in the NISQ Era [41.99844472131922]
  本稿では,Groverのアルゴリズムに基づくメリットのフィギュアを,量子バックエンド性能を均等に評価するアルゴリズム的ストレステストとして提案する。 この計量は、目標状態の成功確率と、非一様増幅と非マーク状態へのリークに対する罰則を組み合わせ、ハードウェアアーキテクチャ全体で統一されたスコアを得る。
  論文  参考訳（メタデータ） (2026-07-09T16:08:48Z)
• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• Quantum Injection Pathways for Implicit Graph Neural Networks [0.8826339811274068]
  深度平衡モデル(Deep Equilibrium Model)は、明示的なレイヤのスタックを固定点が出力を定義する単一の演算子に置き換える。 textitIndependent Injectionは、グラフ毎に一度量子信号を計算し、前方固定点解を計算し、解全体にわたって固定する。 textitStateに依存したインジェクションは、代わりにソルバステップ毎に信号を再計算し、現在のイテレーションに適用する。 textitBackboneに依存したインジェクションも同じように再計算されるが、現在のイテレーションで評価された古典的なバックボーンの出力に信号を適用する。
  論文  参考訳（メタデータ） (2026-05-09T23:51:46Z)
• Hybrid QPE-Ansatz Strategy for Reliable Excited-State Variational Quantum Deflation [0.0]
  Schemeは、最小限の回路オーバーヘッドで$mathrmexp (ihatS_x)$で制御された回転を通して、スピン情報を小さなアンシラレジスタにエンコードする。 スクリーニングモジュールは変分アンサッツとは独立に動作するため、変分量子固有解法に基づく他の励起状態計算スキームにも使用できる。
  論文  参考訳（メタデータ） (2026-03-30T02:57:09Z)
• IQP Born Machines under Data-dependent and Agnostic Initialization Strategies [0.0]
  量子回路 瞬時量子時間(IQP)回路に基づくマシンは、量子生成モデリングの自然な候補である。 最近の提案では,低ボディのPauli-$Z$orsで構築した平均最大離散性(MMD)損失を用いたIQP-QCBMのトレーニングに重点を置いている。
  論文  参考訳（メタデータ） (2026-03-15T19:54:04Z)
• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• A logical qubit-design with geometrically tunable error-resistibility [0.46873264197900916]
  超伝導量子ビット(SCQ)をマイクロ波空洞モードに結合した論理量子ビットのセットアップを提案する。 我々の設計はBose-Hubbard wheel (BHW)で最近発見された幾何安定化機構に基づいている。
  論文  参考訳（メタデータ） (2024-05-13T19:32:58Z)
• Distribution-Flexible Subset Quantization for Post-Quantizing Super-Resolution Networks [68.83451203841624]
  本稿では,超高分解能ネットワークのためのポストトレーニング量子化手法であるDFSQを提案する。 DFSQは活性化のチャネルワイド正規化を行い、分布フレキシブルなサブセット量子化(SQ)を適用する 6ビットの量子化と8ビットの量子化では完全精度に匹敵する性能を達成し、4ビットの量子化では0.1dBのPSNR低下しか生じない。
  論文  参考訳（メタデータ） (2023-05-10T04:19:11Z)
• Are Quantum Circuits Better than Neural Networks at Learning Multi-dimensional Discrete Data? An Investigation into Practical Quantum Circuit Generative Models [0.0]
  多層パラメタライズド量子回路(MPQC)は古典的ニューラルネットワーク(NN)よりも表現力が高いことを示す。 我々は、MPQCが古典的に効率的にシミュレートできない確率分布を生成できる理由の体系的な証明に、利用可能な情報源を整理する。 量子回路を限られたサンプルで効率的にトレーニングする方法、勾配(量子)を効率的に計算する方法、モーダル崩壊を緩和する方法など、実用的な問題に対処する。
  論文  参考訳（メタデータ） (2022-12-13T05:31:31Z)

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。