論文の概要: Dynamical Lie Algebras Cannot Describe Shallow QAOA: Cragged Terrains, Barren Plateaus, and Empirical Hardness Models

• arxiv url: http://arxiv.org/abs/2608.04252v1
• Date: Tue, 04 Aug 2026 22:15:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.647258
• Title: Dynamical Lie Algebras Cannot Describe Shallow QAOA: Cragged Terrains, Barren Plateaus, and Empirical Hardness Models
• Title（参考訳）: 浅部QAOAを記述できない動的リー代数:クラック地形,バレン台地および経験的硬度モデル
• Abstract要約: 変動量子アルゴリズムのリー勾配理論は浅い回路系で失敗することを示す。 大規模数値調査では,バレン高原は希少であるが,システムサイズに差が生じる景観は一般的である。 この理論に代わるストップギャップとして、経験的硬度モデルを訓練して、インスタンスワイド硬度メトリクスを予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The dynamical Lie algebraic (DLA) theory of variational quantum algorithms (VQAs) predicts commonplace exponentially vanishing loss and gradient variances for sufficiently deep parametrized circuits. In this work, we show that these predictions fail dramatically in the shallow-circuit (and particularly constant-depth) regime for the Quantum Approximate Optimization Algorithm (QAOA) applied to the maximum independent set (MIS) problem. In a large-scale numerical study across $\sim$23,000 problem instances, we find that barren plateaus are rare, while landscapes whose variances polynomially increase with system size---which we term "cragged terrains"---are common across graph families. This aggregate polynomial growth persists both for generic, low-symmetry random graphs and for highly symmetric vertex-transitive graphs, indicating that DLA-based variance predictions do not describe landscape scaling in this regime. As a stopgap alternative to the theory, we train empirical hardness models to predict instance-wise hardness metrics for QAOA-MIS. While these models generalize poorly, they nonetheless recover the correct landscape scaling class (barren plateau vs. cragged terrain) with high fidelity. Taken together, our results identify shallow QAOA for MIS as a prototypical setting in which asymptotic, unitary-design-centric predictions may be fundamentally insufficient to describe shallow variational quantum algorithms more broadly, emphasizing the need for more empirically-informed models of VQA loss landscapes.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)の動的リー代数(DLA)理論は、十分に深いパラメタライズド回路の損失と勾配の分散を指数関数的に消失させる共通点を予測する。 本研究では,量子近似最適化アルゴリズム(QAOA)の浅層回路(および特に一定深度)において,これらの予測が最大独立集合(MIS)問題に適用された場合,劇的に失敗することを示す。 $\sim$23,000の問題を対象とする大規模数値研究では、不毛の高原は稀であるが、システムサイズによってばらつきが多項式的に増加する風景は、グラフファミリ間で共通である。 この集合多項式成長は、一般的な、低対称性のランダムグラフと高対称性の頂点推移グラフの両方に持続し、DLAに基づく分散予測は、この状態におけるランドスケープスケーリングを記述していないことを示す。 この理論の代替として、QAOA-MISのインスタンスワイド硬度指標を予測するために経験的硬度モデルを訓練する。 これらのモデルはあまり一般化されていないが、しかしながら、高い忠実度で正確なランドスケープ・スケーリング・クラス(バレン・プレート(Barren Plateau vs. cragged terrain))を回復する。 その結果、MISの浅部QAOAは、漸近的でユニタリな設計中心の予測が、浅部量子アルゴリズムをより広範に記述するのに根本的に不十分である可能性があり、より経験的に表現されたVQA損失ランドスケープのモデルの必要性を強調した。

関連論文リスト

• Fitting Unknown Number of Hyperplanes with Manifold Optimization [57.48093263119306]
  未知数の線形平面をデータに適合させることは、機械学習の根本的な課題である。 既存のアプローチはしばしば最適な最適化に苦しむか、幾何的整合性に欠ける。
  論文  参考訳（メタデータ） (2026-05-27T14:02:20Z)
• Maximum entropy based testing in network models: ERGMs and constrained optimization [1.9116784879310027]
  ネットワーク空間上での制約付きエントロピー最大化問題を開発する。 得られたテスト統計は、制約付き最適化問題に関連するラグランジュ乗算器によって定義される。 提案するLagrange-multiplierフレームワークは,制約付き最大推定のための古典的スコアテストに自然に接続することを示す。
  論文  参考訳（メタデータ） (2026-02-24T12:35:08Z)
• Ising on the donut: Regimes of topological quantum error correction from statistical mechanics [0.0]
  ユーティリティスケールの量子コンピュータは、論理的誤り率を十分に低くするために、大量の物理量子ビットを持つ量子エラー訂正符号を必要とする。 ここでは、ビットフリップ雑音下でのトーラス符号から、トーラス上の正確に解ける2次元イジングモデルに対して、シンドロームフリーで選択されたトーラス符号の正確なマッピングを利用して、論理的故障率の解析解を導出する。
  論文  参考訳（メタデータ） (2025-12-11T08:06:23Z)
• When does Gaussian equivalence fail and how to fix it: Non-universal behavior of random features with quadratic scaling [15.148577493784051]
  ガウス同値理論 (GET) は、高次元の複素特徴の挙動をガウス級数によって捉えることができると述べている。 しかし、数値実験により、この同値性は一般的なスケーリング体制下での単純な埋め込みでも失敗する可能性があることが示されている。 我々は、低次元のガウス成分を高次元ガウスモデルに付加すると考えられる条件等価(CGE)モデルを導入する。
  論文  参考訳（メタデータ） (2025-12-03T00:23:12Z)
• Efficient Approximation of Volterra Series for High-Dimensional Systems [0.0]
  入力空間の小さな部分集合で訓練された局所化MVMALSモデルを構築することにより,複雑性を著しく低減するヘッド平均化(THA)アルゴリズムを導入する。 THAは、拡張性があり理論的に基礎付けられたアプローチを提供し、以前は難解な高次元システムを特定する。
  論文  参考訳（メタデータ） (2025-11-09T20:31:39Z)
• Monotonicity and Double Descent in Uncertainty Estimation with Gaussian Processes [52.92110730286403]
  限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。 我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。 また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
  論文  参考訳（メタデータ） (2022-10-14T08:09:33Z)
• MAgNet: Mesh Agnostic Neural PDE Solver [68.8204255655161]
  気候予測は、流体シミュレーションにおける全ての乱流スケールを解決するために、微細な時間分解能を必要とする。 現在の数値モデル解法 PDEs on grids that too coarse (3km～200km on each side) 本研究では,空間的位置問合せが与えられたPDEの空間的連続解を予測する新しいアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2022-10-11T14:52:20Z)
• High-dimensional limit theorems for SGD: Effective dynamics and critical scaling [6.950316788263433]
  我々は、勾配降下(SGD)の要約統計の軌跡に対する極限定理を証明する。 下記の有効弾道力学が人口減少の勾配流と一致するステップサイズにおける重要なスケーリング体制を示す。 この実効力学の固定点について、対応する拡散極限は極めて複雑であり、さらに退化することもある。
  論文  参考訳（メタデータ） (2022-06-08T17:42:18Z)
• Improving Generalization via Uncertainty Driven Perturbations [107.45752065285821]
  トレーニングデータポイントの不確実性による摂動について考察する。 損失駆動摂動とは異なり、不確実性誘導摂動は決定境界を越えてはならない。 線形モデルにおいて,UDPがロバスト性マージン決定を達成することが保証されていることを示す。
  論文  参考訳（メタデータ） (2022-02-11T16:22:08Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)
• Post-mortem on a deep learning contest: a Simpson's paradox and the complementary roles of scale metrics versus shape metrics [61.49826776409194]
  我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。 メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。 本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
  論文  参考訳（メタデータ） (2021-06-01T19:19:49Z)
• Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
  変分法による離散的グラフィカルモデルの推論は困難である。 エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。 選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-22T05:04:38Z)

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。