論文の概要: Shots-to-Approximate-Solution Scaling in Neutral-Atom Quantum Optimization
- arxiv url: http://arxiv.org/abs/2608.12858v1
- Date: Thu, 13 Aug 2026 06:00:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.409759
- Title: Shots-to-Approximate-Solution Scaling in Neutral-Atom Quantum Optimization
- Title（参考訳）: 中性原子量子最適化におけるショット・トゥ・アポキシマト・ソリューションスケーリング
- Abstract要約: 本稿では,r が近似比を表す STS(r) について述べる。
実験用ビットストリングとランダムに生成したビットストリングの両方に一致した励起密度で同一の後処理を適用する。
125箇所までのシステムサイズを持つプログラム可能なRydberg-atomアレイの実験は、低エネルギー溶液構造への高濃度化を示す。
- 参考スコア（独自算出の注目度）: 0.15469452301122175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Whether neutral-atom quantum optimization protocols exhibit genuine concentration toward low-energy solution structure remains an open question. Here, we introduce a shots-to-approximate-solution metric, STS(r), where r denotes the approximation ratio, and evaluate it using postprocessed outputs modeled by a degeneracy-weighted shell distribution governed by a single effective parameter, $β$, that quantifies concentration toward near-optimal independent sets. To extract the genuine concentration effect in the quantum data, we apply identical postprocessing to both experimental bitstrings and randomly generated bitstrings with matched excitation density, thereby constructing an excitation-matched random baseline. Experiments on programmable Rydberg-atom arrays with system sizes up to 125 sites show that quantum annealing consistently exceeds the random baseline, demonstrating enhanced concentration toward low-energy solution structure beyond what can be attributed solely to excitation density. The results further reveal two distinct target-dependent regimes. For near-exact targets with $r \approx 1$, the required shot count grows exponentially with system size and is reduced at the same exponential level by quantum annealing within the shell-model description. By contrast, for relaxed targets, the shot cost becomes effectively constant, and the corresponding quantum enhancement diminishes, with the classical postprocessing heuristic alone reaching the target in order-unity attempts. Together, these results establish an operational method for quantifying quantum optimization performance and clarify the regimes under which quantum approaches can yield practical benefits.
- Abstract（参考訳）: 中立原子量子最適化プロトコルが低エネルギー溶液構造に対して真の濃度を示すかどうかは未解決の問題である。
ここでは,r が近似比を表す STS(r) のショットス・トゥ・アポキシメート・ソリューション・メトリックを導入し, 1 つの有効パラメータが支配する縮退重み付きシェル分布によってモデル化された後処理出力である $β$ を用いて評価する。
量子データ中の真の濃度効果を抽出するために、実験ビットストリングとランダムに生成されたビットストリングの両方に、一致した励起密度で同じ後処理を適用し、励起整合したランダムベースラインを構築する。
125箇所までのシステムサイズを持つプログラム可能なRydberg-atomアレイの実験は、量子アニールがランダムベースラインを一貫して超えることを示した。
結果はさらに2つの異なる目標依存型体制を明らかにした。
$r \approx 1$のほぼ正確なターゲットの場合、必要なショット数はシステムサイズとともに指数関数的に増加し、シェルモデル記述内の量子アニールにより同じ指数レベルで減少する。
対照的に、緩和されたターゲットの場合、ショットコストは効果的に一定となり、それに対応する量子拡張は減少し、古典的な後処理ヒューリスティックなヒューリスティックは、オーダーユニティ試行で目標に到達した。
これらの結果は、量子最適化性能の定量化と、量子アプローチが実用的な利点をもたらすレジームを明らかにするための運用方法を確立している。
関連論文リスト
- Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Quantum Decision Theory for Displacement Detection with Finite-Energy GKP States [46.2474896050764]
有限エネルギー,$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) - Enhanced Neural Quantum State via Annealed Gradient Descent [12.313934054741928]
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。
論文 参考訳（メタデータ） (2026-07-21T08:58:10Z) - Efficient classical training of model-free quantum photonic reservoir [28.404018926483985]
フォトニック量子極端学習マシンのトレーニング戦略を導入する。
学習段階と測定条件の最適化の両方を古典的な光で完全に行う。
実験により、古典的量子移動により、単一キュービットのパウリ観測値の正確な再構成が可能であることを示す。
論文 参考訳（メタデータ） (2026-04-14T08:29:38Z) - Multi-Outcome Circuit Optimization for Enhanced Non-Gaussian State Generation [0.0]
フォールトトレラント量子計算における重要な要件は、非ガウス量子状態の生成である。
本稿では,総合的な受理確率を高めるマルチアウトカム最適化戦略を提案し,実証する。
論文 参考訳（メタデータ） (2026-03-18T21:40:34Z) - Mitigating Barren plateaus in quantum denoising diffusion probabilistic models [49.90716699848553]
量子生成モデルは量子重ね合わせと絡み合いを利用して、古典データと量子データの両方の学習効率を向上させる。
QuDDPMは量子生成学習のための有望なフレームワークとして提案されている。
本研究は,QuDDPMにおけるバレンプラトーの出現について,2つの設計状態がデノナイジング過程の入力として用いられることによるものである。
本稿では,Haar分布から一定の距離を保ち,トレーニング性を向上したQuDDPMを提案する。
論文 参考訳（メタデータ） (2025-12-07T07:01:44Z) - Quantification of Quantum Dynamical Properties with Two Experimental Settings [1.6182874672133758]
本稿では,2つの非偏り基底のみを用いて特性測定を推定する近似最適化手法を提案する。
このシステムサイズの独立性は、エラーの蓄積を防止し、固有量子力学の特徴づけを可能にする。
提案手法は,チップスケール量子プロセッサから長距離量子ネットワークに至るまで,アーキテクチャの動的特性の推定に適していることを示す。
論文 参考訳（メタデータ） (2025-08-27T08:27:51Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - 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) - Suppressing Amplitude Damping in Trapped Ions: Discrete Weak
Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。
振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。
このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
論文 参考訳（メタデータ） (2022-09-06T18:18:41Z) - Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。
4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
論文 参考訳（メタデータ） (2022-08-21T17:18:10Z) - Distributed quantum phase sensing for arbitrary positive and negative
weights [2.5496329090462626]
正および負の符号を持つ重みの任意の分布に対する変位がゼロのガウス状態を用いた最適分散量子位相検出法を提案する。
最適スキームの推定精度を導出し、線形ビームスプリッタネットワークに注入された圧縮状態を用いて達成可能であることを示す。
また, 非ガウスプローブ状態を用いた場合と比較して, 2モードの場合に着目し, より深い知見を提供する。
論文 参考訳（メタデータ） (2021-08-09T15:38:59Z)
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。