論文の概要: Automating Variational Quantum Sensing through Reinforcement-Learned Circuit Structures

• arxiv url: http://arxiv.org/abs/2608.17582v1
• Date: Tue, 18 Aug 2026 09:47:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.295492
• Title: Automating Variational Quantum Sensing through Reinforcement-Learned Circuit Structures
• Title（参考訳）: 強化学習回路構造による変分量子センシングの自動化
• Abstract要約: textscAutoQSenseは、Fisher-informationベースの目的を使って回路アーキテクチャを検索する強化学習フレームワークである。 その結果、学習したアーキテクチャは、既知のベンチマーク戦略を回復し、ノイズに適応し、固定されたハードウェア効率のアンストーゼを上回ります。
• 参考スコア（独自算出の注目度）: 8.108113752089812
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum sensing offers a promising route to high-precision parameter estimation, but its performance depends strongly on the circuit architectures used for probe preparation and measurement. Existing approaches typically optimize continuous parameters within predefined ansätze, restricting the accessible design space and limiting adaptation to sensing tasks and hardware constraints. Here, we introduce \textsc{AutoQSense}, a reinforcement-learning framework that searches circuit architectures using Fisher-information-based objectives. For few-qubit systems, a single agent sequentially constructs preparation and measurement circuits. For larger systems, a distributed formulation assigns local circuit design to subsystem agents and inter-block entanglement to a budgeted agent. Numerical results show that the learned architectures recover known benchmark strategies, adapt to dephasing noise, and outperform fixed hardware-efficient ansätze while using fewer entangling gates. These results establish \textsc{AutoQSense} as a resource-aware approach to adaptive and hardware-compatible quantum sensing.
• Abstract（参考訳）: 変動量子センシングは高精度パラメータ推定への有望な経路を提供するが、その性能はプローブの準備と測定に使用される回路アーキテクチャに強く依存する。 既存のアプローチは通常、事前定義されたアンセッツェ内の連続パラメータを最適化し、アクセス可能な設計空間を制限し、センシングタスクやハードウェア制約への適応を制限する。 本稿では,Fisher-information-based objectives を用いて回路アーキテクチャを探索する強化学習フレームワークである \textsc{AutoQSense} を紹介する。 数量子システムでは、単一のエージェントが順次準備回路と測定回路を構築している。 大規模システムでは、分散回路設計をサブシステムエージェントに割り当て、ブロック間絡みを予算化されたエージェントに割り当てる。 数値的な結果から,学習したアーキテクチャは既知のベンチマーク戦略を回復し,ノイズの強調に適応し,ハードウェア効率の優れたアンセッツェを向上し,より少ないエンタングゲートを用いた。 これらの結果は、適応型およびハードウェア互換の量子センシングに対するリソース認識アプローチとして、‘textsc{AutoQSense} を確立する。

関連論文リスト

• Architectural scaling tradeoffs in modular 3D bosonic quantum processors [60.61253784194378]
  結合キャビティモジュールを相互接続した3次元ボソニック量子プロセッサを提案する。 相互接続数,通信距離,リソース集中度,実装複雑性の観点から,最寄り,ハブベース,ハイブリッドアーキテクチャを比較した。
  論文  参考訳（メタデータ） (2026-08-22T02:31:24Z)
• Architecture-Aware Reinforcement Learning for Communication-Efficient Distributed Quantum Circuit Compilation [16.380589534840862]
  分散量子コンピューティングは、単一の量子処理ユニットのキャパシティ限界を超えて量子回路を実行するためのスケーラブルな経路を提供する。 本稿では,分散量子コンパイルを制約付きマルコフ決定過程として定式化するアーキテクチャ対応強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-07T07:25:18Z)
• Fixed-Point Reasoners: Stable and Adaptive Deep Looped Transformers [72.66457738838515]
  本稿では,ループ型アーキテクチャにおける終端停止機構として固定点収束を用いたトランスフォーマーベースの固定点推論モデルを提案する。 FPRMは、Sudoku、Maze、state-tracking、ARC-AGIといった一般的な推論ベンチマークで有効である。
  論文  参考訳（メタデータ） (2026-06-16T17:36:33Z)
• Regression of Functions by Quantum Neural Networks Circuits [41.09105068326236]
  本研究では,回帰タスクの自動量子回路構築について検討する。 遺伝的アルゴリズムフレームワークを導入し、Reduceed Regressor QNNアーキテクチャを発見する。
  論文  参考訳（メタデータ） (2025-12-23T01:58:03Z)
• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• OrQstrator: An AI-Powered Framework for Advanced Quantum Circuit Optimization [3.9134031118910264]
  OrQstratorは、ノイズ中間スケール量子(NISQ)時代に量子回路最適化を行うためのモジュラーフレームワークである。 私たちのフレームワークは、Deep Reinforcement Learning (DRL)を利用している。
  論文  参考訳（メタデータ） (2025-07-13T15:38:39Z)
• Stacking the Odds: Full-Stack Quantum System Design Space Exploration [3.3595409695121656]
  本研究では,レイアウト手法,キュービットルーティング手法,コンパイラ最適化レベル,ハードウェア固有の特性の影響について検討する。 我々のシミュレーションにはノイズがあるが、量子エラー補正(QEC)のシナリオが含まれており、レイアウトや接続性に類似した感度が明らかにされている。
  論文  参考訳（メタデータ） (2025-06-03T12:01:58Z)
• ZeroLM: Data-Free Transformer Architecture Search for Language Models [54.83882149157548]
  現在の自動プロキシ発見アプローチは、検索時間の拡張、データの過度なオーバーフィットへの感受性、構造的な複雑さに悩まされている。 本稿では,効率的な重み統計によるモデルキャパシティの定量化を目的とした,新しいゼロコストプロキシ手法を提案する。 本評価は,FlexiBERT ベンチマークで Spearman's rho 0.76 と Kendall's tau 0.53 を達成し,このアプローチの優位性を示すものである。
  論文  参考訳（メタデータ） (2025-03-24T13:11:22Z)
• Trainability maximization using estimation of distribution algorithms assisted by surrogate modelling for quantum architecture search [8.226785409557598]
  量子アーキテクチャサーチ(QAS)は、量子パラメトリック回路の構成を最適化するだけでなく、変分量子アルゴリズムのパラメータも最適化する。 本稿では,(1)粗悪な性能のアーキテクチャを積極的に破棄する評価プロセスのオンラインサロゲートモデルによる測定数を削減し,(2)BPが存在する場合の回路のトレーニングを避けることを目的とした。 我々は、変分量子固有解法の提案を実験的に検証し、我々のアルゴリズムがハミルトニアンの文献でこれまで提案されていた解を見つけることができることを示した。
  論文  参考訳（メタデータ） (2024-07-29T15:22:39Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Quantum Architecture Search with Unsupervised Representation Learning [24.698519892763283]
  教師なし表現学習は量子アーキテクチャ探索(QAS)を前進させる新しい機会を提供する QASは変分量子アルゴリズム(VQA)のための量子回路を最適化するように設計されている
  論文  参考訳（メタデータ） (2024-01-21T19:53:17Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Adversarially Robust Neural Architectures [43.74185132684662]
  本稿では,NASフレームワークを用いたアーキテクチャの観点から,ネットワークの対角的ロバスト性を改善することを目的とする。 本稿では, 対向ロバスト性, リプシッツ定数, アーキテクチャパラメータの関係について検討する。 提案アルゴリズムは,異なるデータセットに対する様々な攻撃の下で,すべてのモデルの中で最高の性能を実証的に達成する。
  論文  参考訳（メタデータ） (2020-09-02T08:52:15Z)
• Dataless Model Selection with the Deep Frame Potential [45.16941644841897]
  ネットワークをその固有の能力で定量化し、ユニークでロバストな表現を行う。 本稿では,表現安定性にほぼ関係するが,ネットワーク構造にのみ依存する最小限のコヒーレンス尺度であるディープフレームポテンシャルを提案する。 モデル選択の基準としての利用を検証するとともに,ネットワークアーキテクチャの多種多様な残差および密結合化について,一般化誤差との相関性を示す。
  論文  参考訳（メタデータ） (2020-03-30T23:27:25Z)

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。