論文の概要: Proper Learning of Shallow All-to-All Quantum Circuits

• arxiv url: http://arxiv.org/abs/2608.20162v1
• Date: Thu, 20 Aug 2026 15:19:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.624582
• Title: Proper Learning of Shallow All-to-All Quantum Circuits
• Title（参考訳）: 浅部全量子回路の適正学習
• Abstract要約: 本研究は、浅い量子回路を学習する際の問題点について考察する。 回路へのアクセスとゲートレイアウトの知識を考慮し,回路で使用する特定のゲートを学習する作業を検討する。 回路の前と後ろの反復的な局所ゲート反転に基づいて、幅広い回路のクラスを学習するためのメタアルゴリズムの枠組みを同定する。
• 参考スコア（独自算出の注目度）: 0.1375062426766416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work considers a variation on the problem of learning shallow quantum circuits. Given query access to the circuit, as well as knowledge of its gate layout, we consider the task of learning the specific gates used in the circuit, producing an operationally-equivalent circuit matching this structure. Building on recent work for learning Haar random brickwork circuits, we identify a meta-algorithmic framework for learning broad classes of circuits based on iterative local gate inversions at the front and back of the circuit. We apply these techniques to study random, all-to-all, two-local circuits, and provide analytical and numerical evidence that this ensemble undergoes a sharp learnability transition at depth $d^* \sim \log_2 n + \log_2\log_2 n$ in the large size limit, based on an analysis of lightcone growth. These results have implications for recently proposed quantum cryptographic schemes based on the difficulty of circuit learning, though there are important distinctions with respect to our setting that suggest avenues for future study.
• Abstract（参考訳）: 本研究は、浅い量子回路を学習する際の問題点について考察する。 回路へのクエリアクセスとゲートレイアウトの知識を考慮し、回路で使用する特定のゲートを学習し、この構造に適合する動作等価回路を生成する。 近年のHaarランダムブリックワーク回路の学習作業に基づいて,回路の前と後ろの反復的な局所ゲート反転に基づいて,幅広い回路のクラスを学習するためのメタアルゴリズムフレームワークを同定した。 これらの手法をランダムでオール・ツー・オールな2局所回路の研究に適用し、光錐成長の解析に基づいて、このアンサンブルが大規模限界において、深度$d^* \sim \log_2 n + \log_2\log_2 n$で鋭い学習可能性遷移を行うという解析的および数値的な証拠を提供する。 これらの結果は、回路学習の難しさに基づく最近提案された量子暗号スキームに影響を及ぼすが、今後の研究の道筋を示す我々の設定に関して重要な違いがある。

関連論文リスト

• Verifiable quantum advantage in extremely low depth [52.51019642214249]
  浅量子回路では解けない問題を格子ベースの仮定で解くのが困難である。 浅量子回路は、解を効率よく検証できる古典的な難題を解くのに十分な構造を持っていることを証明している。
  論文  参考訳（メタデータ） (2026-09-01T15:54:34Z)
• Multilevel Circuit Optimization in Quantum Compilers: A Case Study [0.6954287924634025]
  マルチレベル回路最適化(MLCO)について検討し、複数のゲートセットをデプロイし、ゲートセットからターゲット回路へのソース回路を段階的に低下させる。 我々は、ハミルトンシミュレーションのソース回路を用いて、偏微分方程式を解くことにより、その効果を実証する。 MLCOは高レベルの回路構造を可視化し、回路の単純化方法やゲートの分解方法についての洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-14T12:19:17Z)
• Optimizing Quantum Circuits via ZX Diagrams using Reinforcement Learning and Graph Neural Networks [38.499527873574436]
  量子回路最適化のためのZX計算,グラフニューラルネットワーク,強化学習に基づくフレームワークを提案する。 本手法は,強化学習と木探索を組み合わせることで,ZX計算の書き直し規則を最適に選択することの課題に対処する。 本稿では,多種多様なランダム回路上での最先端回路の一般化と能力について述べる。
  論文  参考訳（メタデータ） (2025-04-04T13:19:08Z)
• Data Complexity Measures for Quantum Circuits Architecture Recommendation [55.74527632797241]
  量子パラメトリック回路は、量子回路のサイズを減らす代替として構築される。 与えられた問題の最適回路を決定することは 未解決の問題です 本研究では,分類問題に対する量子回路レコメンデーションアーキテクチャを,データベースの複雑性尺度を用いて提案する。
  論文  参考訳（メタデータ） (2025-02-21T01:17:24Z)
• Learning shallow quantum circuits with many-qubit gates [1.879968161594709]
  本稿では,多くの量子ゲートを持つ浅量子回路の平均ケース学習のための,計算効率のよい最初のアルゴリズムを提案する。 学習したユニタリ回路は多対数深度で効率的に合成可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-22T04:48:36Z)
• Testing and Debugging Quantum Circuits [0.65268245109828]
  本稿では,振幅変調,位相変調,振幅再分配の3種類の回路ブロックについて述べる。 本稿では,量子コンピューティングのユニークな要求に合わせて,包括的ユニットテストツール(Cirquo)とデバッグアプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-30T02:42:58Z)
• CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
  本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。 オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。 我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
  論文  参考訳（メタデータ） (2023-08-31T02:20:25Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Efficient quantum gate decomposition via adaptive circuit compression [0.0]
  回路設計におけるパラメトリック2量子ゲートの利用により、回路合成の離散的な問題を連続変数に対する最適化問題に変換することができる。 このアルゴリズムをSQUANDERソフトウェアパッケージに実装し、最先端の量子ゲート合成ツールと比較した。
  論文  参考訳（メタデータ） (2022-03-08T22:29:31Z)
• Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
  本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。 後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。 近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T05:26:19Z)
• QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
  QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。 ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
  論文  参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。