論文の概要: Quantum Rare-Event Estimation for Ising Graphical Models with Belief-Propagation State Preparation
- arxiv url: http://arxiv.org/abs/2608.26840v1
- Date: Thu, 27 Aug 2026 09:12:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.322726
- Title: Quantum Rare-Event Estimation for Ising Graphical Models with Belief-Propagation State Preparation
- Title（参考訳）: 信念伝播状態を持つ図形モデルの量子希薄事象推定
- Abstract要約: 量子推定は、希少な確率推定のサンプリングコストを削減できる。
相関したIsingグラフィカルモデルに適用することは、対象の分布を作成し、実用的なイベントオラクルを構築することの難しさによって制限される。
この研究は、これらの課題を緩和するための2つの近似戦略を探求する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum amplitude estimation can reduce the sampling cost of rare-event probability estimation, but applying it to correlated Ising graphical models is limited by the difficulty of preparing the target distribution and building a practical event oracle. This work explores two approximate strategies for mitigating these challenges. We introduce a sample-free state-preparation method combining loopy belief propagation with the Chow--Liu algorithm. The resulting tree approximation is compiled into a quantum circuit with linear gate count and depth, and its accuracy is evaluated across graph families spanning different topologies, coupling strengths, and coupling signs. We also construct a structural oracle that evaluates threshold rules with reversible Boolean gates. Using a twenty-node supply-chain disruption model as a case study, we compare maximum likelihood amplitude estimation against four classical Monte Carlo baselines. Under the fixed-depth schedule used throughout this work, the quantum estimator has the same asymptotic error scaling as the classical methods but achieves lower estimation error by a constant factor. This reduction narrows when amplitude-encoding queries replace raw shots as the resource metric. We separate statistical error from the deterministic errors caused by approximate state preparation and oracle construction, and identify the requirements for achieving an improvement beyond a constant factor.
- Abstract（参考訳）: 量子振幅推定は希少事象確率推定のサンプリングコストを低減できるが,それと相関したIsingグラフィカルモデルに適用することは,目標分布の作成と実用的なイベントオラクルの構築の困難さによって制限される。
この研究は、これらの課題を緩和するための2つの近似戦略を探求する。
我々はChow-Liuアルゴリズムとループ的信念伝搬を組み合わせたサンプルフリーな状態準備手法を提案する。
結果として得られる木近似は線形ゲート数と深さを持つ量子回路にコンパイルされ、その精度は異なるトポロジ、結合強度、結合符号にまたがるグラフファミリで評価される。
また,可逆的なブールゲートを用いてしきい値ルールを評価する構造オラクルを構築した。
ケーススタディとして20ノードのサプライチェーン破壊モデルを用いて、4つの古典モンテカルロ基底線に対する最大振幅推定を比較する。
この研究を通じて使われる固定深度スケジュールの下では、量子推定器は古典的手法と同じ漸近誤差スケーリングを持つが、定数係数による低い推定誤差を達成する。
この削減は、振幅エンコードクエリーがリソースメトリックーとして生ショットを置き換えるときに制限される。
我々は, 近似状態準備とオラクル構築による決定論的誤差から統計的誤差を分離し, 一定の因子を超える改善を実現するための要件を特定する。
関連論文リスト
- Limitations of Error Model Approximations in Quantum Network Simulation [0.13999481573773073]
Pauli twirling や reset channel のような単純なエラーモデルが,プロトコルの性能予測において重大な相違をもたらすことを示す。
その結果、将来の量子技術における運用しきい値の正確な予測には、完全なノイズアーキテクチャの厳密な検証が不可欠であることが示唆された。
論文 参考訳（メタデータ） (2026-07-01T14:35:26Z) - Optimizing resource bounds in direct fidelity estimation [0.0]
直接忠実度推定は、実験的に準備された状態と所望の純粋ターゲット状態の間の忠実度を推定する方法を提供する。
2011年にFlamiaとLiuとda Silva、Landon-Cardinal、Poulinによって2つの重要な定式化が導入された。
ノイズに関する付加的な構造情報は、対応するリソース境界を大幅に鋭くすることができることを示す。
論文 参考訳（メタデータ） (2026-06-15T07:43:05Z) - Tailoring Strictly Proper Scoring Rules for Downstream Tasks: An Application to Causal Inference [48.78219918881965]
本稿では,ダウンストリーム誤差メトリックの局所曲率をマッチングすることにより,タスク固有の厳密なスコアリングルールを導出するフレームワークを提案する。
これを平均処理効果 (ATE) 推定に適用し, 閉形式損失と対応する正準確率写像を導出する。
論文 参考訳（メタデータ） (2026-06-02T08:41:25Z) - Easier randomizing gates provide more accurate fidelity estimation [0.1759008116536278]
我々は、インターリーブドランダム化ベンチマーク(IRB)の標準手法により、インターリーブドゲートの誤差に対して、高精度で物理的に不可能な推定値が得られることを示した。
また,単一キュービットのパウリゲートでランダム化を行うサイクルベンチマークを用いて行ったインターリーブベンチマークにより,系統的不確実性を劇的に低減することを示した。
論文 参考訳（メタデータ） (2025-12-31T09:32:19Z) - 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) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Semiparametric conformal prediction [79.6147286161434]
ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。
スコアの累積分布関数(CDF)を柔軟に推定する。
提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Fidelity decay and error accumulation in random quantum circuits [0.3562485774739681]
忠実度は、回路深さとアーキテクチャ依存のパワーに上昇する量子ビットの数の両方で指数関数的に減衰する。
量子ボリュームテストにおいて量子プロセッサをベンチマークするために用いられる重出力周波数と忠実度との間には、堅牢な線形関係が確立される。
論文 参考訳（メタデータ） (2024-04-17T14:53:26Z) - Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。
決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。
本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-11T15:20:54Z) - The Implicit Delta Method [61.36121543728134]
本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。
有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
論文 参考訳（メタデータ） (2022-11-11T19:34:17Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z)
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。