Fugu-MT 論文翻訳(概要): BAHAMAS: A Control Plane for Optimization and Execution of Variational Quantum Circuits

論文の概要: BAHAMAS: A Control Plane for Optimization and Execution of Variational Quantum Circuits

arxiv url: http://arxiv.org/abs/2608.28811v1
Date: Fri, 28 Aug 2026 19:23:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.755779
Title: BAHAMAS: A Control Plane for Optimization and Execution of Variational Quantum Circuits
Title（参考訳）: BAHAMAS:変分量子回路の最適化と実行のための制御プレーン
Authors: Amit Samanta, Mohammad Abrarul Hasanat, Jason Ludmir, Ryan Stutsman, Tirthak Patel, Rohan Basu Roy,
Abstract要約: 変分量子アルゴリズム(VQA)は、時相ノイズドリフトと静的量子ビットマッピングによる不安定な最適化に悩まされる。物理的マッピングを適応的に選択することで、ノイズ勾配の露出を安定化するオンライン制御フレームワークであるBAHAMASを提案する。
参考スコア（独自算出の注目度）: 3.8306251361388113
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Variational quantum algorithms (VQAs) suffer from unstable optimization due to temporal noise drift and static qubit mappings that distort gradient signals across iterations. We present BAHAMAS, an online control framework that stabilizes noise exposure by adaptively selecting physical mappings via consensus-based fidelity estimation, without requiring simulators, offline training, or prior executions. Across real quantum devices, BAHAMAS improves optimization reliability and supports inference-time retargeting under drift through robust, per-iteration control.
Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、時間的ノイズドリフトと、繰り返しにわたって勾配信号を歪ませる静的量子ビットマッピングによって不安定な最適化に苦しむ。本研究では,コンセンサスに基づく忠実度推定による物理マッピングを,シミュレータやオフライントレーニング,あるいは事前実行を必要とせずに適応的に選択することで,騒音暴露を安定化するオンライン制御フレームワークであるBAHAMASを提案する。実際の量子デバイス全体で、BAHAMASは最適化の信頼性を改善し、ロバストでイテレーション単位の制御を通じてドリフト下での推論時間の再ターゲティングをサポートする。

関連論文リスト

Stochastic Pauli-path simulator for large-scale quantum optimization [57.179828941706006]
パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
論文参考訳（メタデータ） (2026-07-20T10:43:44Z)
Accelerating Feedback-based Algorithms for Quantum Optimization Using Gradient Descent [6.852394426719304]
量子リアプノフ制御(QLC)は、単調な非減少目標値を保証するフィードバック駆動制御法を用いる。そこで本研究では,QLCの収束を加速するために,層間勾配推定を組み込んだハイブリッド手法を提案する。
論文参考訳（メタデータ） (2026-02-12T20:30:53Z)
Adaptive Linear Path Model-Based Diffusion [52.84663832658799]
リニアパスモデルベース拡散(LP-MBD)を導入し、分散保存スケジュールをフローマッチング線形確率パスに置き換える。また,適応型LP-MBD(ALP-MBD)を提案し,タスクの複雑さや環境条件に応じて拡散ステップやノイズレベルを調整する。
論文参考訳（メタデータ） (2026-02-02T21:33:03Z)
Not All Preferences Are Created Equal: Stability-Aware and Gradient-Efficient Alignment for Reasoning Models [52.48582333951919]
ポリシー更新の信号対雑音比を最大化することにより、アライメントの信頼性を高めるために設計された動的フレームワークを提案する。 SAGE(Stability-Aware Gradient Efficiency)は、モデル能力に基づいて候補プールをリフレッシュする粗いきめ細かいカリキュラムメカニズムを統合する。複数の数学的推論ベンチマークの実験により、SAGEは収束を著しく加速し、静的ベースラインを上回っていることが示された。
論文参考訳（メタデータ） (2026-02-01T12:56:10Z)
Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文参考訳（メタデータ） (2026-01-10T02:36:03Z)
Reliable Optimization Under Noise in Quantum Variational Algorithms [0.05219568203653522]
有限ショットサンプリングノイズにより,変分量子固有解法が困難であることを示す。適応的メタヒューリスティックスは最も効果的でレジリエントな戦略である。
論文参考訳（メタデータ） (2025-11-11T14:21:43Z)
PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。 PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
論文参考訳（メタデータ） (2025-10-27T03:04:46Z)
Statistical Benchmarking of Optimization Methods for Variational Quantum Eigensolver under Quantum Noise [0.0]
本研究では,H2分子に対する平均軌道-d変分量子固有解器に適用した数値最適化アルゴリズムの性能について検討する。目標は、ノイズ中間スケール量子系において一般的に使用される勾配に基づく、勾配のない、大域的な最適化戦略の安定性、精度、計算効率を評価することである。
論文参考訳（メタデータ） (2025-10-09T18:34:11Z)
Optimization Strategies for Variational Quantum Algorithms in Noisy Landscapes [0.061173711613792085]
変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおける主要なアプローチである。我々は変分量子ソルバ(VQE)のための50以上のメタヒューリスティックアルゴリズムをベンチマークした。その結果、ノイズの多いVQEのための小さなレジリエントアルゴリズムを特定し、短期量子デバイス上での最適化戦略のガイダンスを提供する。
論文参考訳（メタデータ） (2025-06-02T14:22:30Z)
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)

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。