論文の概要: A Case Study on Noise Resilient Operator Selection in Adaptive Variational Quantum Algorithms
- arxiv url: http://arxiv.org/abs/2609.17501v1
- Date: Tue, 15 Sep 2026 17:42:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.641191
- Title: A Case Study on Noise Resilient Operator Selection in Adaptive Variational Quantum Algorithms
- Title（参考訳）: 適応変分量子アルゴリズムにおける雑音耐性演算子選択の一事例
- Abstract要約: ADAPT-VQEは量子コンピューティングのための基底状態準備アルゴリズムである。
ノイズはADAPT-VQEの精度に大きな影響を及ぼすことが示されている。
選択基準がある種の雑音に対して自然に回復するにもかかわらず、コヒーレントノイズと非コヒーレントノイズの両方が十分に高いノイズ率の収束を妨げていることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hardware noise has been shown to significantly impact the accuracy of ADAPT-VQE, a ground state preparation algorithm. While previous work has studied the impact of noise on its parameter optimization step, its impact on the critical operator selection step remains comparatively unexplored. In this work, we examine the impact of a variety of noise channels on this step, using a linear H$_3$ molecule as a test case. We show that, despite the selection criterion's natural resilience to some noise, both coherent and incoherent noise can prevent convergence for sufficiently high noise rates. We employ quantum error mitigation techniques--dynamical decoupling, zero noise extrapolation, and Pauli twirling--and show that when combined appropriately, these techniques are capable of restoring a successful convergence profile. Our results highlight how error mitigation can improve the performance of ADAPT-VQE and enable convergence in the presence of hardware noise, offering valuable insights into the implementation of the algorithm on near-term quantum hardware.
- Abstract（参考訳）: ハードウェアノイズは、基底状態生成アルゴリズムであるADAPT-VQEの精度に大きな影響を与えることが示されている。
従来の研究では、ノイズがパラメータ最適化ステップに与える影響について研究されてきたが、クリティカル演算子選択ステップへの影響は、まだ明らかになっていない。
本研究では, 実験ケースとして線形H$_3$分子を用いて, 各種ノイズチャネルの影響について検討する。
選択基準がある種の雑音に対して自然に回復するにもかかわらず、コヒーレントノイズと非コヒーレントノイズの両方が十分な高雑音率の収束を妨げていることを示す。
我々は, 量子誤差緩和技術-力学デカップリング, ゼロノイズ外挿, およびパウリ・ツワイルリングを用いて, 適切に組み合わせれば, これらの手法が収束プロファイルを回復できることを示す。
この結果から, ADAPT-VQEの性能向上と, ハードウェアノイズの存在下での収束を実現し, 短期量子ハードウェア上でのアルゴリズム実装に関する貴重な洞察を提供することができた。
関連論文リスト
- Rethinking Quantum Noise in Quantum Machine Learning: When Noise Improves Learning [5.083987940956758]
量子ノイズは、通常、短期量子コンピューティングの基本的な障害と見なされる。
我々はこの合意に異議を唱える数値的な証拠を提示する。
分子特性予測のための量子グラフニューラルネットワークの実験を通して、量子ノイズが不均一応答を誘導することを発見した。
論文 参考訳（メタデータ） (2026-01-19T18:21:35Z) - Improving Quantum Neural Networks exploration by Noise-Induced Equalization [1.2043574473965317]
最適量子ノイズレベルが変動パラメータの等化'を誘導することを示す。
最良等化近傍における有益雑音効果の証拠となる広範囲な数値シミュレーションについて報告する。
論文 参考訳（メタデータ） (2025-11-12T15:41:46Z) - Exploiting biased noise in variational quantum models [0.0]
変分量子アルゴリズム(VQA)は、短期量子ハードウェア上で量子ユーティリティを実証するための有望なツールである。
古典的最適化過程における量子ノイズの影響について検討する。
トワイリングは、ノイズをシンメトリーズするために標準的な誤り軽減戦略でよく用いられるが、実際には変動条件下での性能を低下させる。
論文 参考訳（メタデータ） (2025-10-28T04:14:20Z) - Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。
本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-05-24T02:51:34Z) - Impact of Amplitude and Phase Damping Noise on Quantum Reinforcement Learning: Challenges and Opportunities [0.0]
量子強化学習アルゴリズムにおける振幅と位相減衰ノイズの影響について検討する。
本研究は,量子学習アルゴリズムにおけるノイズの役割のより深い理解に寄与する。
論文 参考訳（メタデータ） (2025-03-31T13:27:30Z) - 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) - 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) - Negative Pre-aware for Noisy Cross-modal Matching [46.5591267410225]
雑音対応は認識と修正が難しいため,クロスモーダルノイズロバスト学習は難しい課題である。
本稿では,雑音の多い下流タスクに対する大規模視覚言語モデルファインタニングのための,否定的事前認識型クロスモーダルマッチングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-10T05:52:36Z) - Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。
4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
論文 参考訳（メタデータ） (2023-01-18T04:54:58Z) - Evaluating the Resilience of Variational Quantum Algorithms to Leakage
Noise [6.467585493563487]
漏れノイズは、エラー訂正アプローチでは処理できないエラーの損傷源である。
このノイズが変分量子アルゴリズム(VQA)の性能に与える影響はまだ分かっていない。
論文 参考訳（メタデータ） (2022-08-10T14:50:14Z) - Efficient and robust certification of genuine multipartite entanglement
in noisy quantum error correction circuits [58.720142291102135]
実効多部絡み(GME)認証のための条件付き目撃手法を導入する。
線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。
本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
論文 参考訳（メタデータ） (2020-10-06T18:00:07Z)
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。