論文の概要: Do Quantum Models Scale Like LLMs?

• arxiv url: http://arxiv.org/abs/2609.20912v1
• Date: Thu, 17 Sep 2026 18:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.741222
• Title: Do Quantum Models Scale Like LLMs?
• Title（参考訳）: 量子モデルはLLMのようにスケールするか?
• Abstract要約: クビット射影測定データに基づいて学習した自己回帰変換器モデルであるRydbergGPTのニューラルスケーリング法則について検討した。 2点関数のほぼ臨界統計は、自然言語で観測された統計に最も近い。
• 参考スコア（独自算出の注目度）: 39.29174953305847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we study the neural scaling laws of RydbergGPT, an autoregressive transformer model trained on qubit projective measurement data gathered from interacting Rydberg atom arrays. The quantum system is known to exhibit a finite-size remnant of a critical point as the laser detuning parameter is varied. We find that near the critical point the transformer loss as a function of training dataset size is well described by a power-law with a loss floor correction. However, away from criticality the quality of the power-law description is substantially reduced. We then compare the statistical structure of both Rydberg measurements and natural-language corpora using an entropy-normalised, finite sample corrected mutual information "two-point" function. We find that near-critical statistics of the two point functions are closest to those observed in natural-language, whilst other qubit configurations far from the critical point have two-point functions that decay more rapidly. This supports the hypothesis that multi-scale dependence contributes to stable neural scaling, and that scaling behaviour should be viewed as a property of the model-data pair.
• Abstract（参考訳）: 本研究では、相互作用するRydberg原子配列から収集された立方体射影測定データに基づいて訓練された自己回帰変換器モデルであるRydbergGPTの神経スケーリング法則について検討する。 量子系は、レーザー変形パラメータが変化するにつれて臨界点の有限サイズ残基を示すことが知られている。 トレーニングデータセットサイズの関数としての変圧器損失の臨界点付近は、損失フロアの補正を施したパワーローによってよく説明されている。 しかし、批判性からすると、権力者の記述の質は大幅に低下する。 次に、エントロピー正規化有限標本修正相互情報「二点」関数を用いて、Rydberg測定と自然言語コーパスの統計構造を比較した。 2点関数のほぼ臨界統計は自然言語で観測された統計に最も近いが、臨界点から遠く離れた他の量子ビット構成は2点関数がより速く減衰する。 これは、マルチスケール依存が安定したニューラルスケーリングに寄与し、スケーリングの振る舞いをモデルとデータペアの特性と見なすべきである、という仮説を支持する。

関連論文リスト

• Scaling at Chiral Clock Criticality via Entanglement Renormalization [0.12277343096128711]
  我々は,Multiscale Entanglement Renormalization Ansatz (MERA) ネットワークを用いて,$mathbbZ_3$キラルクロックモデルについて検討する。 カイラルパラメータが増加するにつれて、Pottsデータからスムーズに変化する効果的なスケーリングデータ群が見つかる。 以上の結果から,MERAがカイラルクロックモデルの複雑な低エネルギー物理を捉える上での有効性を示した。
  論文  参考訳（メタデータ） (2026-04-21T18:00:22Z)
• Scalable Quantum Error Mitigation with Physically Informed Graph Neural Networks [15.406494854444583]
  QEM(Quantum error mitigation)は、ノイズの多い量子デバイス上で信頼性の高い可観測物を推定するための実用的な経路を提供する。 物理情報をモデル表現に組み込んだグラフ強化緩和(GEM)フレームワークを構築した。 我々は,GEMがCDRに匹敵する精度のレベルを提供すると同時に,平均絶対誤差を低くし,より大規模なシステムへのゼロショット転送の安定性を向上することを示した。
  論文  参考訳（メタデータ） (2026-04-18T04:04:54Z)
• Multi-Parameter Multi-Critical Metrology of the Dicke Model [10.440724472122662]
  この研究は、パラメータ推定の精度を高めるために、相転移に近い量子系の過敏性を利用する。 マルチパラメータ推定は実現可能であるが,分散精度のスケーリングも維持可能であることを示す。 我々の研究結果は、近相転移を動作させる実用的な量子センサーの道を開くものである。
  論文  参考訳（メタデータ） (2026-03-03T19:06:55Z)
• Probing the Ground State of the Antiferromagnetic Heisenberg Model on the Kagome Lattice using Geometrically Informed Variational Quantum Eigensolver [0.0]
  本研究では,最小限のカゴメ細胞上での反強磁性ハイゼンベルク模型の基底状態の性質について検討する。 本研究では, ハードウェア効率の浅い量子回路を用いて, 基底状態の準備が可能であることを実証した。 さらに、ゼロノイズレイリー(ZNE)やキュービットワイド・リードアウト・エラー緩和(REM)などの誤差軽減手法を適用した。
  論文  参考訳（メタデータ） (2025-09-22T17:02:58Z)
• Universality of critical dynamics with finite entanglement [68.8204255655161]
  臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。 その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
  論文  参考訳（メタデータ） (2023-01-23T19:23:54Z)
• A Solvable Model of Neural Scaling Laws [72.8349503901712]
  大量のパラメータを持つ大規模な言語モデルは、インターネットに近い数のトークンで訓練されると、ニューラルネットワークのスケーリング法則に従うことが実証的に示されている。 我々は,このニューラルスケーリング現象を捉える統計モデル(共同生成データモデルとランダム特徴モデル)を提案する。 主な発見は、自然データセットの統計に現れる電力法則が非線形ランダムな特徴写像によって拡張される方法である。
  論文  参考訳（メタデータ） (2022-10-30T15:13:18Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)
• A learning algorithm with emergent scaling behavior for classifying phase transitions [0.0]
  本研究では,測定データから重要な現象を研究するための教師付き学習アルゴリズムを提案する。 We test it on the transverse field Ising chain and q=6 Potts model。 本アルゴリズムは, 系の熱力学的位相を正確に同定し, 射影測定からスケーリング挙動を抽出する。
  論文  参考訳（メタデータ） (2021-03-29T18:05:27Z)
• In and out of equilibrium quantum metrology with mean-field quantum criticality [68.8204255655161]
  本稿では,集団遷移現象が量子力学プロトコルに与える影響について考察する。 単一球面量子スピン(SQS)は平均場レベルでの分析的な洞察を可能にするステレオタイプ玩具モデルとして機能する。
  論文  参考訳（メタデータ） (2020-01-09T19:20:42Z)

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。