論文の概要: Subspace Controllability in Variational Quantum Circuits: Maximising Expressivity and Increasing Search Efficiency with Dynamical Lie Algebras

• arxiv url: http://arxiv.org/abs/2609.24475v1
• Date: Mon, 21 Sep 2026 12:16:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.277541
• Title: Subspace Controllability in Variational Quantum Circuits: Maximising Expressivity and Increasing Search Efficiency with Dynamical Lie Algebras
• Title（参考訳）: 変分量子回路における部分空間制御可能性:動的リー代数による表現率の最大化と探索効率の向上
• Abstract要約: 変分ハイブリッド量子モデルは、量子ハードウェア上で機械学習を実現するための共通のパラダイムである。 変動量子回路によって形成される損失ランドスケープに固有のいくつかの問題により、訓練は困難である。 部分空間制御性は、量子ベースタスクのグローバルな最小値を見つける際の変分モデルの成功率を増大させる。
• 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: Variational hybrid quantum models are a common paradigm for realising machine learning on quantum hardware. Nonetheless, they are challenging to train due to several problems intrinsic to the loss landscapes formed by variational quantum circuits. To mitigate these issues, researchers have extended the idea of subspace controllability leading to an increase in the success rate of variational models in finding the global minimum for quantum-based tasks. However, it remains unknown whether these results extend to classical-based tasks, and if any advantages are realised over a hyperparameter search. We begin to address this question by employing controllable circuits in a multi- classification task using MNIST-1D. Our results show that over a hyperparameter search, the majority of quantum models that achieve the lowest training and validation losses are subspace controllable. These results indicate that the hyperparameter search can be restricted to such models, in turn reducing computational cost and time.
• Abstract（参考訳）: 変分ハイブリッド量子モデルは、量子ハードウェア上で機械学習を実現するための共通のパラダイムである。 それでも、変動量子回路によって形成される損失景観に固有のいくつかの問題により、トレーニングは困難である。 これらの問題を緩和するために、研究者は部分空間制御可能性の概念を拡張し、量子ベースタスクのグローバルな最小値を見つける際の変分モデルの成功率を増大させた。 しかし、これらの結果が古典的なタスクに拡張されるのか、ハイパーパラメータ探索よりも利点があるのかは不明である。 MNIST-1Dを用いたマルチクラスタスクにおいて,制御可能な回路を用いることでこの問題に対処し始める。 その結果,超パラメータ探索では,最小のトレーニングと検証損失を達成できる量子モデルの大部分がサブスペース制御可能であることがわかった。 これらの結果から,超パラメータ探索はそのようなモデルに制限され,計算コストと時間を削減することが示唆された。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Enhancing Circuit Trainability with Selective Gate Activation Strategy [4.1423466013824966]
  ハイブリッド量子古典コンピューティングは、量子化学や機械学習といった様々な分野の課題に取り組むために、変分量子アルゴリズム(VQA)に大きく依存している。 VQAは、回路のトレーサビリティと表現性の間のバランスという限界に直面している。 本研究では,これらの課題に対する潜在的な解決策として,選択ゲートアクティベーション戦略について検討する。
  論文  参考訳（メタデータ） (2025-03-17T02:10:35Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Learning the expressibility of quantum circuit ansatz using transformer [5.368973814856243]
  本稿では,量子回路のアンサーゼの表現可能性を予測するために,トランスフォーマーモデルを提案する。 本研究は、量子回路アンサーゼの表現可能性の理解を深め、量子アーキテクチャ探索アルゴリズムを進化させることが可能である。
  論文  参考訳（メタデータ） (2024-05-29T07:34:07Z)
• Avoiding barren plateaus via Gaussian Mixture Model [6.0599055267355695]
  変分量子アルゴリズムは、量子コンピューティングにおいて最も代表的なアルゴリズムの1つである。 大量の量子ビット、ディープ・サーキット・レイヤ、グローバル・コスト・ファンクションを扱う場合、それらはしばしば訓練不能となる。
  論文  参考訳（メタデータ） (2024-02-21T03:25:26Z)
• Trainability Enhancement of Parameterized Quantum Circuits via Reduced-Domain Parameter Initialization [3.031137751464259]
  回路深さの平方根に比例する各パラメータの初期領域を減少させることで、コスト勾配の最大値は、キュービット数と回路深さにほぼ逆向きに減衰することを示す。 この戦略は、特定の量子ニューラルネットワークを指数関数的に多くの局所的なミニマから保護することができる。
  論文  参考訳（メタデータ） (2023-02-14T06:41:37Z)
• Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
  変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。 この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
  論文  参考訳（メタデータ） (2023-02-09T14:05:18Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Variational Quantum Policy Gradients with an Application to Quantum Control [0.0]
  量子機械学習モデルは、変分量子回路(VQC)によって非常に自然な方法で構成される。 本研究では,ハードウェア効率のよいアザッツを用いたポリシグラディエンスについて考察する。 量子ハードウェアを用いた勾配のエプシロン近似を求める複雑さは、パラメータの数と対数的にしか比較できないことを証明した。
  論文  参考訳（メタデータ） (2022-03-20T16:14:49Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。