論文の概要: The winner's curse in hardware VQE: drift-differenced remeasurement of finite-shot selection bias
- arxiv url: http://arxiv.org/abs/2609.27704v2
- Date: Thu, 01 Oct 2026 17:30:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.328651
- Title: The winner's curse in hardware VQE: drift-differenced remeasurement of finite-shot selection bias
- Title（参考訳）: ハードウェアVQEにおける勝者の呪い--有限ショット選択バイアスのドリフト差による再測定
- Abstract要約: 有限ショット最適化は、ノイズの多い量子固有ソルバーエネルギーを人工的に精度良く見せることができる。
我々は2つのIBM Heron r3プロセッサ上でハードウェア駆動可能な分子活性空間を6つ研究した。
- 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: Finite-shot optimization can make noisy variational quantum eigensolver energies look artificially accurate. We studied six hardware-tractable molecular active spaces on two IBM Heron r3 processors. Seven optimizer-selected values fell below the exact active-space eigenvalue by up to 17.36 mHa. The cell-balanced fraction of the source-observed best-final advantage not retained on later fixed-parameter measurement was 0.989 (approximate 95% session-level interval [0.906, 1.072]); alternative aggregations span 0.892-0.989. Thus little of the selected advantage remained on average. Measurements occurred 5.6-38.4 days later, so parameter-dependent drift remains a competing explanation. Best-observed hardware VQE values require prompt independent confirmation before supporting accuracy claims.
- Abstract（参考訳）: 有限ショット最適化は、ノイズの多い量子固有ソルバーエネルギーを人工的に精度良く見せることができる。
我々は2つのIBM Heron r3プロセッサ上でハードウェア駆動可能な分子活性空間を6つ研究した。
7つのオプティマイザ選択値が正確な活性空間固有値より17.36 mHa以下に低下した。
その後の固定パラメータ測定では残されなかった最良値のセルバランスは0.989(95%セッションレベル間隔 [0.906, 1.072])であり、代替アグリゲーションは0.892-0.989の範囲であった。
したがって、選択された利点は平均的にほとんど残らなかった。
測定は5.6-38.4日後に行われたため、パラメータ依存のドリフトは競合する説明のままである。
ベストオブザーブドハードウェアのVQE値は、正確なクレームをサポートする前に、すぐに独立した確認が必要である。
関連論文リスト
- Intrinsic Sequence-Likelihood Confidence in Retrieval-Dominated Extractive QA: Two Pre-Specified Negatives, and What They Do and Do Not Attribute [0.4310167974376404]
オープン言語モデルを微調整すると、自身の信頼度が誘引制御信号であるモデルが得られる。
我々は,実行前の基準下での両使用量を評価した。
検索だけで92-99.8%のベストケースの組み合わせ精度が回復する。
論文 参考訳（メタデータ） (2026-09-17T09:17:00Z) - Symmetry-Aware Likelihood-Orbit Aggregation for Selective Left-Right Claim Verification [14.108900142001628]
クローズド形式のコントラストであるRelation-Orbitを導入する。
VSRとGQAの4つの凍結された視覚言語モデルでは、Relation-Orbitは10%選択リスクキャリブレーションターゲットで平均テストカバレッジを高くする。
論文 参考訳（メタデータ） (2026-09-15T11:19:03Z) - Denoised Variance-Based Pruning with Optimal Brain Bias Compensation [45.88028371034407]
VBP(Variance-Based Pruning)は、ニューロンを活性化分散に基づいて選択することで有望なパラダイムを導入した。
Denoized Variance-based Pruning with Optimal Brain Bias Compensation (DVBP + OB$2$C)を紹介する。
最先端のトレーニングフリーのパフォーマンスを実現し、50%のプルーニングで、オリジナルのTop-1の精度の90%以上を維持できる。
論文 参考訳（メタデータ） (2026-08-18T11:23:49Z) - DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。
一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
論文 参考訳（メタデータ） (2026-07-31T05:34:02Z) - Forgetful Attention: A Trainable Support-Vector Memory with Certified Selection and Exact Unlearning [0.16921396880325776]
固定ボックスパラメータCの1クラスSfpの支持係数が重みを持つメモリであるSupport Vector Attention(SV-Attention)を導入する。
アクティブセットのパーティションは、リザーブトークンを正確にゼロウェイト、出力ウェイトを与え、インクリメンタルインクリメンタルソルバトークンは、同じCの下で再トレーニングせずに生成した状態を回復する。
また,実文埋め込み上での外科的排除,正確な編集,患者記録の削除,忘れやすい検索メモリも示す。
論文 参考訳（メタデータ） (2026-07-13T23:13:57Z) - Decision Kernels for Quantum Error Mitigation: Why Accuracy Gains Need Not Improve Downstream Decisions [0.0]
下流決定のための有限ショットQEMの理論を開発する。
我々は、商因子化、ギャップロー極小性、限界ノーゴー定理、QEMプルバック定理、固定配置ショットレベル逆を証明する。
論文 参考訳（メタデータ） (2026-07-03T02:35:57Z) - Coupling-Grouped XY-QAOA for Joint Anomaly-Feature Selection [0.0]
結合群 XY-QAOA は制約付き最適化問題に対する制約保存群付き角変種である。
ハードウェア対応の実装により、回路の深さは45.9%-61.3%、二ビットゲートは2.6%-5.2%減少する。
36-64キュービットにわたって、固定角は、一致したランダム可能なサンプリングよりも低エネルギーで実現可能なサンプルを出力する。
論文 参考訳（メタデータ） (2026-06-11T11:56:54Z) - Robust Fine-tuning of Zero-shot Models via Variance Reduction [56.360865951192324]
微調整ゼロショットモデルの場合、このデシドラトゥムは細調整モデルで、分布内(ID)と分布外(OOD)の両方で優れる。
トレードオフを伴わずに最適なIDとOODの精度を同時に達成できるサンプルワイズアンサンブル手法を提案する。
論文 参考訳（メタデータ） (2024-11-11T13:13:39Z) - Predicting Overtakes in Trucks Using CAN Data [51.28632782308621]
CANデータからトラックの積載量の検出について検討する。
私たちの分析では、オーバーテイクイベントの最大10秒前をカバーしています。
我々は、オーバーテイク・トリガーに近づくと、オーバーテイク・クラスの予測スコアが増加する傾向にあることを観察する。
論文 参考訳（メタデータ） (2024-04-08T17:58:22Z) - Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
意思決定プロセス(MDP)に対する最良パラメトリックかつ最悪の摂動の評価について検討する。
我々は、元のMDPからの遷移観測を用いて、それらが同一または異なるポリシーの下で生成されるかのどちらかを判断する。
我々の推定器はウォルドの信頼区間を用いた統計的推測も行う。
論文 参考訳（メタデータ） (2024-03-29T18:11:49Z) - MixedNUTS: Training-Free Accuracy-Robustness Balance via Nonlinearly Mixed Classifiers [41.56951365163419]
MixedNUTSは、ロバストな分類器の出力ロジットを3つのパラメータしか持たない非線形変換で処理する訓練不要の手法である。
MixedNUTSは変換されたロジットを確率に変換し、それらを全体の出力として混合する。
CIFAR-10、CIFAR-100、ImageNetデータセットでは、MixedNUTSの精度とほぼSOTAの堅牢性を大幅に改善した。
論文 参考訳（メタデータ） (2024-02-03T21:12:36Z)
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。