論文の概要: Disentangling Expressibility, Symmetry Protection, and Hardware Noise in Variational Quantum Simulation of the Two-Flavor Schwinger Model

• arxiv url: http://arxiv.org/abs/2609.30496v1
• Date: Thu, 24 Sep 2026 19:33:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.121418
• Title: Disentangling Expressibility, Symmetry Protection, and Hardware Noise in Variational Quantum Simulation of the Two-Flavor Schwinger Model
• Title（参考訳）: 2フレーバーシュウィンガーモデルの変分量子シミュレーションにおけるディエンタングル表現性, 対称性保護, ハードウェアノイズ
• Abstract要約: 到達可能なサイズでの結合制約は、回路表現性やトレーニング性よりもハードウェアノイズであることが判明した。 N = 3 を既存のトラップイオン実験の即時拡張とみなす。
• 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: Existing quantum simulations of the two-flavor Schwinger model have run at a single lattice size, and it is not known how far the variational approach can be pushed or which weakness stops it first. Following the model from N = 2 to 6 staggered lattice sites, we find that the binding constraint at reachable sizes is hardware noise rather than circuit expressibility or trainability, and identify N = 3 as the immediately viable extension of existing trapped-ion experiments. The energy error of a charge-conserving ansatz collapses onto one function of p/d, the ratio of variational parameters to physical-sector dimension, and falls by more than two orders of magnitude as p/d rises through order unity, giving the expressibility condition L(4N - 1) >= binom(2N,N) for L circuit layers. The condition is local in chemical potential: at N = 3 the layer count sufficient at zero chemical potential leaves a 74.38% error near the first-order boundary, while one further layer reaches 0.08%. Charge conservation also protects trainability and prevents charge-sector leakage: as the qubit count doubles from 4 to 8, the normalized gradient variance falls to 1/3.56 of its starting value for the constrained ansatz, versus 1/13.57 for an unconstrained circuit. Comparing a global contraction with per-gate local noise, a fixed-parameter control shows that the noise model, not whether the optimizer runs inside the noisy loop, sets how strongly noise degrades the first-order transition. At N = 4, a noiseless control reaches 0.12% mean error, whereas the same circuit at 1.00% depolarizing noise reaches 25.69 to 52.81%.
• Abstract（参考訳）: 既存の2フレーバーシュウィンガーモデルの量子シミュレーションは1つの格子サイズで実行されており、変動的アプローチがどこまで押されるか、どの弱みが最初に停止するかは分かっていない。 N = 2 から 6 のスタガー格子サイトへのモデルに従うと、到達可能な大きさの結合制約は、回路表現性やトレーニング容易性よりもハードウェアノイズであり、N = 3 を既存のトラップイオン実験の即時拡張であると同定する。 電荷保存アンザッツのエネルギー誤差はp/dの1つの関数に崩壊し、変動パラメータと物理セクター次元の比は、L回路層に対する表現性条件 L(4N − 1) >= binom(2N,N) を与える順序単位によって p/d が上昇するにつれて2桁以上減少する。 この条件は化学的ポテンシャルにおいて局所的であり、N = 3ではゼロの化学ポテンシャルで十分な数の層が1次境界付近で74.38%の誤差を残し、さらに1つの層が0.08%に達する。 量子ビットカウントが4から8に倍増するにつれて、制限されたアンサッツの開始値の1/3.56に正規化された勾配分散が減少し、制約のない回路では1/13.57となる。 大域的収縮とゲートごとの局所雑音を比較すると、固定パラメータ制御は、最適化器がノイズループ内を走るかどうかに関わらず、ノイズモデルが1次遷移をいかに強く劣化させるかを示す。 N = 4 の場合、ノイズレス制御は平均誤差 0.12% に達するが、1.00% の分極ノイズは同じ回路で 25.69 から 52.81% に達する。

関連論文リスト

• Steering Under Compression: Dose-Response, Capability Cost, and Failure Asymmetry in Quantized LLMs [0.0]
  推論時ステアリングは、パラメータ修正なしで大きな言語モデルの振る舞い制御を可能にする。 トレーニング後の量子化により、デプロイメントのメモリと計算コストが削減される。 重量のみの量子化下での活性化ステアリングを系統的に研究する。
  論文  参考訳（メタデータ） (2026-09-06T08:41:42Z)
• Deterministic LLM Inference Across GPU Kernels: Power-of-Two INT8 Quantization Scales and the Limits of Tolerance-Based Conformance [0.10152838128195468]
  量子化されたGEMMカーネルのコンフォーマンススイートは、2つの実装が許容範囲内で一致するかどうかを問う。 5つのエピローグ断層(スケール精度、ダブルラウンド、乗算順序、出力トランケーション、融合順序)のうちの1つが、少なくとも1つのbfloat16間隔で出力を移動していることがわかった。 5つの断層のうち4つはスイートのチェック無しで検出され、5番目は2つのスケールでのみ検出される。
  論文  参考訳（メタデータ） (2026-08-25T03:05:54Z)
• Cross-Layer Error Compensation and Finite-Sample Feature-Statistics Matching for Extreme Low-Bit Quantization of Large Language Models [0.0]
  すべてのレイヤの離散コードとスケールに対する共同最適化として量子化を定式化する。 FP16教師に対して,誤差補償のみのパープレキシティ比が9.56+/-0.15に達することを示す。 Qwen2.5-1.5B で 1.125 ビットのグループバイナリの重みを持つ場合、誤差補償だけで FP16 の教師に対して 9.56 +/- 0.15 のパープレキシティ比に達する。
  論文  参考訳（メタデータ） (2026-07-16T06:47:52Z)
• A Coherence Law for Trainability in Noisy Equivariant Quantum Neural Networks [0.8694591156258423]
  ノイズがあればネットワークをトレーニングできない量子ニューラルネットワーク構造について検討する。 2つの異なる効果が訓練可能な勾配を支配していることが分かる。 コヒーレンスは次に、非対角セクターモードの収縮によってどれだけの速度で崩壊するかを決定する。
  論文  参考訳（メタデータ） (2026-06-28T16:43:36Z)
• Normalized Architectures are Natively 4-Bit [49.13186675123547]
  重みと隠れ表現を単位超球面に制限するアーキテクチャであるnGPTは、本質的に低精度算術よりも堅牢である。 本手法は,最大3B/30Bパラメータの1.2B密度モデルとハイブリッド(Mamba-Transformer)MoEモデルの両方で検証する。
  論文  参考訳（メタデータ） (2026-05-07T11:54:07Z)
• Neural Collapse Dynamics: Depth, Activation, Regularisation, and Feature Norm Threshold [0.0]
  神経崩壊(英語版) -- 単純な等角的タイトフレームへの有極層の特徴の収束 - は平衡においてよく理解されているが、その開始を規定する力学は、まだ貧弱な特性を保っている。 NCは平均的特徴ノルムがモデルデータセット固有の臨界値 fn* に達すると発生する。 1) 深度は崩壊速度に非単調効果を持ち、(2) アクティベーションは崩壊速度とfn*の両方を共同で決定し、(3) 重量崩壊は3つの相図を定義する。
  論文  参考訳（メタデータ） (2026-03-31T20:52:42Z)
• Enhancing Kerr-Cat Qubit Coherence with Controlled Dissipation [64.05054054401175]
  Kerr-cat qubit (KCQ) はボゾン量子プロセッサである。 KCQはオンチップアーキテクチャや高忠実度操作と実験的に互換性がある。 KCQ におけるビットフリップ時間は、キュービット多様体からの漏れによって制限されるという直接的な証拠を示す。
  論文  参考訳（メタデータ） (2025-11-02T17:58:36Z)
• Emergence of noise-induced barren plateaus in arbitrary layered noise models [44.99833362998488]
  変分量子アルゴリズムでは、パラメータ化された量子回路のパラメータは、問題の解を符号化するコスト関数を最小限に抑えるために最適化される。 層状雑音モデルを用いたパラメータ化量子回路において,ノイズ誘起バレンプラトー現象がどのように出現するか,その意味について論じる。
  論文  参考訳（メタデータ） (2023-10-12T15:18:27Z)
• Enhanced nonlinear quantum metrology with weakly coupled solitons and particle losses [58.720142291102135]
  ハイゼンベルク(最大1/N)および超ハイゼンベルクスケーリングレベルにおける位相パラメータ推定のための干渉計測手法を提案する。 我々のセットアップの中心は、量子プローブを形成する新しいソリトンジョセフソン接合(SJJ)システムである。 このような状態は、適度な損失があっても最適な状態に近いことを示す。
  論文  参考訳（メタデータ） (2021-08-07T09:29:23Z)

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。