論文の概要: Quantum Monte Carlo Tree Search with Fixed Confidence

• arxiv url: http://arxiv.org/abs/2609.33132v1
• Date: Sun, 27 Sep 2026 03:00:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:09:08.498497
• Title: Quantum Monte Carlo Tree Search with Fixed Confidence
• Title（参考訳）: 固定信頼を用いた量子モンテカルロ木探索
• Abstract要約: 本稿では, 固定信頼条件下でのモンテカルロ木探索(MCTS)の改善について検討する。 ゴールは、クエリの複雑さを最小化しながら、高い確率で、与えられたゲームツリーのほぼ最適移動を特定することである。
• 参考スコア（独自算出の注目度）: 5.848643785361479
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in quantum computing are opening new opportunities for computationally intensive decision problems. This paper studies how quantum computing can improve Monte Carlo tree search (MCTS) in the fixed-confidence setting, where the goal is to identify a near-optimal move in a given game tree with high probability while minimizing query complexity. We first formulate MCTS under a quantum oracle model. We then develop a quantum MCTS algorithm (QMCTS) that combines threshold-based elimination on the search tree with quantum Monte Carlo estimation to reduce the cost of evaluating stochastic leaf values. We establish an instance-dependent lower bound on the query complexity and derive a corresponding upper bound for QMCTS. The lower-bound analysis introduces a new quantum phase-testing result that may also be useful beyond MCTS. We validate the theoretical results through simulation experiments and further demonstrate the feasibility of QMCTS on real quantum hardware.
• Abstract（参考訳）: 量子コンピューティングの最近の進歩は、計算集約的な決定問題の新たな機会を開きつつある。 本稿では,量子コンピューティングがモンテカルロ木探索(MCTS)を改善する方法について検討し,クエリの複雑さを最小化しつつ,高い確率でゲームツリー内の準最適動きを特定することを目的とする。 まず、量子オラクルモデルの下でMCTSを定式化する。 次に、探索木上のしきい値に基づく除去と量子モンテカルロ推定を組み合わせる量子MCTSアルゴリズム(QMCTS)を開発し、確率的葉の値を評価するコストを削減する。 クエリの複雑性に基づいてインスタンス依存の下位境界を確立し、QMCTSの対応する上位境界を導出する。 低バウンド解析では、MCTSを超えて有用な新しい量子位相テスト結果が導入された。 シミュレーション実験により理論結果を検証し,実量子ハードウェア上でのQMCTSの実現可能性をさらに実証する。

関連論文リスト

• Experimental Realization of the Markov Chain Monte Carlo Algorithm on a Quantum Computer [0.0]
  量子アルゴリズムは、特定のサンプリングタスクに対して古典的なアルゴリズムよりも2次的に改善された複雑性を示す。 我々はマルコフ連鎖の符号化を用いて量子状態を作成し、量子マルコフチェインモンテカルロアルゴリズムを量子inuumのH2およびHelios量子コンピュータ上で実行した。
  論文  参考訳（メタデータ） (2026-03-09T13:53:08Z)
• From Classical Data to Quantum Advantage -- Quantum Policy Evaluation on Quantum Hardware [1.451206235416202]
  量子ポリシー評価(Quantum Policy Evaluation, QPE)は、古典モンテカルロ推定法よりも2次的に効率的である強化学習アルゴリズムである。 量子ハードウェア上での量子機械学習(QML)により、これらの環境パラメータが古典的な観測データのバッチからどのように学習できるかを示す。 実験の結果,ノイズや短コヒーレンス時間といった課題にもかかわらず,QMLとQPEの統合はRLにおける量子的優位性の実現に有望な可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-09T11:36:25Z)
• QMoE: A Quantum Mixture of Experts Framework for Scalable Quantum Neural Networks [8.523710589195268]
  量子機械学習(QML)は、ノイズの多い中間スケール量子(NISQ)時代に有望な方向として登場した。 本稿では、エキスパート(MoE)パラダイムの混合をQML設定に統合する新しい量子アーキテクチャである、エキスパート(QMoE)の量子混合を提案する。 私たちの研究は、スケーラブルで解釈可能な量子学習フレームワークの道を開いたものです。
  論文  参考訳（メタデータ） (2025-07-07T16:49:07Z)
• 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)
• Learning the Complexity of Weakly Noisy Quantum States [0.5662299435213419]
  ターゲット量子状態の古典的シャドウ表現を利用して、弱雑音量子状態の回路複雑性を予測する。 本研究は,学習アルゴリズムと量子状態複雑性の橋渡しを行い,量子状態の固有特性を特徴付ける学習アルゴリズムのパワーを強調した。
  論文  参考訳（メタデータ） (2023-03-31T06:02:44Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• 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)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。