論文の概要: Simultaneous Perturbation as a Spectral Filter

• arxiv url: http://arxiv.org/abs/2610.00201v1
• Date: Sun, 20 Sep 2026 04:46:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.395703
• Title: Simultaneous Perturbation as a Spectral Filter
• Title（参考訳）: スペクトルフィルタとしての同時摂動
• Abstract要約: 量子回路によって生成された構造化フーリエ景観のランダム摂動を解析する。 平均ラデマチャー推定器の正確なモードバイモード応答を導出し,多くのパラメータを含むモードを選択的に抑制することを示す。
• 参考スコア（独自算出の注目度）: 0.913755431537592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parameterized quantum circuits require repeated measurements to estimate objective gradients, making the number of circuit evaluations a central resource. Simultaneous perturbation stochastic approximation (SPSA) is widely used because it obtains a full gradient estimate from only two cost evaluations, independently of the number of parameters. We analyze the random perturbation for the structured Fourier landscapes generated by quantum circuits. For a finite update width, we derive the exact mode-by-mode response of the mean Rademacher estimator and show that it selectively suppresses modes involving many parameters. For general generators, the filtered mean field need not be conservative. We derive its sampling variance, compare it with Gaussian random-direction smoothing, and formulate the resulting stochastic dynamics through a Fokker--Planck equation. The non-conservative field generates acceleration to the steady state and the global minimum of the cost function by gradually decreasing the parameters in SPSA.
• Abstract（参考訳）: パラメータ化量子回路は、目標勾配を推定するために繰り返し測定を必要とするため、回路評価の回数が中心となる。 パラメータ数に依存しない2つのコスト評価から全勾配推定値を得るため,SPSAの同時摂動確率近似(SPSA)が広く用いられている。 量子回路によって生成された構造化フーリエ景観のランダム摂動を解析する。 有限更新幅に対して、平均ラデマッハ推定器の正確なモードバイモード応答を導出し、多くのパラメータを含むモードを選択的に抑制することを示す。 一般的なジェネレータの場合、フィルターされた平均場は保守的でなくてもよい。 サンプル分散を導出し、ガウス的ランダム方向平滑化と比較し、Fokker-Planck方程式を用いて結果の確率力学を定式化する。 非保守フィールドは、SPSAのパラメータを徐々に減少させ、定常状態とコスト関数のグローバル極小への加速を生成する。

関連論文リスト

• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Analysis of Hessian Scaling for Local and Global Costs in Variational Quantum Algorithm [0.42970700836450487]
  変分量子アルゴリズムにおけるヘッセンのエントリーワイズ解の定量化を行う。 ショットノイズに対してヘッセン成分を解くのに必要なサンプルの複雑さを規定する2つの異なるスケーリング機構を示す。
  論文  参考訳（メタデータ） (2026-01-31T15:49:23Z)
• Stochastic Shadow Descent: Training Parametrized Quantum Circuits with Shadows of Gradients [0.7793275969132055]
  パラメタライズド量子回路(PQC)におけるパラメータ最適化の課題に着目する。 同時摂動近似(SPSA)のような一般的なアルゴリズムは、回路内のパラメータの数に関係なく、回路実行回数を繰り返し毎に2つに制限する。 理論的にも数値的にも、これがPQCを訓練する不安定性を引き起こす可能性があることを示す。 パラメータを反復的に更新するためにランダムプロジェクションを使用するシャドウDescent(textttSSD)を提案する。
  論文  参考訳（メタデータ） (2025-11-15T11:36:15Z)
• Bosonic randomized benchmarking with passive transformations [0.1874930567916036]
  我々は任意の粒子数部分空間上でのパッシブガウス変換をベンチマークするRBプロトコルを開発した。 このプロトコルは、最近開発されたフィルタされたRBフレームワークに基づいており、指数的崩壊の多さを分離するために設計されている。 彼らはモードの数で緩やかなスケーリングを示し、適度な数のモードに対してパッシブボソニックRBが実験的に実現可能であることを示唆している。
  論文  参考訳（メタデータ） (2024-08-20T18:09:20Z)
• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Closed-form Filtering for Non-linear Systems [83.91296397912218]
  我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。 本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。 提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
  論文  参考訳（メタデータ） (2024-02-15T08:51:49Z)
• Randomized semi-quantum matrix processing [0.0]
  汎用行列関数をシミュレートするためのハイブリッド量子古典的フレームワークを提案する。 この方法は、対象関数のチェビシェフ近似上のランダム化に基づいている。 コストのかかるパラメータの2次高速化を含む,平均深度に対する利点を実証する。
  論文  参考訳（メタデータ） (2023-07-21T18:00:28Z)
• Efficient Learning of the Parameters of Non-Linear Models using Differentiable Resampling in Particle Filters [1.9499120576896227]
  粒子フィルタにおけるサンプリングと再サンプリングのステップを区別することが広く文書化されている。 2つの状態空間モデルを検討し、NUTSがマルコフ連鎖の混合を改善し、計算時間の短縮でより正確な結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-11-02T08:03:09Z)

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。