論文の概要: Benchmarking Modular Optimization Strategies for Parameterized Quantum Circuits
- arxiv url: http://arxiv.org/abs/2610.10254v1
- Date: Wed, 07 Oct 2026 15:32:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.994915
- Title: Benchmarking Modular Optimization Strategies for Parameterized Quantum Circuits
- Title（参考訳）: パラメタライズド量子回路のためのベンチマークモジュール最適化手法
- Abstract要約: パラメータ化量子回路の訓練には、限られた評価予算による最適化の進捗のバランスが必要である。
本稿では,古典的更新規則から量子探索方向推定を分離するモジュール型ベンチマークフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Training parameterized quantum circuits requires balancing optimization progress with limited evaluation budgets and the statistical uncertainty of near-term quantum hardware. We present a modular benchmarking framework that separates quantum search-direction estimation from classical parameter-update rules, allowing their interactions and sensitivities to be examined independently. We evaluate a suite of gradient-based, stochastic, and derivative-free optimizers across combinatorial optimization using the Quantum Approximate Optimization Algorithm (QAOA), supervised quantum machine learning using Iris classification and a quantum convolutional neural network (QCNN) for binary MNIST classification, and quantum chemistry using the variational quantum eigensolver (VQE) for molecular hydrogen. By separating objective evaluations from sample-circuit costs under finite-shot simulation and physical execution on a 156-qubit processor, we compare optimizer behavior across workloads with different parameter counts and measurement requirements. Four selected simulator and hardware case studies report terminal and best observed objectives separately, alongside post-training classifier accuracies. The comparisons include selected MaxCut and hydrogen trajectories and illustrate workload-dependent objective changes and evaluation costs, while the simulator benchmark compares both peak and mean performance across three seeds. The hardware runs do not establish an optimizer ranking or isolate a causal effect of device noise.
- Abstract（参考訳）: パラメータ化量子回路の訓練には、限られた評価予算と短期量子ハードウェアの統計的不確実性による最適化の進捗のバランスが必要である。
本稿では,古典的パラメータ更新規則から量子探索方向推定を分離するモジュール型ベンチマークフレームワークを提案する。
我々は、量子近似最適化アルゴリズム(QAOA)、アイリス分類を用いた量子機械学習、二項MNIST分類のための量子畳み込みニューラルネットワーク(QCNN)、および水素の変分量子固有解法(VQE)を用いた量子化学を用いて、組合せ最適化における勾配ベース、確率的、微分自由な最適化器群の評価を行った。
有限ショットシミュレーションと156キュービットプロセッサ上での物理実行によるサンプル回路コストの客観的評価を分離することにより、パラメータ数と測定要求の異なるワークロード間での最適化挙動を比較する。
4つの選抜されたシミュレータとハードウェアケーススタディは、学習後の分類精度とともに、端末と観測対象を別々に報告した。
比較対象には、選択されたMaxCutと水素軌道が含まれており、ワークロード依存の目標変化と評価コストが説明されている。
ハードウェアの動作は、オプティマイザのランキングを確立したり、デバイスノイズの因果効果を分離したりしない。
関連論文リスト
- Stochastic Pauli-path simulator for large-scale quantum optimization [57.179828941706006]
パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。
既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。
本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
論文 参考訳（メタデータ） (2026-07-20T10:43:44Z) - Comparing the Performance of Leading VQE Algorithms for Computing Ground-State Energies of Amino Acids [0.0]
論文から10以上の異なるアンサーゼの再現可能なベンチマークを備えた統合リポジトリを提案する。
QMProtデータセットから得られたハミルトニアンを用いて、異なるアミノ酸をシミュレートする。
論文 参考訳（メタデータ） (2026-07-02T06:38:31Z) - Quantum Feature Selection with Higher-Order Binary Optimization on Trapped-Ion Hardware [4.622928173506349]
本稿では,高次非制約二元最適化(HUBO)の定式化に基づく量子的特徴選択フレームワークを提案する。
提案モデルには,相互情報量から導出される1,2,3体相互作用項が含まれる。
提案したワークフローをGallstoneデータセットとSpambaseデータセットという2つのベンチマーク分類データセットで評価する。
論文 参考訳（メタデータ） (2026-04-29T16:01:39Z) - Quantum Approximate Optimization Algorithm with Fixed Number of Parameters [0.0]
我々は新しい量子最適化パラダイム、FPC-QAOA(Fixed-Count Approximate Quantum Optimization Algorithm)を導入する。
スケーラブルな変分フレームワークであり、量子ビットの数、ハミルトン複雑性、回路深さに関わらず、一定の数のトレーニング可能なパラメータを保持する。
我々は、ランダムなMaxCutインスタンスとTail Assignment ProblemのFPC-QAOAをベンチマークし、標準的なQAOAに匹敵する性能を達成する。
論文 参考訳（メタデータ） (2025-12-24T14:02:31Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Benchmarking of Different Optimizers in the Variational Quantum
Algorithms for Applications in Quantum Chemistry [0.0]
古典的なヤードスティックは変分量子アルゴリズムの精度と収束を決定する上で重要な役割を果たしている。
量子化学への応用のために、いくつかの一般的なヤードスティックを考察し、変分量子アルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2022-08-22T13:02:00Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳（メタデータ） (2020-04-06T21:31:22Z)
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。