Fugu-MT 論文翻訳(概要): Dynamical Lie Algebras for Fixed-Gate Quantum Ansätze

論文の概要: Dynamical Lie Algebras for Fixed-Gate Quantum Ansätze

arxiv url: http://arxiv.org/abs/2610.13709v1
Date: Fri, 09 Oct 2026 15:04:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-13 04:06:29.650229
Title: Dynamical Lie Algebras for Fixed-Gate Quantum Ansätze
Title（参考訳）: 固定ゲート量子アンセッツェのための動的リー代数
Abstract要約: 我々は、パラメタライズドゲートと非パラメタライズドエンタングゲートを組み合わせた量子回路に関連するリー代数の計算手法を開発した。我々は、最近の代数的結果の適用性を、量子機械学習で実際に使用されるアーキテクチャにまで拡張することを目指している。
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: Parameterized Quantum Circuits have emerged as a central framework for variational quantum algorithms in the NISQ regime, with major applications in quantum simulation, combinatorial optimization, and, more recently, quantum machine learning (QML). By developing a new approach for computing dynamical Lie algebras associated with quantum circuits combining parametrized gates and non-parametrized entangling gates, we aim to extend the applicability of recent algebraic results to architectures that are actually used in quantum machine learning.
Abstract（参考訳）: パラメータ化量子回路は、量子シミュレーション、組合せ最適化、そして最近では量子機械学習(QML)において主要な用途を持つ、NISQ体制における変分量子アルゴリズムの中枢的なフレームワークとして登場した。パラメトリケートゲートと非パラメトリケートエンタングゲートを組み合わせた量子回路に付随する動的リー代数を計算するための新しいアプローチを開発することにより、最近の代数的結果の適用性を量子機械学習で実際に使用されるアーキテクチャに拡張することを目指している。

関連論文リスト

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)
Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文参考訳（メタデータ） (2025-05-24T02:51:34Z)
Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
Variational Quantum Eigensolvers with Quantum Gaussian Filters for solving ground-state problems in quantum many-body systems [2.5425769156210896]
量子多体系における基底状態を近似する新しい量子アルゴリズムを提案する。我々の手法は変分量子固有解法(VQE)と量子ガウスフィルタ(QGF)を統合する。提案手法は,特に雑音条件下での収束速度と精度の向上を示す。
論文参考訳（メタデータ） (2024-01-24T14:01:52Z)
An introduction to variational quantum algorithms for combinatorial optimization problems [0.0]
このチュートリアルは変分量子アルゴリズムのクラスに関する数学的記述を提供する。量子側および古典側におけるこれらのハイブリッドアルゴリズムの重要な側面を正確に紹介する。我々はQAOAに特に注意を払って、そのアルゴリズムに関わる量子回路と、その可能な誘導関数によって満たされる特性を詳述した。
論文参考訳（メタデータ） (2022-12-22T14:27:52Z)
Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文参考訳（メタデータ） (2022-08-29T15:24:03Z)
Quantum Neural Architecture Search with Quantum Circuits Metric and Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文参考訳（メタデータ） (2022-06-28T16:23:24Z)
Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文参考訳（メタデータ） (2021-12-27T21:15:35Z)
Variational Quantum Linear Solver with Dynamic Ansatz [0.0]
変分量子アルゴリズムは、そのハイブリッド量子古典的アプローチにより、NISQ時代に成功している。線形代数方程式系に対する変分量子線形解法に動的アンサッツを導入する。より少ない量子資源を利用することで、標準の静的アンサッツと比較してアルゴリズムの優位性を実証する。
論文参考訳（メタデータ） (2021-07-19T03:42:25Z)

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。