論文の概要: A Controlled Null Result for Per-Gate Riemannian Optimization in VQE

• arxiv url: http://arxiv.org/abs/2610.17395v1
• Date: Mon, 12 Oct 2026 21:01:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 19:09:27.430781
• Title: A Controlled Null Result for Per-Gate Riemannian Optimization in VQE
• Title（参考訳）: VQEにおけるゲートごとのリーマン最適化のための制御されたヌル結果
• Abstract要約: 量子固有解法におけるパラメタライズドゲートは、ユニタリ群の積上に存在する。 私たちはこの候補をクリーンなパーゲート設定でテストします。 明らかなポジティブな結果を生み出すことができる4つの障害モードを特定します。
• 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: Parametrized gates in a variational quantum eigensolver (VQE) live on a product of unitary groups, which makes Riemannian optimization a natural candidate for improving training. We test this candidate in the clean per-gate setting: each single-qubit gate is optimized directly on U (2) and compared with Adam on an unconstrained Euler-angle chart representing the same physical gate, initialized from the same unitaries and tuned with a separate learning-rate sweep. On a validated hydrogen-chain benchmark, we find no measurable practical advantage from the Riemannian machinery. The direct manifold optimizer and the Euler-coordinate baseline are interleaved in final error and success rate; the classical coordinate baseline is not slower in iterations on the successful cells; and the choices of Riemannian metric, retraction, and momentum vector transport do not change the conclusion. We also identify four failure modes that can manufacture an apparent positive result: a trivial product-state benchmark, a projected-matrix Adam baseline that discards most of its own step, a non-unitary inherited Cayley retraction that lets the reported energy pass below the variational minimum, and a learning-rate grid whose optimum sits at its boundary. Each failure mode produced a plausible multi-seed result in our own workflow before being caught. The practical output of this paper is therefore a controlled null result and a validation checklist for VQE optimizer comparisons.
• Abstract（参考訳）: 変分量子固有解法(VQE)におけるパラメタライズドゲートはユニタリ群の積上に存在するため、リーマン最適化は訓練を改善するための自然な候補となる。 それぞれのシングルキュービットゲートはU(2)上で直接最適化され、同じ物理ゲートを表す非制約のオイラー角チャート上でAdamと比較され、同じユニタリから初期化され、個別の学習レートスイープで調整される。 検証された水素鎖のベンチマークでは、リーマン機械から測定可能な実用的利点は見つからない。 直交多様体オプティマイザとオイラー座標基底線は最終的な誤差と成功率でインターリーブされ、古典座標基底線は成功セル上の反復において遅くはない。 自明な製品状態ベンチマーク、自身のステップの大部分を破棄する投影行列Adamベースライン、報告されたエネルギーを変動最小値以下に通過させる非単体継承Cayleyリトラクション、そして最適が境界に置かれる学習レートグリッドである。 各障害モードは、キャッチされる前に、私たち自身のワークフローで、妥当なマルチシード結果を生成しました。 したがって,本論文の実際の出力は制御されたヌル結果であり,VQEオプティマイザ比較の検証チェックリストである。

関連論文リスト

• Ordering-Aware Theory of Trotter Error [2.859888411585159]
  製品公式は、多体力学をシミュレートするための基本的なツールであるが、その応用における基本的な自由度はほとんど探索されていないままである。 そこで我々は,このような順序付け効果とシミュレーション精度への影響を系統的に研究し,より正確な製品-フォーミュラシミュレーションの設計に利用した。
  論文  参考訳（メタデータ） (2026-10-02T17:43:08Z)
• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• Revisiting Zeroth-Order Hessian Approximation: A Single-Step Policy Optimization Lens [18.253856190297405]
  ZoVH は、フル・ヘッセン行列、正則化逆数、バイアス補正された逆ヘッセン勾配積に対する分散還元された推定器のスイートである。 実世界のアプリケーションにおいて,ZoVHはより優れた推定精度と収束性能が得られることを示す。
  論文  参考訳（メタデータ） (2026-05-29T07:55:57Z)
• Direct Bethe Free Energy Minimization for Bayesian Neural Network [0.0]
  我々は,変分下界を最大化するのではなく,Bethe自由エネルギーを直接最小化してベイズニューラルネットワークを訓練することを提案する。 木構造因子グラフ上では、Bethe自由エネルギーは正確であり、決定論的層は目的から外れ、標準のバックプロパゲーションによって訓練される。 すべての変種は、アンサンブルやサンプリングベースの手法とは対照的に、MAP等価な推論コストで閉形式予測を許容する。
  論文  参考訳（メタデータ） (2026-05-08T20:12:48Z)
• Variational Entropic Optimal Transport [67.76725267984578]
  本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。 VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。 合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
  論文  参考訳（メタデータ） (2026-02-02T15:48:44Z)
• On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
  既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。 本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
  論文  参考訳（メタデータ） (2025-10-22T18:25:43Z)
• From Noisy Traces to Stable Gradients: Bias-Variance Optimized Preference Optimization for Aligning Large Reasoning Models [90.45197506653341]
  大規模推論モデルは最終回答を生成する前に中間的推論トレースを生成する。 LRMと人間の好みの整合性は、モデルデプロイメントにとって重要な前提条件であり、まだ過小評価されていない。 共通の回避策は1つのサンプル軌道を最適化し、トレースサンプリングからかなり勾配のばらつきをもたらす。
  論文  参考訳（メタデータ） (2025-10-06T17:58:01Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• The Strength of Nesterov's Extrapolation in the Individual Convergence of Nonsmooth Optimization [0.0]
  ネステロフの外挿は、非滑らかな問題に対して勾配降下法の個人収束を最適にする強さを持つことを証明している。 提案手法は,設定の非滑らかな損失を伴って正規化学習タスクを解くためのアルゴリズムの拡張である。 本手法は,大規模な1-正規化ヒンジロス学習問題の解法として有効である。
  論文  参考訳（メタデータ） (2020-06-08T03:35:41Z)

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。