論文の概要: Fully quantum training of parametric circuits with Quantum Hamiltonian Descent

• arxiv url: http://arxiv.org/abs/2610.33144v1
• Date: Fri, 23 Oct 2026 16:52:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.259324
• Title: Fully quantum training of parametric circuits with Quantum Hamiltonian Descent
• Title（参考訳）: 量子ハミルトニアン蛍光を用いたパラメトリック回路の完全量子トレーニング
• Abstract要約: 量子ハミルトニアン Descent (QHD) を用いてパラメトリック回路をトレーニングする。 周期的拡張がスムーズなコスト関数の場合、シミュレーション誤差はグリッド解像度とは無関係であることを示す。 また、理想力学は2つのスケジュールにのみ依存していることも示している。
• 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: Parametric quantum circuits are usually trained by classical, local optimizers, which use the quantum computer only to evaluate the cost function, or its gradient, one point at a time. Quantum Hamiltonian Descent (QHD) takes a different route: in this quantum algorithm for continuous optimization, the parameters become the position of a quantum particle, with the cost function as its potential, and two time schedules control kinetic and potential energy so that the wavefunction explores the whole landscape and tunnels towards the global minimum. QHD, however, assumes a classically computable cost function, and its digital implementation is poorly understood: standard error bounds grow exponentially with the number of qubits per parameter, and the schedules are borrowed from classical optimization. Here we propose to train parametric circuits with QHD entirely on the quantum computer, through an online step in which the qubits encoding the parameters coherently control the circuit on a second register. We prove that, for cost functions with a smooth periodic extension, including those of parametric circuits, the simulation error admits a bound independent of the grid resolution, and that for circuits the bound grows at most linearly with the number of parameters. We also show that the ideal dynamics depends on the two schedules only through a single curve, which controls the adiabaticity of the search, and that the remaining freedom can be used to minimize the gate count. Simulations on benchmark functions and parametric circuits show that, at equal cost, schedules designed in this way markedly increase the probability of finding the global minimum.
• Abstract（参考訳）: パラメトリック量子回路は通常、古典的で局所的なオプティマイザによって訓練される。 連続最適化のためのこの量子アルゴリズムでは、パラメータは量子粒子の位置となり、コスト関数はそのポテンシャルとして機能する。 しかし、QHDは古典的に計算可能なコスト関数を仮定し、そのデジタル実装はよく理解されていない: 標準エラー境界はパラメータあたりのキュービット数とともに指数関数的に増加し、そのスケジュールは古典的な最適化から借用される。 本稿では,量子コンピュータ上でのQHDによるパラメトリック回路のトレーニングについて,パラメータを符号化した量子ビットが第2レジスタ上の回路を整合的に制御するオンラインステップにより提案する。 パラメトリック回路を含むスムーズな周期拡張を持つコスト関数に対して、シミュレーション誤差はグリッド分解能に依存しない境界を許容し、回路の場合、その境界はパラメータ数とともに最も直線的に増加することを証明した。 また、理想力学は、探索の断熱性を制御する1つの曲線を通してのみ2つのスケジュールに依存し、残りの自由度はゲート数を最小限に抑えることができることを示す。 ベンチマーク関数とパラメトリック回路のシミュレーションは、同じコストで、この方法で設計されたスケジュールは、グローバルな最小値を見つける確率を著しく高めることを示している。

関連論文リスト

• Classical Pre-Training of Large Shallow Parametrized Quantum Circuits through Pauli Propagation and deployment on Quantum Hardware [0.3653697742557466]
  パウリ伝搬フレームワークを量子機械学習のクラスに適用する。 古典的ハードウェアで完全に最小化できる損失に対する明示的なパラメトリック表現を得る。 ここで考慮した回路は、IQPスタイルのアンスターゼよりもパラメトリケートゲートがかなり少ないことを示す。
  論文  参考訳（メタデータ） (2026-10-23T12:57:48Z)
• Variational Quantum Subspace Construction via Symmetry-Preserving Cost Functions [36.94429692322632]
  低次エネルギー状態の抽出のための削減部分空間を反復的に構築するために,対称性保存コスト関数に基づく変動戦略を提案する。 概念実証として, 基底状態エネルギーと電荷ギャップの両方を対象とし, 提案アルゴリズムをH4鎖とリング上で検証した。
  論文  参考訳（メタデータ） (2024-11-25T20:33:47Z)
• Characterizing randomness in parameterized quantum circuits through expressibility and average entanglement [39.58317527488534]
  量子回路(PQC)は、その主応用の範囲外ではまだ完全には理解されていない。 我々は、量子ビット接続性に関する制約の下で、PQCにおけるランダム状態の生成を分析する。 生成した状態の分布の均一性の増加と絡み合いの発生との間には,どれだけ急激な関係があるかを示す。
  論文  参考訳（メタデータ） (2024-05-03T17:32:55Z)
• Nonlinear dynamics as a ground-state solution on quantum computers [39.58317527488534]
  量子ビットレジスタにおける空間と時間の両方を符号化する変分量子アルゴリズム(VQA)を提案する。 時空符号化により、1つの基底状態計算から全時間進化を得ることができる。
  論文  参考訳（メタデータ） (2024-03-25T14:06:18Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Pre-optimizing variational quantum eigensolvers with tensor networks [1.4512477254432858]
  VQEをシミュレートすることで、パラメータ化量子回路のよい開始パラメータを求める手法を提示し、ベンチマークする。 最大32キュービットのシステムサイズを持つ1Dと2DのFermi-Hubbardモデルに適用する。 2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
  論文  参考訳（メタデータ） (2023-10-19T17:57:58Z)
• Approximate Quantum Compiling for Quantum Simulation: A Tensor Network based approach [1.237454174824584]
  行列生成状態(MPS)から短深さ量子回路を生成する新しいアルゴリズムであるAQCtensorを導入する。 我々のアプローチは、量子多体ハミルトニアンの時間進化から生じる量子状態の準備に特化している。 100量子ビットのシミュレーション問題に対して、AQCtensorは、結果の最適化回路の深さの少なくとも1桁の縮小を実現していることを示す。
  論文  参考訳（メタデータ） (2023-01-20T14:40:29Z)

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。