論文の概要: Analog Quantum Experiments Meet Automatic Differentiation - from Programs to Atoms

• arxiv url: http://arxiv.org/abs/2610.36167v1
• Date: Mon, 26 Oct 2026 19:01:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.406916
• Title: Analog Quantum Experiments Meet Automatic Differentiation - from Programs to Atoms
• Title（参考訳）: プログラムから原子への自動微分を伴うアナログ量子実験
• Abstract要約: 本稿ではDiffSimuQについて述べるが、これは開ループアナログ量子実験の幅広いクラスが自動微分の下で閉じていることを示している。 合成変換は、期待結果が微分である同じ言語の微分プログラムD_ell[P()]にP()を写像する。
• 参考スコア（独自算出の注目度）: 10.543544087102124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gradient-based optimization of analog quantum hardware poses a concrete programming problem: given an executable experiment P(θ) that returns only measurement samples, what executable experiment should the system run to obtain (d/dθ_ell)P(θ)? Conventional automatic differentiation cannot propagate through the inaccessible quantum state, while finite differences require a noise-sensitive step size and analytic gradient identities cover only parts of an experiment. We present DiffSimuQ, which shows that a broad class of open-loop analog quantum experiments is closed under automatic differentiation. A compositional transformation maps P(θ) to a derivative program D_ell[P(θ)] in the same language whose expected outcome is exactly the derivative. Only continuous evolution requires a strategy-specific rule, and we give two realizations. Our Nyquist shift rule (NSR) applies to general time-dependent evolution: we prove that the observable response to shifting the Hamiltonian along its tangent is band-limited even for non-commuting controls, enabling exact reconstruction from shifted executions. For involutory generators, a parameter-shift realization (PSR) inserts a parameter-independent operation at a sampled time. Because derivative programs remain ordinary programs, source and derivative experiments share one compiler, which reuses the source realization, lowers branches to device-ready neutral-atom controls, and selects between NSR and PSR based on estimated cost. Under device noise, the exact derivative programs differentiate the objective realized by the device, with hardware realization errors treated separately. In machine-level noisy emulation, NSR and PSR avoid the finite-difference error floor and improve closed-loop optimization; they win in complementary cost regimes, while each derivative branch at 1000 qubits add at most 0.3% to source compilation time.
• Abstract（参考訳）: 測定サンプルのみを返す実行可能な実験 P(θ) を考えると、システムが (d/dθ_ell)P(θ) を得るために実行すべき実験は何か? 従来の自動微分は、到達不能な量子状態を通して伝播することができないが、有限差分はノイズ感受性のステップサイズと解析的勾配アイデンティティが実験の一部のみをカバーする必要がある。 本稿ではDiffSimuQについて述べるが、これは開ループアナログ量子実験の幅広いクラスが自動微分の下で閉じていることを示している。 合成変換は、期待結果が微分である同じ言語における微分プログラムD_ell[P(θ)]にP(θ)を写像する。 継続的進化のみが戦略固有の規則を必要とし、我々は2つの実現を与える。 我々のNyquist shift rule(NSR)は、一般に時間に依存した進化に適用される: シフトした実行から正確な再構築を可能にするため、非可換制御に対してもハミルトニアンシフトに対する観測可能な応答が帯域制限されていることを証明する。 インボリュートリージェネレータでは、パラメータシフト実現(PSR)がサンプリングされた時間にパラメータ非依存の操作を挿入する。 導出プログラムは通常のプログラムのままであるため、ソースと導出実験は1つのコンパイラを共有し、ソース実現を再利用し、分岐をデバイス対応の中立原子制御に還元し、推定コストに基づいてNSRとPSRを選択できる。 デバイスノイズの下では、正確な微分プログラムは、デバイスによって実現された目的を区別し、ハードウェア実現エラーを別々に扱う。 機械レベルのノイズエミュレーションでは、NSRとPSRは有限差分誤差フロアを避け、クローズドループ最適化を改善する。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Simultaneous Perturbation as a Spectral Filter [0.913755431537592]
  量子回路によって生成された構造化フーリエ景観のランダム摂動を解析する。 平均ラデマチャー推定器の正確なモードバイモード応答を導出し,多くのパラメータを含むモードを選択的に抑制することを示す。
  論文  参考訳（メタデータ） (2026-09-20T04:46:24Z)
• Comparing the Performance of Leading VQE Algorithms for Computing Ground-State Energies of Amino Acids [0.0]
  論文から10以上の異なるアンサーゼの再現可能なベンチマークを備えた統合リポジトリを提案する。 QMProtデータセットから得られたハミルトニアンを用いて、異なるアミノ酸をシミュレートする。
  論文  参考訳（メタデータ） (2026-07-02T06:38:31Z)
• Unbiased Gradient Estimation for Event Binning via Functional Backpropagation [64.88399635309918]
  バックプロパゲーション中に弱微分を合成することにより任意の双対関数の非バイアス勾配推定のための新しいフレームワークを提案する。 自己監督型光流ではECEが9.4%,SLAMでは5.1%低下し,事象に基づく視覚知覚において大きなメリットが示された。
  論文  参考訳（メタデータ） (2026-02-13T04:05:03Z)
• Enabling Automatic Differentiation with Mollified Graph Neural Operators [73.52999622724101]
  本稿では,自動微分と任意のジオメトリの正確な勾配を求める最初の手法であるモリファイドグラフニューラル演算子(m$GNO)を提案する。 正規格子上のPDEの例では、$m$GNOとオートグレードの組み合わせにより、L2相対データの誤差は有限差に比べて20倍減少した。 また、物理損失のみを使用し、有限差分に必要な分解能よりもはるかに低い精度で、非構造化点雲上のPDEをシームレスに解くことができる。
  論文  参考訳（メタデータ） (2025-04-11T06:16:30Z)
• Zero Coordinate Shift: Whetted Automatic Differentiation for Physics-informed Operator Learning [1.024113475677323]
  本稿では,物理インフォームド演算子学習のための新しい,軽量な自動微分(AD)アルゴリズムを提案する。 すべてのサンプル座標を葉変数とする代わりに、ZCSは空間的あるいは時間的次元ごとに1つのスカラー値の葉変数を導入する。 これは、関数の次元に沿った計算グラフの重複を避けることで、卓越した性能向上につながった。
  論文  参考訳（メタデータ） (2023-11-01T21:28:24Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Control of Stochastic Quantum Dynamics with Differentiable Programming [0.0]
  微分可能プログラミングに基づく制御スキームの自動設計のためのフレームワークを提案する。 このアプローチを、ホモジエン検出を受けるクビットの状態準備と安定化に適用する。 その結果、信号と雑音の比が低いにもかかわらず、平均忠実度が約85%の目標状態へのキュービットの準備と安定化をコントローラに教えることができる。
  論文  参考訳（メタデータ） (2021-01-04T19:00:03Z)

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。