論文の概要: Adiabatic training of VQAs for entanglement detection
- arxiv url: http://arxiv.org/abs/2610.39577v1
- Date: Thu, 29 Oct 2026 08:18:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 23:19:54.442184
- Title: Adiabatic training of VQAs for entanglement detection
- Title（参考訳）: 絡み込み検出のためのVQAの断熱訓練
- Abstract要約: 本稿では,変分量子アルゴリズム(VQA)を学習するためのハイブリッド量子フレームワークを提案する。
本稿では,パラメータ空間の離散化と階層的セグメンテーションスキームを組み合わせた,VQAのトレーニングのための断熱的インスピレーション付き最適化手法を提案する。
予備結果は、古典的ニューラルネットワークと従来のVQAトレーニング技術と比較される。
- 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: This paper introduces a hybrid quantum framework for training Variational Quantum Algorithms (VQAs) aimed at addressing the fundamental problem of entanglement detection using adiabatic quantum computing. This problem is of foundational significance in quantum information science and has been approached through both classical and quantum methodologies. We propose an adiabatic-inspired optimization strategy for training VQAs, which combines a discretization of the parameter space with a hierarchical segmentation scheme. The optimization problem is formulated as a Quadratic Unconstrained Binary Optimization (QUBO) model to leverage the capabilities of quantum annealing. Preliminary results are compared against classical neural networks and conventional VQA training techniques. The findings aim to stimulate further investigation and discussion within the scientific community regarding the efficacy and applicability of the proposed approach.
- Abstract（参考訳）: 本稿では,変分量子アルゴリズム(VQA)を訓練するためのハイブリッド量子フレームワークを提案する。
この問題は量子情報科学における基礎的な重要性であり、古典的手法と量子的手法の両方を通してアプローチされてきた。
本稿では,パラメータ空間の離散化と階層的セグメンテーションスキームを組み合わせた,VQAのトレーニングのための断熱的インスピレーション付き最適化手法を提案する。
最適化問題は、量子アニールの能力を活用するために、擬似非拘束バイナリ最適化(QUBO)モデルとして定式化される。
予備結果は、古典的ニューラルネットワークと従来のVQAトレーニング技術と比較される。
本研究は, 提案手法の有効性と適用性について, 科学的コミュニティ内でのさらなる調査と議論を促進することを目的としている。
関連論文リスト
- Cutting-plane methodology via quantum optimization for solving the Traveling Salesman Problem [0.0]
トラベルセールスマン問題における大きな課題は、多数のサブトゥール排除制約である。
我々は、よく確立された運用研究技術に基づく反復的なアプローチを採用する。
この問題を解決するための古典的および量子的最適化手法について検討する。
論文 参考訳（メタデータ） (2026-04-22T08:20:17Z) - Quantum optimisation applied to the Quadratic Assignment Problem [4.483208369550461]
本稿では,量子ウォークに基づく最適化アルゴリズム (NV-QWOA) を用いて,2次アサインメント問題 (QAP) の小型解法の性能について検討する。
目的関数評価の回数と、5から10の施設を持つQAPインスタンス全体にわたる最適あるいはほぼ最適のソリューションに一貫して到達するのに必要となるアルゴリズムの反復数という2つの指標を用いて性能を評価する。
我々の研究は、複雑な量子問題に対する量子ウォークの実用性を強調し、将来の量子最適化アルゴリズムの基礎を確立した。
論文 参考訳（メタデータ） (2026-01-03T07:50:03Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - HQSI: Hybrid Quantum Swarm Intelligence -- A Case Study of Online Certificate Status Protocol Request Flow Prediction [0.0]
Hybrid Quantum Swarm Intelligence (HQSI)は、前方伝播ニューラルネットワークとして量子ニューラルネットワーク(QNN)モデルを構築する。
HQSIは、最先端の量子最適化アルゴリズムに対するエラーを50%以上削減する。
論文 参考訳（メタデータ） (2025-05-07T06:16:50Z) - A Hybrid Quantum-Classical Physics-Informed Neural Network Architecture for Solving Quantum Optimal Control Problems [1.4811951486536687]
この研究は、量子状態操作を最適化するための革新的なアプローチを示している。
提案したハイブリッドモデルは,最適制御問題の解法として機械学習手法を効果的に適用する。
これは、量子状態遷移問題を解決するために、ハイブリッドPINNネットワークの設計と実装を通して説明される。
論文 参考訳（メタデータ） (2024-04-23T13:22:22Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - 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)
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。