論文の概要: Electronic-Structure-Informed Many-Body Encoding for Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2610.40840v1
• Date: Thu, 29 Oct 2026 18:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.468675
• Title: Electronic-Structure-Informed Many-Body Encoding for Quantum Machine Learning
• Title（参考訳）: 電子構造インフォームド多体符号化による量子機械学習
• Abstract要約: 本稿では,電子系の固有多体構造を利用した物理インフォームド量子符号化手法を提案する。 結合伸張ポテンシャルエネルギー面に沿った電子相関エネルギーの予測におけるそれらの性能のベンチマークを行った。 これらの知見は、古典的データの多体構造と量子特徴写像の設計の関連性を確立する。
• 参考スコア（独自算出の注目度）: 2.65099761784474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data encoding is a central challenge in quantum machine learning (QML), as it determines how classical information is mapped onto quantum states and influences the expressive power and efficiency of parameterized quantum circuits. Here, we introduce a physics-informed quantum encoding strategy that exploits the intrinsic many-body structure of electronic systems to establish a direct correspondence between the body order of input descriptors and the locality of quantum gates. Specifically, $n$-body electronic descriptors obtained from a single mean-field electronic-structure calculation are encoded through $n$-qubit gates, yielding a systematic hierarchy of quantum circuits with increasing many-body expressivity. Using reduced-density-matrix descriptors, we construct quantum machine-learning models incorporating one- through four-body encodings and benchmark their performance in predicting electron-correlation energies along bond-stretching potential energy surfaces. We demonstrate that increasing the body order of the encoding systematically improves prediction accuracy toward the full configuration interaction limit. Remarkably, disconnected many-particle densities constructed from lower-order electronic information achieve accuracy comparable to explicitly correlated two-particle densities in key cases, providing a computationally inexpensive route to higher-body quantum encodings. These findings establish a connection between the many-body structure of classical data and the design of quantum feature maps, offering a systematic, physically interpretable framework for enhancing the expressivity and predictive performance of quantum machine-learning circuits.
• Abstract（参考訳）: データ符号化は量子機械学習(QML)において中心的な課題であり、古典的な情報が量子状態にどのようにマッピングされ、パラメータ化された量子回路の表現力と効率に影響を与えるかを決定する。 本稿では,電子システムの固有多体構造を利用して,入力記述子のボディオーダーと量子ゲートの局所性との直接対応を確立する物理情報を用いた量子符号化手法を提案する。 具体的には、1つの平均場電子構造計算から得られる$n$body電子記述子を$n$-qubitゲートを介して符号化し、多体表現率を増大させる量子回路の体系的階層を生成する。 還元密度行列記述子を用いて, 1-体から4-体エンコーディングを取り入れた量子機械学習モデルを構築し, 結合伸張ポテンシャルエネルギー面に沿って電子相関エネルギーを予測する性能をベンチマークした。 符号化のボディオーダーの増大は、完全な構成相互作用限界に対する予測精度を体系的に向上することを示した。 注目すべきは、低次の電子情報から構築された非連結多粒子密度は、キーケースにおける明示的に相関した2粒子密度に匹敵する精度を実現し、より高いボディの量子符号化への計算コストのかかる経路を提供することである。 これらの知見は、古典的データの多体構造と量子特徴写像の設計の関連性を確立し、量子機械学習回路の表現性と予測性能を高めるための体系的、物理的に解釈可能なフレームワークを提供する。

関連論文リスト

• Artificial intelligence for representing and characterizing quantum systems [49.29080693498154]
  大規模量子システムの効率的なキャラクタリゼーションは、量子科学における中心的な課題である。 人工知能(AI)の最近の進歩は、この課題に対処するための強力なツールとして現れている。 本稿では、これらのAIパラダイムが量子システム評価における2つのコアタスクにどのように貢献するかを論じる。
  論文  参考訳（メタデータ） (2025-09-05T08:41:24Z)
• 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)
• Quantum autoencoders for image classification [0.0]
  量子オートエンコーダ(QAE)は、パラメータチューニングのみに古典的な最適化を利用する。 本研究では,QAEを用いた新しい画像分類手法を提案する。
  論文  参考訳（メタデータ） (2025-02-21T07:13:38Z)
• 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)
• Profiling quantum circuits for their efficient execution on single- and multi-core architectures [1.7340157845783293]
  本研究では,量子ビット相互作用グラフとゲート依存性グラフから抽出したグラフ理論に基づくメトリクスを紹介する。 量子ビット相互作用とゲート依存性グラフの両方に根ざしたパラメータ間の接続と、量子回路マッピングのパフォーマンス指標を明らかにする。
  論文  参考訳（メタデータ） (2024-07-17T15:08:50Z)
• KetGPT -- Dataset Augmentation of Quantum Circuits using Transformers [1.236829197968612]
  量子回路として表現される量子アルゴリズムは、量子システムの性能を評価するためのベンチマークとして用いられる。 しかしランダム回路は、実際の量子アルゴリズム固有の性質を欠いているため、代表的なベンチマークではない。 この研究は、我々が「リアルに見える」回路と呼ぶものを生成することによって、既存の量子回路データセットを強化することを目的としている。
  論文  参考訳（メタデータ） (2024-02-20T20:02:21Z)
• On-the-fly Tailoring towards a Rational Ansatz Design for Digital Quantum Simulations [0.0]
  量子デバイスで物理的に実現可能な低深さ量子回路を開発することが不可欠である。 我々は,最適なアンサッツを動的に調整できるアンサッツ構成プロトコルを開発した。 アンザッツの構成は、エネルギーソートと演算子の可換性事前スクリーニングによって並列量子アーキテクチャで実行される可能性がある。
  論文  参考訳（メタデータ） (2023-02-07T11:22:01Z)
• Challenges in the use of quantum computing hardware-efficient Ansatze in electronic structure theory [0.0]
  本稿では,変分量子シミュレーションにおけるハードウェア効率のよいAnsatzeの使用に伴う潜在的な落とし穴について論じる。 ハードウェア効率のよいアンサツェはハミルトン対称性を破り、微分不可能なポテンシャルエネルギー曲線をもたらす可能性がある。
  論文  参考訳（メタデータ） (2022-08-21T07:42:26Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

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。