Conceitos Básicos
変分量子アルゴリズムの課題を克服するため、固定量子回路の組み合わせを最適化する後変分アプローチを提案する。これにより、変分アルゴリズムと同等の性能を達成しつつ、量子回路の最適化を古典的に行うことができる。
Resumo
本論文では、変分量子アルゴリズムの課題を克服するための「後変分アプローチ」を提案している。変分量子アルゴリズムでは、量子回路のパラメータを最適化するが、バレンプラトー問題などの課題がある。
後変分アプローチでは、固定量子回路の組み合わせを最適化する。具体的には以下の手順を踏む:
複数の固定量子回路を用意する
各回路の測定結果を線形結合する
線形結合の係数を古典的に最適化する
これにより、変分アルゴリズムと同等の性能を達成しつつ、量子回路の最適化を古典的に行うことができる。
後変分アプローチの具体的な設計方法として以下の3つのアプローチを提案している:
Ansatz展開: 変分Ansatzを Taylor展開して固定回路を生成
観測量構築: 変分観測量を固定観測量の線形結合で近似
ハイブリッド: Ansatz展開と観測量構築を組み合わせた手法
これらの手法では、量子回路の深さや幅を制限することで、回路数の爆発的な増加を防ぐ工夫がなされている。また、古典的な影の推定法を活用することで、量子回路の測定回数を削減できる。
最後に、提案手法の性能評価として、画像分類タスクでの実験結果を示している。変分アルゴリズムと同等以上の性能を達成できることが確認された。
Estatísticas
変分量子アルゴリズムでは、量子回路のパラメータ最適化に課題がある
後変分アプローチでは、固定量子回路の組み合わせを最適化することで、変分アルゴリズムと同等の性能を達成できる
後変分アプローチには3つの具体的な設計方法がある: Ansatz展開、観測量構築、ハイブリッド
量子回路の深さや幅を制限し、回路数の爆発を防ぐ
古典的な影の推定法を活用して、量子回路の測定回数を削減できる
画像分類タスクでの実験結果では、変分アルゴリズムと同等以上の性能を達成できた