発表タイプ: 新規
要約: 量子多腕バンディット（MAB）および確率的線形バンディット（SLB）は、量子対応が古典的なMABおよびSLBに対して二次的な高速化を達成できることから、最近大きな注目を集めている。しかし、既存の多くの量子MABアルゴリズムは、ノイズのない回路上で理想的な量子モンテカルロ（QMC）手順を前提としており、現在のノイズを含む中規模量子デバイス（NISQ）におけるノイズの影響を見落としている。本論文では、量子報酬オラクルを照会する際の推定精度を改善するノイズ耐性QMCアルゴリズムを検討する。これを基に、ノイズ環境下での性能を向上させつつ古典的手法に対する利点を維持する、ノイズ耐性を持つQMABおよびQSLBアルゴリズムを提案する。実験は、提案したノイズ耐性アプローチがQMABの推定精度を向上させ、いくつかの量子ノイズモデル下で後悔を低減することを示している。
ノイズ耐性を備えた量子MABと確率的線形バンディットへ
arXiv cs.LG / 2026/3/20
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、NISQデバイスにおけるノイズが量子MABと確率的線形バンディットに与える影響を分析し、報酬推定に理想的な量子モンテカルロ法に依存することのギャップを指摘する。
- 現実的なノイズモデル下で報酬の問合せ精度を改善するノイズ耐性を備えた量子モンテカルロ推定器を提案する。
- この推定器を基に、ノイズ環境下でも量子優位性を保つことを目指すノイズ耐性QMABおよびQSLBアルゴリズムを提案する。
- いくつかの量子ノイズモデルにおける実験結果は、推定精度の向上とレグレットの低減を示し、ノイズのある量子ハードウェア上での実用的な耐性を実証している。
