arXiv量子コンピュータ論文解説・量子エンコーディング特集（2026年8月15日）

キーワード: 振幅符号化 / 角度符号化 / 基底符号化 / 量子特徴写像 / ブロック符号化 / ハミルトニアン符号化 / 状態準備

2026年8月15日のarXiv量子コンピュータ論文解説・量子エンコーディング特集では、7件を取り上げる。数値、計算資源、適用条件をそろえ、結果の強さと限界を具体的に読む。

論文1: 振幅符号化―量子ビット効率とロード費用の交換

振幅符号化は正規化したN次元ベクトルを、n=ceil(log2 N)量子ビットの2のn乗個の振幅へ載せる。量子ビット数は最小級だが、任意ベクトルの状態準備は一般にO(N)個規模の回転や古典前処理を要し、入力を毎サンプル読み込む学習では圧縮の利得を相殺する。qRAMを仮定すれば対数時間ロードを語れるが、誤り耐性、配線、更新費用を含む装置は無料ではない。振幅は測定一回で全成分を取り出せず、期待値を精度epsilonで推定するショット数も典型的にepsilonの逆二乗へ増える。したがって大規模線形代数で有望なのは、入力が量子過程から既に状態として来る場合か、同じ状態を多数回再利用できる場合である。古典配列を一度だけ分類する用途では、量子ビット数だけを数える比較は不公平になる。

振幅符号化―量子ビット効率とロード費用の交換の資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、振幅符号化―量子ビット効率とロード費用の交換の理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

論文2: 角度符号化とデータ再アップロード―浅さと表現力

角度符号化は各特徴量をRYやRZなど一量子ビット回転の角度へ写し、通常はd特徴にO(d)量子ビットまたはO(d)ゲートを使う。状態準備が浅く、入力誤差とゲート誤差の対応も追いやすい一方、一層の局所回転だけでは表せる周波数成分が限られる。データ再アップロードは同じ特徴を変分層の間で繰り返し注入し、量子ビット数を抑えて高調波を増やす。その代償は深さ、二量子ビット誤差、最適化回数の増加である。入力スケーリングが回転周期をまたぐと異なる値が同じ状態へ写るため、正規化は単なる前処理でなくモデル定義になる。少数特徴と近距離デバイスでは実装しやすいが、高次元データでは特徴選択の古典計算まで含めて評価すべき方式である。

角度符号化とデータ再アップロード―浅さと表現力の資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、角度符号化とデータ再アップロード―浅さと表現力の理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

論文3: 基底符号化―離散データを直交状態へ載せる

基底符号化はnビット列をn量子ビットの計算基底状態へ対応させる。Xゲートだけで準備でき、異なる入力が直交するので衝突せず、二値制約、組合せ最適化、量子回路へ直接来るビット列と相性がよい。連続値を扱うには量子化してビット数を増やす必要があり、精度bビットなら特徴ごとにb量子ビットを消費する。重ね合わせで多数のレコードを表しても、任意レコードを一度の測定で全件読み出せるわけではない。利点は準備回路の単純さと解釈性であり、振幅符号化の指数的な見かけの圧縮とは別物である。ノイズ比較ではX誤りがビット値を変え、位相誤りは直後の基底測定では見えなくても干渉処理で効く。入力が本当に離散か、量子化誤差を許せるかが採用条件になる。

基底符号化―離散データを直交状態へ載せるの資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、基底符号化―離散データを直交状態へ載せるの理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

論文4: 量子特徴写像―カーネルの豊かさと推定費用

量子特徴写像は古典入力xを回路U(x)で状態へ変え、状態間の重なりや観測量をカーネルとして学習へ渡す。非可換な回転とエンタングラーを組み合わせれば高次の相互作用を作れるが、回路が複雑なら自動的に良い分類境界になるわけではない。本日の新着2608.12712は、深さ1のRY、CNOT、Z読出しを使う固定写像型デノイザーに、偶関数しか届かず奇関数成分を表せないパリティ床があると閉形式で示した。高次Z読出しは偶セクターを改善しても床を下げず、エンタングルメントや再アップロードも安定して穴を埋めなかった。正弦成分を加えた古典特徴バンクは参照性能へ届き、量子性でなく特徴対称性がボトルネックだった。カーネル行列はデータ数Mに対してO(M^2)組の推定を要し、各要素にはショット雑音が乗る。表現力、古典模倣困難性、行列推定費用を同時に測る必要がある。

量子特徴写像―カーネルの豊かさと推定費用の資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、量子特徴写像―カーネルの豊かさと推定費用の理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

論文5: ブロック符号化―行列をユニタリの一角へ埋める

ブロック符号化は非ユニタリ行列Aを、補助量子ビットを含むユニタリUの左上ブロックへA/alphaとして埋める。量子特異値変換や線形方程式、ハミルトニアン・シミュレーションの共通入口になり、入力は特徴ベクトルより演算子である。性能は量子ビット数だけでなく、正規化係数alpha、Uを一回呼ぶゲート数、補助ビット、成功振幅で決まる。疎行列オラクルやLCU分解が効率的なら多項式対数のアルゴリズムへつながるが、密行列を古典メモリからその都度埋める費用は大きい。後選択や振幅増幅を使う場合、alphaが大きいほど呼出回数も増える。振幅符号化が状態を準備する技法なのに対し、ブロック符号化は作用素へのアクセスモデルを規定する技法であり、同じ『符号化』でも資源表が異なる。

ブロック符号化―行列をユニタリの一角へ埋めるの資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、ブロック符号化―行列をユニタリの一角へ埋めるの理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

論文6: ハミルトニアン符号化―データを時間発展へ変える

ハミルトニアン符号化ではデータや行列をHへ写し、exp(-iHt)の時間発展、位相、固有値へ情報を載せる。量子シミュレーションや位相推定と直結し、自然な物理相互作用がHを実装する場合は入力コストを抑えられる。古典データから多数のパウリ係数を合成する場合は、項数、係数ノルム、シミュレーション時間t、目標誤差がゲート数を支配する。大きなtは位相分解能を上げる一方、回路深さとデコヒーレンスを増やし、固有位相は2pi周期なのでスケール設定も要る。状態準備した入力が対象固有空間と小さくしか重ならなければ、位相推定の成功回数は増える。ブロック符号化と組み合わせる設計も多く、アクセス仮定を二重に数え落とさない資源見積りが重要である。

ハミルトニアン符号化―データを時間発展へ変えるの資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、ハミルトニアン符号化―データを時間発展へ変えるの理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

論文7: 状態準備を独立の工程として比較する

量子アルゴリズムの入口は符号化回路だけでなく、望む初期状態を高い忠実度で作る工程全体である。任意状態、基底状態、熱状態、確率分布では使える構造が異なり、ゲート数、深さ、補助ビット、成功確率、古典最適化を別々に数える必要がある。新着検索で再掲された2603.11208は、複数コピーを使うユニタリ手順で虚時間発展と基底状態準備を扱い、非ユニタリな冷却効果を実装する方向を示す。基底状態準備では初期重なり、スペクトルギャップ、必要コピー数が総費用を左右する。NISQの変分準備は浅くできても最適化ショットと局所解が加わり、誤り耐性法は論理ゲート数が増える。エンドツーエンド比較では、準備後のアルゴリズムが速くても、毎ショット状態を作り直す費用を省けない。入力生成から測定統計まで一つの予算表へ置くべきである。

状態準備を独立の工程として比較するの資源評価では、入力一件あたりの量子ビット数だけを抜き出しても全体像にならない。回路深さ、二量子ビットゲート数、状態準備時間、期待値精度を得るショット数、古典側の正規化と係数計算を同じ実行単位で積算する必要がある。さらに雑音下では、深い回路の忠実度低下と再試行回数が結びつくため、状態準備を独立の工程として比較するの理想計算量と実測の終了時間は分けて示すべきである。入力が古典メモリにあるのか量子状態として到来するのか、同じ入力を何回再利用するのかによっても、採用すべき方式は変わる。

まとめ

符号化方式に万能な勝者はいない。量子ビット数だけでなく、ロード回路、深さ、ショット、古典前処理、ノイズ、再準備を同じ表で比べると、用途ごとの選択条件が見える。

参考ソース

• 論文1: https://arxiv.org/abs/1802.08227
• 論文2: https://arxiv.org/abs/2008.08605
• 論文3: https://arxiv.org/abs/quant-ph/0108016
• 論文4: https://arxiv.org/abs/1804.11326
• 論文5: https://arxiv.org/abs/1806.01838
• 論文6: https://arxiv.org/abs/1412.3489
• 論文7: https://arxiv.org/abs/2603.11208