論文の概要: Quantum Approximate Optimization of Non-Planar Graph Problems on a
Planar Superconducting Processor
- arxiv url: http://arxiv.org/abs/2004.04197v3
- Date: Sat, 30 Jan 2021 17:31:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 11:23:10.542089
- Title: Quantum Approximate Optimization of Non-Planar Graph Problems on a
Planar Superconducting Processor
- Title(参考訳): 平面超伝導プロセッサにおける非平面グラフ問題の量子近似最適化
- Authors: Matthew P. Harrigan, Kevin J. Sung, Matthew Neeley, Kevin J.
Satzinger, Frank Arute, Kunal Arya, Juan Atalaya, Joseph C. Bardin, Rami
Barends, Sergio Boixo, Michael Broughton, Bob B. Buckley, David A. Buell,
Brian Burkett, Nicholas Bushnell, Yu Chen, Zijun Chen, Ben Chiaro, Roberto
Collins, William Courtney, Sean Demura, Andrew Dunsworth, Daniel Eppens,
Austin Fowler, Brooks Foxen, Craig Gidney, Marissa Giustina, Rob Graff, Steve
Habegger, Alan Ho, Sabrina Hong, Trent Huang, L. B. Ioffe, Sergei V. Isakov,
Evan Jeffrey, Zhang Jiang, Cody Jones, Dvir Kafri, Kostyantyn Kechedzhi,
Julian Kelly, Seon Kim, Paul V. Klimov, Alexander N. Korotkov, Fedor
Kostritsa, David Landhuis, Pavel Laptev, Mike Lindmark, Martin Leib, Orion
Martin, John M. Martinis, Jarrod R. McClean, Matt McEwen, Anthony Megrant,
Xiao Mi, Masoud Mohseni, Wojciech Mruczkiewicz, Josh Mutus, Ofer Naaman,
Charles Neill, Florian Neukart, Murphy Yuezhen Niu, Thomas E. O'Brien, Bryan
O'Gorman, Eric Ostby, Andre Petukhov, Harald Putterman, Chris Quintana,
Pedram Roushan, Nicholas C. Rubin, Daniel Sank, Andrea Skolik, Vadim
Smelyanskiy, Doug Strain, Michael Streif, Marco Szalay, Amit Vainsencher,
Theodore White, Z. Jamie Yao, Ping Yeh, Adam Zalcman, Leo Zhou, Hartmut
Neven, Dave Bacon, Erik Lucero, Edward Farhi and Ryan Babbush
- Abstract要約: 量子近似最適化アルゴリズム(QAOA)による最適化問題へのGoogle Sycamore超伝導量子ビットプロセッサの適用を実証する。
初めて回路深度で性能が向上するのを観察した。
この挙動は、ハードウェア接続とは異なるグラフ上の問題を最適化するために、短期量子コンピュータを使用するという課題を強調している。
- 参考スコア(独自算出の注目度): 29.928684308464796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We demonstrate the application of the Google Sycamore superconducting qubit
quantum processor to combinatorial optimization problems with the quantum
approximate optimization algorithm (QAOA). Like past QAOA experiments, we study
performance for problems defined on the (planar) connectivity graph of our
hardware; however, we also apply the QAOA to the Sherrington-Kirkpatrick model
and MaxCut, both high dimensional graph problems for which the QAOA requires
significant compilation. Experimental scans of the QAOA energy landscape show
good agreement with theory across even the largest instances studied (23
qubits) and we are able to perform variational optimization successfully. For
problems defined on our hardware graph we obtain an approximation ratio that is
independent of problem size and observe, for the first time, that performance
increases with circuit depth. For problems requiring compilation, performance
decreases with problem size but still provides an advantage over random
guessing for circuits involving several thousand gates. This behavior
highlights the challenge of using near-term quantum computers to optimize
problems on graphs differing from hardware connectivity. As these graphs are
more representative of real world instances, our results advocate for more
emphasis on such problems in the developing tradition of using the QAOA as a
holistic, device-level benchmark of quantum processors.
- Abstract(参考訳): 本稿では, Google Sycamore 超伝導量子ビットプロセッサの量子近似最適化アルゴリズム (QAOA) との組合せ最適化問題への応用を実証する。
過去のQAOA実験と同様に、ハードウェアの(平面)接続グラフ上で定義された問題に対する性能について検討するが、QAOAはシェリントン・カークパトリックモデルとマックスキュートにも適用し、どちらもQAOAがかなりのコンパイルを必要とする高次元グラフ問題である。
qaoaエネルギーランドスケープの実験的なスキャンは、調査された最大インスタンス(23量子ビット)でも理論と良い一致を示し、変動最適化をうまく行うことができる。
ハードウェアグラフ上で定義された問題に対して,問題の大きさに依存しない近似比を求め,回路深度で性能が向上するのを初めて観察する。
コンパイルが必要な問題では、問題のサイズによって性能は低下するが、数千ゲートを含む回路のランダムな推測よりも優れている。
この挙動は、ハードウェア接続とは異なるグラフ上の問題を最適化するために、短期量子コンピュータを使用するという課題を強調している。
これらのグラフは実世界のインスタンスに代表的であるため、量子プロセッサの総合的デバイスレベルベンチマークとしてQAOAを使用するという発展途上の伝統において、このような問題にもっと重点を置いている。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳(メタデータ) (2024-04-17T11:00:12Z) - Optimizing quantum gates towards the scale of logical qubits [78.55133994211627]
量子ゲート理論の基本的な前提は、量子ゲートはフォールトトレランスの誤差閾値を超えることなく、大きなプロセッサにスケールできるということである。
ここでは、このような問題を克服できる戦略について報告する。
我々は、68個の周波数可変ビットの周波数軌跡をコレオグラフィーして、超伝導エラー中に単一量子ビットを実行することを示した。
論文 参考訳(メタデータ) (2023-08-04T13:39:46Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳(メタデータ) (2022-05-24T03:49:10Z) - Quantum approximate optimization algorithm for qudit systems [0.0]
量子近似最適化アルゴリズム(QAOA)について考察する。
本稿では、QAOAを用いて様々な整数最適化問題を定式化する方法を説明する。
最大$kのカラー化問題にマッピングした充電最適化問題の数値計算結果を示す。
論文 参考訳(メタデータ) (2022-04-01T10:37:57Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - Scaling of the quantum approximate optimization algorithm on
superconducting qubit based hardware [1.7150329136228708]
量子コンピュータは量子近似最適化アルゴリズム(QAOA)を利用して最適化問題の優れた解を提供することができる。
QAOAは、しばしばノイズの多いハードウェアのアルゴリズムとして提示される。
ハードウェア制約は、キュービットの接続性に密接にマッチする問題インスタンスに適用性を制限する。
この研究は、ゲート忠実度、ゲート速度、必要な多数のショットなど、QAOAの競争力を高めるために改善すべきいくつかの障害を強調している。
論文 参考訳(メタデータ) (2022-02-07T19:02:21Z) - Multi-round QAOA and advanced mixers on a trapped-ion quantum computer [0.0]
グラフ上の組合せ最適化問題は、科学と工学に幅広い応用がある。
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、変分回路の複数ラウンドを適用して量子コンピュータ上でこれらの問題を解く方法である。
本稿では,いくつかの任意のグラフ上の複数の問題に対するラウンド数によってQAOAが向上するトラップイオン量子コンピュータを実演する。
論文 参考訳(メタデータ) (2022-01-28T18:57:14Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - Efficient Classical Computation of Quantum Mean Values for Shallow QAOA
Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。
我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文 参考訳(メタデータ) (2021-12-21T12:41:31Z)
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。