論文の概要: Operator Sampling for Shot-frugal Optimization in Variational Algorithms
- arxiv url: http://arxiv.org/abs/2004.06252v1
- Date: Tue, 14 Apr 2020 01:00:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 08:58:49.164487
- Title: Operator Sampling for Shot-frugal Optimization in Variational Algorithms
- Title(参考訳): 変分アルゴリズムにおけるショットフルーガル最適化のための演算子サンプリング
- Authors: Andrew Arrasmith, Lukasz Cincio, Rolando D. Somma, Patrick J. Coles
- Abstract要約: 本稿では,H = sum_i c_i h_i$ からランダムサンプリング演算子 $h_i$ を用いて測定回数(ショット)を減らす方法を提案する。
我々は、量子ハードウェアノイズを伴わずに、分子H$、LiH、BeH$の基底状態を見つけるために、これや他のサンプリングを実装し、ほとんどの場合、ロザリンは他のサンプリングよりも優れている。
- 参考スコア(独自算出の注目度): 0.860968116787044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum chemistry is a near-term application for quantum computers. This
application may be facilitated by variational quantum-classical algorithms
(VQCAs), although a concern for VQCAs is the large number of measurements
needed for convergence, especially for chemical accuracy. Here we introduce a
strategy for reducing the number of measurements (i.e., shots) by randomly
sampling operators $h_i$ from the overall Hamiltonian $H = \sum_i c_i h_i$. In
particular, we employ weighted sampling, which is important when the $c_i$'s
are highly non-uniform, as is typical in chemistry. We integrate this strategy
with an adaptive optimizer developed recently by our group to construct an
improved optimizer called Rosalin (Random Operator Sampling for Adaptive
Learning with Individual Number of shots). Rosalin implements stochastic
gradient descent while adapting the shot noise for each partial derivative and
randomly assigning the shots amongst the $h_i$ according to a weighted
distribution. We implement this and other optimizers to find the ground states
of molecules H$_2$, LiH, and BeH$_2$, without and with quantum hardware noise,
and Rosalin outperforms other optimizers in most cases.
- Abstract(参考訳): 量子化学は、量子コンピュータの短期的応用である。
この応用は変分量子古典アルゴリズム(VQCA)によって促進されるが、VQCAに対する懸念は、特に化学的精度において収束に必要な多くの測定値である。
ここでは、ハミルトニアン $H = \sum_i c_i h_i$ からランダムサンプリング演算子 $h_i$ を用いて、測定回数(ショット)を減らす戦略を導入する。
特に重み付きサンプリングは、化学の典型的なように、$c_i$'sが非常に一様でない場合に重要である。
この戦略を,我々のグループが開発した適応オプティマイザと統合し,ロザリン (Random Operator Sampling for Adaptive Learning with Individual Numbers) と呼ばれる改良されたオプティマイザを構築する。
ロザリンは、偏微分ごとにショットノイズを適応させ、重み付き分布に応じて$h_i$にランダムにショットを割り当てながら確率勾配降下を行う。
量子ハードウェアノイズのない分子h$_2$, lih, beh$_2$の基底状態を見つけるために、これと他の最適化器を実装し、ロザリンはほとんどの場合、他の最適化器よりも優れています。
関連論文リスト
- A Multilevel Approach For Solving Large-Scale QUBO Problems With Noisy Hybrid Quantum Approximate Optimization [3.3493770627144004]
既存の量子処理ユニット(QPU)がマルチレベル戦略においてサブソルバとしてどのように機能するかを実験的に検証する。
完全連結な 82$-qubit Sherrington-Kirkpatrick グラフに対して 10$ の近似解を求める。
量子最適化の結果は古典学と比較して解の質に関して競争力がある。
論文 参考訳(メタデータ) (2024-08-14T20:06:32Z) - Semi-Discrete Optimal Transport: Nearly Minimax Estimation With Stochastic Gradient Descent and Adaptive Entropic Regularization [38.67914746910537]
我々は,ラゲールセル推定と密度支持推定の類似性を用いて,OTマップに対して$mathcalO(t-1)$の低いバウンダリレートを証明した。
所望の速さをほぼ達成するために,サンプル数に応じて減少するエントロピー正規化スキームを設計する。
論文 参考訳(メタデータ) (2024-05-23T11:46:03Z) - Multi-block-Single-probe Variance Reduced Estimator for Coupled
Compositional Optimization [49.58290066287418]
構成問題の複雑さを軽減するために,MSVR (Multi-block-probe Variance Reduced) という新しい手法を提案する。
本研究の結果は, 試料の複雑さの順序や強靭性への依存など, 様々な面で先行して改善された。
論文 参考訳(メタデータ) (2022-07-18T12:03:26Z) - Improved Convergence Rate of Stochastic Gradient Langevin Dynamics with
Variance Reduction and its Application to Optimization [50.83356836818667]
勾配ランゲヴィン・ダイナミクスは非エプス最適化問題を解くための最も基本的なアルゴリズムの1つである。
本稿では、このタイプの2つの変種、すなわち、分散還元ランジュバンダイナミクスと再帰勾配ランジュバンダイナミクスを示す。
論文 参考訳(メタデータ) (2022-03-30T11:39:00Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳(メタデータ) (2022-03-01T19:47:16Z) - Quantum Algorithms for Reinforcement Learning with a Generative Model [16.168901236223117]
強化学習は、エージェントがその累積報酬を最大化するために環境とどのように相互作用するかを研究する。
最適ポリシー(pi*$)、最適値関数(v*$)、最適値関数(q*$)を近似する量子アルゴリズムを設計する。
一致する量子下界を証明して、q*$を計算するための量子アルゴリズムが最適であることを示す。
論文 参考訳(メタデータ) (2021-12-15T19:51:49Z) - Adaptive shot allocation for fast convergence in variational quantum
algorithms [0.0]
本稿では,gCANS法 (Global Coupled Adaptive Number of Shots) と呼ばれる,各ステップに適応するショット数を用いた勾配降下法を提案する。
これらの改善により、現在のクラウドプラットフォーム上でVQAを実行するのに必要な時間と費用が削減される。
論文 参考訳(メタデータ) (2021-08-23T22:29:44Z) - Reducing the Variance of Gaussian Process Hyperparameter Optimization
with Preconditioning [54.01682318834995]
プレコンディショニングは、行列ベクトル乗算を含む反復的な方法にとって非常に効果的なステップである。
プレコンディショニングには、これまで検討されていなかった付加的なメリットがあることを実証する。
基本的に無視可能なコストで、同時に分散を低減することができる。
論文 参考訳(メタデータ) (2021-07-01T06:43:11Z) - Adaptive Random Quantum Eigensolver [0.0]
本稿では,乱数生成器の確率密度関数のパラメータ化と最適化を行う一般手法を提案する。
私たちの最適化は、学習速度と学習精度の2つのメリットに基づいています。
論文 参考訳(メタデータ) (2021-06-28T12:01:05Z) - APQ: Joint Search for Network Architecture, Pruning and Quantization
Policy [49.3037538647714]
本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。
ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。
同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
論文 参考訳(メタデータ) (2020-06-15T16:09:17Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳(メタデータ) (2020-06-11T17:43:19Z)
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。