論文の概要: Quantum Gradient Algorithm for General Polynomials

• arxiv url: http://arxiv.org/abs/2004.11086v1
• Date: Thu, 23 Apr 2020 11:28:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 08:30:08.159183
• Title: Quantum Gradient Algorithm for General Polynomials
• Title（参考訳）: 一般多項式の量子勾配アルゴリズム
• Authors: Keren Li, Pan Gao, Shijie Wei, Jiancun Gao, Guilu Long
• Abstract要約: 問題を最適化するための一般的な戦略であるグラディエントベースのアルゴリズムは、多くの現代の機械学習技術にとって不可欠である。 着飾った振幅で数値を最適化する量子勾配アルゴリズムを提案する。 高次元最適化におけるポテンシャル値について、この量子アルゴリズムは勾配最適化を容易にする。
• 参考スコア（独自算出の注目度）: 5.008814514502094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gradient-based algorithms, popular strategies to optimization problems, are essential for many modern machine-learning techniques. Theoretically, extreme points of certain cost functions can be found iteratively along the directions of the gradient. The time required to calculating the gradient of $d$-dimensional problems is at a level of $\mathcal{O}(poly(d))$, which could be boosted by quantum techniques, benefiting the high-dimensional data processing, especially the modern machine-learning engineering with the number of optimized parameters being in billions. Here, we propose a quantum gradient algorithm for optimizing general polynomials with the dressed amplitude encoding, aiming at solving fast-convergence polynomials problems within both time and memory consumption in $\mathcal{O}(poly (\log{d}))$. Furthermore, numerical simulations are carried out to inspect the performance of this protocol by considering the noises or perturbations from initialization, operation and truncation. For the potential values in high-dimension optimizations, this quantum gradient algorithm is supposed to facilitate the polynomial-optimizations, being a subroutine for future practical quantum computer.
• Abstract（参考訳）: 勾配に基づくアルゴリズムは、最適化問題に対する一般的な戦略であり、現代の多くの機械学習技術にとって不可欠である。 理論的には、特定のコスト関数の極点が勾配の方向に沿って反復的に見つかる。 d$次元の問題の勾配を計算するのに要する時間は$\mathcal{o}(poly(d))$のレベルであり、これは量子技術によって加速され、高次元データ処理、特に最適化されたパラメータの数を数十億という現代の機械学習工学の恩恵を受ける。 本稿では, 時間とメモリ消費の両面での高速収束多項式問題を$\mathcal{O}(poly (\log{d}))$で解くことを目的とした, 服用振幅符号化を用いた一般多項式の最適化のための量子勾配アルゴリズムを提案する。 さらに,初期化,動作,停止のノイズや摂動を考慮した数値シミュレーションを行い,本プロトコルの性能を検証した。 高次元最適化の潜在的な値に対して、この量子勾配アルゴリズムは多項式最適化を促進し、将来の実用的な量子コンピュータのサブルーチンとなる。

関連論文リスト

• Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching [53.91395791840179]
  我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。 USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
  論文  参考訳（メタデータ） (2023-12-19T02:27:22Z)
• Pure Quantum Gradient Descent Algorithm and Full Quantum Variational Eigensolver [0.7149735232319818]
  勾配勾配勾配勾配法は広く採用されている最適化法である。 単一オラクル計算のみを必要とする新しい量子ベース勾配計算法を提案する。 我々は量子勾配降下法をうまく実装し、変分量子固有解法(VQE)に適用した。
  論文  参考訳（メタデータ） (2023-05-07T05:52:41Z)
• Stochastic optimization algorithms for quantum applications [0.0]
  本稿では、一階法、二階法、量子自然勾配最適化法の使用法を概観し、複素数体で定義される新しいアルゴリズムを提案する。 全ての手法の性能は、変分量子固有解法、量子状態の量子制御、および量子状態推定に応用して評価される。
  論文  参考訳（メタデータ） (2022-03-11T16:17:05Z)
• Progress towards analytically optimal angles in quantum approximate optimisation [0.0]
  量子近似最適化アルゴリズム(Quantum Approximate optimization algorithm)は、量子プロセッサ上で実行される時間可変分割演算子である。 p=1$層の最適パラメータが1自由変数に減少し、熱力学の極限で最適角度を回復することが証明された。 さらに、重なり関数の勾配の消失条件は、回路パラメータ間の線形関係を導出し、キュービット数に依存しない類似の形式を持つことを示した。
  論文  参考訳（メタデータ） (2021-09-23T18:00:13Z)
• Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
  本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2021-08-18T09:26:17Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
  時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。 一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。 幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
  論文  参考訳（メタデータ） (2021-04-01T19:06:00Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Quantum speedups of some general-purpose numerical optimisation algorithms [0.03078691410268859]
  リプシッツ制約の下での大域的最適化のための多くの手法は、ほぼ四分法的に加速できることを示す。 第2に、準ニュートン最適化アルゴリズムの成分であるバックトラックライン探索を2次に高速化できることを示す。 第三に、Nelder-Meadアルゴリズムの成分は最大$O(sqrtn)$の乗算係数で加速できることを示す。
  論文  参考訳（メタデータ） (2020-04-14T14:04:47Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)
• Efficient phase-factor evaluation in quantum signal processing [1.3614427997190908]
  量子信号処理(QSP)は、量子コンピュータに行列を正確に実装する強力な量子アルゴリズムである。 現在、QSP回路構築に必要な位相係数を計算できる古典的安定なアルゴリズムは存在しない。 本稿では、標準的な倍精度演算を用いて位相係数を正確に計算できる最適化に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-26T17:23:55Z)

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。