Fugu-MT 論文翻訳(概要): Natural evolution strategies and variational Monte Carlo

論文の概要: Natural evolution strategies and variational Monte Carlo

arxiv url: http://arxiv.org/abs/2005.04447v2
Date: Fri, 20 Nov 2020 16:45:10 GMT
ステータス: 処理完了
システム内更新日: 2022-12-05 07:15:53.085788
Title: Natural evolution strategies and variational Monte Carlo
Title（参考訳）: 自然進化戦略と変分モンテカルロ
Authors: Tianchen Zhao, Giuseppe Carleo, James Stokes, Shravan Veerapaneni
Abstract要約: 量子自然進化戦略の概念を導入し、既知の量子/古典的なブラックボックス最適化戦略を提供する。自然進化戦略は、計算時間の増加を犠牲にして、Max-Cutの広く使われているアルゴリズムと競合する近似比を達成できることが判明した。
参考スコア（独自算出の注目度）: 4.985657496524055
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A notion of quantum natural evolution strategies is introduced, which provides a geometric synthesis of a number of known quantum/classical algorithms for performing classical black-box optimization. Recent work of Gomes et al. [2019] on heuristic combinatorial optimization using neural quantum states is pedagogically reviewed in this context, emphasizing the connection with natural evolution strategies. The algorithmic framework is illustrated for approximate combinatorial optimization problems, and a systematic strategy is found for improving the approximation ratios. In particular it is found that natural evolution strategies can achieve approximation ratios competitive with widely used heuristic algorithms for Max-Cut, at the expense of increased computation time.
Abstract（参考訳）: 量子自然進化戦略の概念を導入し、古典的なブラックボックス最適化を行うための既知の量子/古典的アルゴリズムを幾何的に合成する。 Gomesらによる最近の作品。 2019] ニューラル量子状態を用いたヒューリスティックコンビネータの最適化について,この文脈で教育的に検討し,自然進化戦略との関連を強調する。近似組合せ最適化問題に対してアルゴリズムの枠組みを図示し,近似比を改善するための体系的戦略を見出した。特に自然進化戦略は、計算時間の増加を犠牲にして、Max-Cutの広く使われているヒューリスティックアルゴリズムと競合する近似比を達成することができる。

関連論文リスト

A coherent approach to quantum-classical optimization [0.0]
ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
論文参考訳（メタデータ） (2024-09-20T22:22:53Z)
Strategies for optimizing double-bracket quantum algorithms [0.050257374758179374]
ダブルブラケット進化の選択を最適化するための戦略を提案する。また,CNOTやシングルキュービット回転ゲートに直接コンパイル可能な対角展開パラメトリゼーションも提案する。
論文参考訳（メタデータ） (2024-08-14T10:07:54Z)
An Invariant Information Geometric Method for High-Dimensional Online Optimization [9.538618632613714]
本稿では,対応するフレームワークから派生した,完全な不変性指向進化戦略アルゴリズムを提案する。ベイズ最適化と進化戦略における主要なアルゴリズムに対してSynCMAをベンチマークする。あらゆるシナリオにおいて、SynCMAはサンプル効率において他のアルゴリズムよりも優れた能力を示す。
論文参考訳（メタデータ） (2024-01-03T07:06:26Z)
Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文参考訳（メタデータ） (2022-10-23T22:21:10Z)
Runtime Analysis of Competitive co-Evolutionary Algorithms for Maximin Optimisation of a Bilinear Function [1.3053649021965603]
共進化的アルゴリズムには、ハードウェア設計、ボードゲーム戦略の進化、ソフトウェアバグのパッチなど、幅広い応用がある。共進化的アルゴリズムが解を効率的にかつ確実に見つけることを予測できる理論を開発することは、オープンな挑戦である。本稿では,人口ベース競争共進化型アルゴリズムのランタイム解析開発における第一歩について述べる。
論文参考訳（メタデータ） (2022-06-30T12:35:36Z)
Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
論文参考訳（メタデータ） (2022-05-03T07:54:56Z)
Markov Chain Monte-Carlo Enhanced Variational Quantum Algorithms [0.0]
本稿では,モンテカルロ法を用いて解析的境界を時間複雑度に設定する変動量子アルゴリズムを提案する。提案手法の有効性と,MaxCutインスタンスの量子回路シミュレーションによる解析の有効性を実証する。
論文参考訳（メタデータ） (2021-12-03T23:03:44Z)
Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
論文参考訳（メタデータ） (2021-06-09T08:05:36Z)
A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文参考訳（メタデータ） (2020-06-23T01:34:18Z)
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)
Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。