論文の概要: The Quantum Approximate Optimization Algorithm Needs to See the Whole
Graph: Worst Case Examples
- arxiv url: http://arxiv.org/abs/2005.08747v1
- Date: Mon, 18 May 2020 14:23:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 11:12:51.233468
- Title: The Quantum Approximate Optimization Algorithm Needs to See the Whole
Graph: Worst Case Examples
- Title(参考訳): 量子近似最適化アルゴリズムは全体グラフを見る必要がある:最悪の例
- Authors: Edward Farhi, David Gamarnik, Sam Gutmann
- Abstract要約: 量子近似最適化アルゴリズムは、エッジに対応する項の和であるコスト関数を持つグラフ上の探索問題に適用することができる。
我々は、$(d-1)2p nA$ の QAOA が任意の$A1$ に対して、d 大のランダムな d-正規グラフ上の Max-Cut に対して 1/2 の近似比しか達成できないことを示す。
- 参考スコア(独自算出の注目度): 6.810856082577402
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Quantum Approximate Optimization Algorithm can be applied to search
problems on graphs with a cost function that is a sum of terms corresponding to
the edges. When conjugating an edge term, the QAOA unitary at depth p produces
an operator that depends only on the subgraph consisting of edges that are at
most p away from the edge in question. On random d-regular graphs, with d fixed
and with p a small constant time log n, these neighborhoods are almost all
trees and so the performance of the QAOA is determined only by how it acts on
an edge in the middle of tree. Both bipartite random d-regular graphs and
general random d-regular graphs locally are trees so the QAOA's performance is
the same on these two ensembles. Using this we can show that the QAOA with
$(d-1)^{2p} < n^A$ for any $A<1$, can only achieve an approximation ratio of
1/2 for Max-Cut on bipartite random d-regular graphs for d large. For Maximum
Independent Set, in the same setting, the best approximation ratio is a
d-dependent constant that goes to 0 as d gets big.
- Abstract(参考訳): 量子近似最適化アルゴリズムは、エッジに対応する項の和であるコスト関数を持つグラフ上の探索問題に適用することができる。
エッジ項を共役する場合、深さ p の単位体 QAOA は、問題のあるエッジから少なくとも p 離れたエッジからなる部分グラフのみに依存する作用素を生成する。
ランダムな d-正則グラフでは、d が固定され、p が小さな定数時間対 n で、これらの近傍はほとんどすべての木であり、QAOA のパフォーマンスは木の中央の端にどのように作用するかによって決定される。
2部ランダムd-正則グラフと一般ランダムd-正則グラフの両方が局所木であるため、QAOAのパフォーマンスはこれらの2つのアンサンブルで同じである。
これを用いて、$(d-1)^{2p} < n^A$ の QAOA が任意の$A<1$ に対して、d大の二部ランダムなd-正則グラフ上の Max-Cut に対して 1/2 の近似比しか達成できないことを示す。
最大独立集合に対して、同じ設定において、最良の近似比は d が大きくなると 0 になる d-依存定数である。
関連論文リスト
- Graph decomposition techniques for solving combinatorial optimization
problems with variational quantum algorithms [1.2622634782102324]
我々はQAOA入力問題グラフをより小さな問題に分解するアルゴリズムを開発し、削減グラフ上でQAOAを用いてMaxCutを解く。
量子量子コンピュータH1-1上で1層QAOA回路を動作させることにより、10個の100頂点グラフに対する最適解を測定することができる。
論文 参考訳(メタデータ) (2023-06-01T09:44:17Z) - Random graph matching at Otter's threshold via counting chandeliers [16.512416293014493]
そこで本研究では,各木に根付いた重み付き木を数えることで構築した類似度スコアに基づく,グラフマッチングの効率的なアルゴリズムを提案する。
これは、明示的な一定の相関で成功し、スパースグラフと密度グラフの両方に適用する最初のグラフマッチングアルゴリズムである。
論文 参考訳(メタデータ) (2022-09-25T20:00:28Z) - Optimal and instance-dependent guarantees for Markovian linear
stochastic approximation [77.84027086542827]
標準スキームの最後の繰り返しの2乗誤差に対して、$t_mathrmmix tfracdn$の非漸近境界を示す。
マルコフ雑音による政策評価について,これらの結果のまとめを導出する。
論文 参考訳(メタデータ) (2021-12-23T18:47:50Z) - Solving correlation clustering with QAOA and a Rydberg qudit system: a
full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。
具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。
ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文 参考訳(メタデータ) (2021-06-22T11:07:38Z) - Approximating the Log-Partition Function [16.59989033959959]
基礎となるグラフ構造の性質を通じて近似比を定量化する手法を提案する。
グラフの有効抵抗を最小に抑えた平方根の逆に等しい近似比を実現するニアリニアタイム変量を提供する。
論文 参考訳(メタデータ) (2021-02-19T22:57:32Z) - Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。
任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
論文 参考訳(メタデータ) (2020-11-26T18:22:21Z) - Optimal Low-Degree Hardness of Maximum Independent Set [93.59919600451487]
スパースな ErdHos-R'enyi ランダムグラフにおいて,大きな独立集合を求めるアルゴリズム的タスクについて検討する。
低次アルゴリズムのクラスは、半最適サイズの独立した集合を見つけることができるが、それ以上は見つからないことを示す。
論文 参考訳(メタデータ) (2020-10-13T17:26:09Z) - Hybrid Stochastic-Deterministic Minibatch Proximal Gradient:
Less-Than-Single-Pass Optimization with Nearly Optimal Generalization [83.80460802169999]
HSDMPGは、学習モデル上で過大なエラーの順序である$mathcalObig(1/sttnbig)$を達成可能であることを示す。
損失係数について、HSDMPGは学習モデル上で過大なエラーの順序である$mathcalObig(1/sttnbig)$を達成できることを示す。
論文 参考訳(メタデータ) (2020-09-18T02:18:44Z) - ROOT-SGD: Sharp Nonasymptotics and Asymptotic Efficiency in a Single
Algorithm [77.71051081132912]
第一次アルゴリズムを用いて,厳密な凸と滑らかな非制約最適化問題の解法について検討する。
emphRecursive One-Over-T Root (ROOTSGD) と呼ばれる小説を考案する。
有限サンプル勾配, 漸近感覚, 感覚を同時に達成することを証明する。
論文 参考訳(メタデータ) (2020-08-28T14:46:56Z) - Testing correlation of unlabeled random graphs [18.08210501570919]
ラベルなしノードを持つ2つのランダムグラフ間のエッジ相関を検出する問題について検討する。
これは仮説テスト問題として定式化され、ヌル仮説の下では、2つのグラフは独立に生成される。
代替として、2つのグラフは、ある潜在ノード対応の下ではエッジ関連であるが、ヌルと同じ辺分布を持つ。
論文 参考訳(メタデータ) (2020-08-23T19:19:45Z) - The Quantum Approximate Optimization Algorithm Needs to See the Whole
Graph: A Typical Case [6.810856082577402]
量子回路は、グラフの局所性を尊重するユニタリ作用素の p 個の応用を持つ。
我々は、d と n を大きく保った dn/2 エッジを持つランダムグラフにおいて、大きな独立集合を見つけることに集中する。
論文 参考訳(メタデータ) (2020-04-20T00:48:02Z)
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。