論文の概要: An adaptive quantum approximate optimization algorithm for solving
combinatorial problems on a quantum computer
- arxiv url: http://arxiv.org/abs/2005.10258v3
- Date: Thu, 7 Jul 2022 20:23:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 05:40:38.400230
- Title: An adaptive quantum approximate optimization algorithm for solving
combinatorial problems on a quantum computer
- Title（参考訳）: 量子コンピュータ上での組合せ問題を解くための適応量子近似最適化アルゴリズム
- Authors: Linghua Zhu, Ho Lun Tang, George S. Barron, F. A. Calderon-Vargas,
Nicholas J. Mayhall, Edwin Barnes, Sophia E. Economou
- Abstract要約: 量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くハイブリッド変分量子古典アルゴリズムである。
我々は,QAOAの反復バージョンを開発し,特定のハードウェア制約に適応することができる。
アルゴリズムをMax-Cutグラフのクラス上でシミュレートし、標準QAOAよりもはるかに高速に収束することを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quantum approximate optimization algorithm (QAOA) is a hybrid variational
quantum-classical algorithm that solves combinatorial optimization problems.
While there is evidence suggesting that the fixed form of the standard QAOA
ansatz is not optimal, there is no systematic approach for finding better
ans\"atze. We address this problem by developing an iterative version of QAOA
that is problem-tailored, and which can also be adapted to specific hardware
constraints. We simulate the algorithm on a class of Max-Cut graph problems and
show that it converges much faster than the standard QAOA, while simultaneously
reducing the required number of CNOT gates and optimization parameters. We
provide evidence that this speedup is connected to the concept of shortcuts to
adiabaticity.
- Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)は、組合せ最適化問題を解くハイブリッド変分量子古典アルゴリズムである。
標準 qaoa ansatz の固定形式が最適でないことを示す証拠はあるが、より良い ans\"atze を見つけるための体系的なアプローチは存在しない。
この問題に対して,特定のハードウェア制約に適応可能なQAOAの反復バージョンを開発することで,この問題に対処する。
アルゴリズムをMax-Cutグラフのクラスでシミュレートし、標準QAOAよりもはるかに高速に収束し、同時にCNOTゲートと最適化パラメータの要求数を削減した。
このスピードアップがショートカットと断熱の概念に結びついている証拠を提供する。
関連論文リスト
- Classical optimization with imaginary time block encoding on quantum computers: The MaxCut problem [2.4968861883180447]
対角ハミルトニアンの基底状態解を見つけることは、金融、物理学、計算機科学など多くの分野に関心を持つ理論的および実践的な問題の両方に関係している。
ここでは、新しいブロック符号化方式を用いて、これらの問題の基底状態を取得し、この手法をMaxCutに例証として応用する。
論文 参考訳（メタデータ） (2024-11-16T08:17:36Z) - How Much Entanglement Do Quantum Optimization Algorithms Require? [0.0]
ADAPT-QAOA施行時に発生する絡みについて検討した。
この柔軟性を漸進的に制限することにより、初期におけるより多くの絡み合いエントロピーが、後段におけるより速い収束と一致していることが分かる。
論文 参考訳（メタデータ） (2022-05-24T18:00:02Z) - 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$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$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$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - Digitized-counterdiabatic quantum approximate optimization algorithm [3.0638256603183054]
そこで本研究では, 短絡を用いて拡張したQAOAのディジタル化バージョンを提案する。
我々は,Isingモデル,古典最適化問題,P-スピンモデルにディジタルカウンセバティックQAOAを適用し,すべての場合において標準QAOAより優れていることを示す。
論文 参考訳（メタデータ） (2021-07-06T17:57:32Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳（メタデータ） (2021-05-14T11:31:14Z) - Improving the Quantum Approximate Optimization Algorithm with
postselection [0.0]
組合せ最適化は、短期的およびフォールトトレラントな量子コンピュータに想定される主な応用の1つである。
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は3つの正則グラフ上のMaxCut問題に適用される。
理論上界と下界を導いており、満たされた辺の分数の一定(小さい)増加が実際に達成可能であることを示す。
論文 参考訳（メタデータ） (2020-11-10T22:17:50Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$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) - 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)
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。