論文の概要: Using models to improve optimizers for variational quantum algorithms
- arxiv url: http://arxiv.org/abs/2005.11011v2
- Date: Tue, 11 Aug 2020 18:28:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 01:43:06.780938
- Title: Using models to improve optimizers for variational quantum algorithms
- Title（参考訳）: モデルを使って変分量子アルゴリズムの最適化を改善する
- Authors: Kevin J. Sung, Jiahao Yao, Matthew P. Harrigan, Nicholas C. Rubin,
Zhang Jiang, Lin Lin, Ryan Babbush, Jarrod R. McClean
- Abstract要約: 変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの初期応用の第一候補である。
これらのアルゴリズムは、パラメータ化量子回路の機能を最小化する古典的な最適化外ループに依存している。
本稿では,2つの最適化手法を導入し,その性能を今日の一般的な手法と数値的に比較する。
- 参考スコア（独自算出の注目度）: 1.7475326826331605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational quantum algorithms are a leading candidate for early applications
on noisy intermediate-scale quantum computers. These algorithms depend on a
classical optimization outer-loop that minimizes some function of a
parameterized quantum circuit. In practice, finite sampling error and gate
errors make this a stochastic optimization with unique challenges that must be
addressed at the level of the optimizer. The sharp trade-off between precision
and sampling time in conjunction with experimental constraints necessitates the
development of new optimization strategies to minimize overall wall clock time
in this setting. In this work, we introduce two optimization methods and
numerically compare their performance with common methods in use today. The
methods are surrogate model-based algorithms designed to improve reuse of
collected data. They do so by utilizing a least-squares quadratic fit of
sampled function values within a moving trusted region to estimate the gradient
or a policy gradient. To make fair comparisons between optimization methods, we
develop experimentally relevant cost models designed to balance efficiency in
testing and accuracy with respect to cloud quantum computing systems. The
results here underscore the need to both use relevant cost models and optimize
hyperparameters of existing optimization methods for competitive performance.
The methods introduced here have several practical advantages in realistic
experimental settings, and we have used one of them successfully in a
separately published experiment on Google's Sycamore device.
- Abstract（参考訳）: 変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの初期応用の第一候補である。
これらのアルゴリズムは、パラメータ化された量子回路の関数を最小化する古典的な最適化アウターループに依存する。
実際には、有限サンプリング誤差とゲート誤差は、最適化器のレベルで対処しなければならない固有の課題を伴う確率的最適化である。
精度とサンプリング時間の間の鋭いトレードオフと実験的な制約は、この設定における壁時計時間全体の最小化のための新しい最適化戦略の開発を必要とする。
本研究では,2つの最適化手法を導入し,その性能を現在の一般的な手法と比較する。
これらの手法は、収集データの再利用を改善するために設計されたモデルベースのアルゴリズムを代用する。
それらは、移動信頼領域内のサンプル関数値の最小二乗整合を利用して、勾配または政策勾配を推定する。
最適化手法を公平に比較するために,クラウド量子コンピューティングシステムに対するテスト効率と精度のバランスをとるための実験的なコストモデルを開発した。
この結果は、関連するコストモデルの使用の必要性と、既存の最適化手法のハイパーパラメーターを競合性能のために最適化することの両方を強調している。
ここで導入された手法は、現実的な実験環境でいくつかの実用的な利点があり、そのうちの1つをGoogleのSycamoreデバイスで別々に発表された実験でうまく利用しました。
関連論文リスト
- Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。
本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。
合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
論文 参考訳（メタデータ） (2024-11-07T17:05:31Z) - Model Uncertainty in Evolutionary Optimization and Bayesian Optimization: A Comparative Analysis [5.6787965501364335]
ブラックボックス最適化問題は、多くの現実世界のアプリケーションで一般的な問題である。
これらの問題はインプット・アウトプット・インタラクションを通じて内部動作へのアクセスなしに最適化する必要がある。
このような問題に対処するために2つの広く使われている勾配のない最適化手法が用いられている。
本稿では,2つの手法間のモデル不確実性の類似点と相違点を明らかにすることを目的とする。
論文 参考訳（メタデータ） (2024-03-21T13:59:19Z) - Variational quantum algorithm for enhanced continuous variable optical
phase sensing [0.0]
変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。
本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
論文 参考訳（メタデータ） (2023-12-21T14:11:05Z) - Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳（メタデータ） (2023-10-14T02:13:26Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Surrogate-based optimization for variational quantum algorithms [0.0]
変分量子アルゴリズム(英: Variational quantum algorithm)は、短期量子コンピュータで使用される技術の一種である。
実験的な測定をほとんど行わない変分回路のサロゲートモデルの学習について紹介する。
次に、元のデータとは対照的に、これらのモデルを用いてパラメータ最適化を行う。
論文 参考訳（メタデータ） (2022-04-12T00:15:17Z) - Performance comparison of optimization methods on variational quantum
algorithms [2.690135599539986]
変分量子アルゴリズム(VQA)は、学術・工業研究への応用に短期的な量子ハードウェアを使用するための有望な道を提供する。
SLSQP, COBYLA, CMA-ES, SPSAの4つの最適化手法の性能について検討した。
論文 参考訳（メタデータ） (2021-11-26T12:13:20Z) - Particle Swarm Optimization: Fundamental Study and its Application to
Optimization and to Jetty Scheduling Problems [0.0]
従来の手法に関する進化的アルゴリズムの利点は、文献で大いに議論されている。
粒子群はそのような利点を共有しているが、計算コストの低減と実装の容易さが要求されるため、進化的アルゴリズムよりも優れている。
本論文は, それらのチューニングについて検討するものではなく, 従来の研究から汎用的な設定を抽出し, 様々な問題を最適化するために, 事実上同じアルゴリズムを用いている。
論文 参考訳（メタデータ） (2021-01-25T02:06:30Z) - Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。
本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。
本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-04T00:26:56Z) - 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) - 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。