論文の概要: Estimating the gradient and higher-order derivatives on quantum hardware
- arxiv url: http://arxiv.org/abs/2008.06517v2
- Date: Fri, 26 Feb 2021 14:16:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 06:50:56.081685
- Title: Estimating the gradient and higher-order derivatives on quantum hardware
- Title(参考訳): 量子ハードウェア上の勾配および高次導関数の推定
- Authors: Andrea Mari, Thomas R. Bromley, Nathan Killoran
- Abstract要約: 簡単なパラメータシフト規則を用いて任意の階微分を解析的に評価する方法を示す。
また, 微分推定器の平均二乗誤差を調べた結果, 統計的雑音の影響についても検討した。
- 参考スコア(独自算出の注目度): 1.2891210250935146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For a large class of variational quantum circuits, we show how
arbitrary-order derivatives can be analytically evaluated in terms of simple
parameter-shift rules, i.e., by running the same circuit with different shifts
of the parameters. As particular cases, we obtain parameter-shift rules for the
Hessian of an expectation value and for the metric tensor of a variational
state, both of which can be efficiently used to analytically implement
second-order optimization algorithms on a quantum computer. We also consider
the impact of statistical noise by studying the mean squared error of different
derivative estimators. In the second part of this work, some of the theoretical
techniques for evaluating quantum derivatives are applied to their typical use
case: the implementation of quantum optimizers. We find that the performance of
different estimators and optimizers is intertwined with the values of different
hyperparameters, such as a step size or a number of shots. Our findings are
supported by several numerical and hardware experiments, including an
experimental estimation of the Hessian of a simple variational circuit and an
implementation of the Newton optimizer.
- Abstract(参考訳): 変分量子回路の広いクラスに対して,パラメータの異なるシフトで同じ回路を動作させることで,単純なパラメータシフト規則を用いて任意の次導関数を解析的に評価する方法を示す。
特に、期待値のヘッシアンと変分状態の計量テンソルのパラメータシフト規則を、量子コンピュータ上で二階最適化アルゴリズムを解析的に実装するために効率的に使用できる。
また,異なる微分推定器の平均二乗誤差を調べることにより,統計ノイズの影響を考察する。
この研究の第2部では、量子導関数を評価する理論的手法のいくつかが、典型的なユースケースである量子オプティマイザの実装に適用されている。
異なる推定器と最適化器の性能は、ステップサイズや複数のショットなど、異なるハイパーパラメータの値と連動していることがわかった。
本研究は,単純な変分回路のヘッシアンの実験的推定とニュートンオプティマイザの実装を含む,いくつかの数値およびハードウェア実験によって裏付けられている。
関連論文リスト
- Physical consequences of gauge optimization in quantum open systems evolutions [44.99833362998488]
我々は、ゲージ変換を自分自身で活用して、実用的な物理タスクを最適化できることを示します。
まず、量子マルコフ力学において基礎となる対称性の固有構造を記述する。
次に、量子熱力学における最適化の例を分析する。
論文 参考訳(メタデータ) (2024-07-02T18:22:11Z) - Boundary Treatment for Variational Quantum Simulations of Partial Differential Equations on Quantum Computers [1.6318838452579472]
本稿では偏微分方程式によって記述された初期境界値問題を解くための変分量子アルゴリズムを提案する。
このアプローチでは、現在のノイズの多い中間スケール量子時代の量子コンピュータに適した古典的/量子的ハードウェアを使用する。
論文 参考訳(メタデータ) (2024-02-28T18:19:33Z) - Variational quantum algorithm for experimental photonic multiparameter
estimation [0.0]
ノイズの多い環境で動作している量子位相センサを効率よく最適化するための変分手法を開発した。
集積フォトニックデバイスの高再構成性を利用して、我々はハイブリッド量子古典フィードバックループを実装した。
実験結果から, 推定精度と雑音の頑健性に関して, 大幅な改善が得られた。
論文 参考訳(メタデータ) (2023-08-04T18:01:14Z) - Optimized numerical gradient and Hessian estimation for variational
quantum algorithms [0.0]
チューナブルな数値推定器は回路量子ビット数に比例して指数関数的に減少する推定誤差を提供する。
パラメータシフト推定器は,任意の状況下での推定精度で標準の非スケール推定値を上回った。
論文 参考訳(メタデータ) (2022-06-25T12:58:44Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳(メタデータ) (2021-12-31T16:33:10Z) - Optimality of Finite-Support Parameter Shift Rules for Derivatives of
Variational Quantum Circuits [0.0]
変分(またはパラメータ化)量子回路は、実数パラメータを含む量子回路である。
シフト規則は統計推定器を介して分析微分を得る方法として注目されている。
標準偏差の最小化によるシフト則の探索が,2対の凸最適化問題の原因となることを示す。
論文 参考訳(メタデータ) (2021-12-29T17:36:44Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳(メタデータ) (2021-08-09T18:00:05Z) - Generalized quantum circuit differentiation rules [23.87373187143897]
量子機械学習に使用される変分量子アルゴリズムは、パラメータ化された量子回路を自動的に区別する能力に依存している。
本稿では、量子回路(ユニット)を任意の発生器と区別するためのルールを提案する。
論文 参考訳(メタデータ) (2021-08-03T00:29:45Z) - 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) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳(メタデータ) (2020-11-02T19:52:04Z) - 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)
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。