論文の概要: Low depth mechanisms for quantum optimization
- arxiv url: http://arxiv.org/abs/2008.08615v1
- Date: Wed, 19 Aug 2020 18:16:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 20:25:41.342093
- Title: Low depth mechanisms for quantum optimization
- Title(参考訳): 量子最適化のための低深さ機構
- Authors: Jarrod R. McClean, Matthew P. Harrigan, Masoud Mohseni, Nicholas C.
Rubin, Zhang Jiang, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush, Hartmut
Neven
- Abstract要約: 我々は、成功の物理的メカニズムとアルゴリズム改善の導出の失敗を理解するために、グラフ上の運動エネルギーに関連する言語とツールの開発に重点を置いている。
これは、波動関数の閉じ込め、位相ランダム化、理想解から遠く離れた目標に潜む影欠陥の影響と関係している。
- 参考スコア(独自算出の注目度): 0.25295633594332334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the major application areas of interest for both near-term and
fault-tolerant quantum computers is the optimization of classical objective
functions. In this work, we develop intuitive constructions for a large class
of these algorithms based on connections to simple dynamics of quantum systems,
quantum walks, and classical continuous relaxations. We focus on developing a
language and tools connected with kinetic energy on a graph for understanding
the physical mechanisms of success and failure to guide algorithmic
improvement. This physical language, in combination with uniqueness results
related to unitarity, allow us to identify some potential pitfalls from kinetic
energy fundamentally opposing the goal of optimization. This is connected to
effects from wavefunction confinement, phase randomization, and shadow defects
lurking in the objective far away from the ideal solution. As an example, we
explore the surprising deficiency of many quantum methods in solving uncoupled
spin problems and how this is both predictive of performance on some more
complex systems while immediately suggesting simple resolutions. Further
examination of canonical problems like the Hamming ramp or bush of implications
show that entanglement can be strictly detrimental to performance results from
the underlying mechanism of solution in approaches like QAOA. Kinetic energy
and graph Laplacian perspectives provide new insights to common initialization
and optimal solutions in QAOA as well as new methods for more effective
layerwise training. Connections to classical methods of continuous extensions,
homotopy methods, and iterated rounding suggest new directions for research in
quantum optimization. Throughout, we unveil many pitfalls and mechanisms in
quantum optimization using a physical perspective, which aim to spur the
development of novel quantum optimization algorithms and refinements.
- Abstract(参考訳): 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の主要な応用分野の1つは、古典的目的関数の最適化である。
本研究では,量子システムの単純なダイナミクス,量子ウォーク,古典的連続緩和とのつながりに基づいて,これらのアルゴリズムの大規模クラスに対する直感的な構成法を開発した。
我々は、成功の物理的メカニズムとアルゴリズム改善の導出の失敗を理解するために、グラフ上の運動エネルギーに関連する言語とツールの開発に注力する。
この物理的言語とユニタリティに関連する一意性の結果を組み合わせることで、最適化の目標に基本的に反対する運動エネルギーから潜在的な落とし穴を特定できる。
これは波動関数の閉じ込め、位相ランダム化、理想解から遠く離れた目標に潜む影欠陥の影響と関係している。
一例として、未結合のスピン問題の解法における多くの量子メソッドの驚くべき欠如と、これがより複雑なシステムの性能の予測でありながら、即座に単純な解法を提案する方法を探る。
hamming ramp や bush of impact のような正準問題に対するさらなる検討は、qaoa のようなアプローチにおける解の根底にあるメカニズムから、エンタングルメントがパフォーマンスに厳密に有害であることを示している。
運動エネルギーとグラフラプラシアの視点は、QAOAにおける共通の初期化と最適解に対する新しい洞察と、より効果的なレイヤーワイドトレーニングのための新しい方法を提供する。
古典的拡張法、ホモトピー法、繰り返し丸め法への接続は、量子最適化の研究の新しい方向性を示唆する。
全体を通して、新しい量子最適化アルゴリズムの開発を促進することを目的として、物理視点を用いた量子最適化における多くの落とし穴とメカニズムを披露する。
関連論文リスト
- Graph Learning for Parameter Prediction of Quantum Approximate
Optimization Algorithm [14.554010382366302]
量子近似最適化(Quantum Approximate Optimization, QAOA)は、Max-Cutの問題を効率的に解く可能性において際立っている。
我々は,GNNをウォームスタート手法として,グラフニューラルネットワーク(GNN)を用いてQAOAを最適化する。
以上の結果から,量子コンピューティングにおけるGNNのQAOA性能向上の可能性が示唆され,量子古典的ハイブリッドコンピューティングへの新たな道が開かれた。
論文 参考訳(メタデータ) (2024-03-05T20:23:25Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳(メタデータ) (2023-09-11T18:00:00Z) - Physics-Informed Neural Networks for an optimal counterdiabatic quantum
computation [32.73124984242397]
我々は,N_Q$量子ビットを持つ系からなる量子回路の最適化において,物理インフォームドニューラルネットワーク(PINN)の強度を活用して,逆ダイアバティック(CD)プロトコルに対処する新しい手法を提案する。
この手法の主な応用は、STO-3Gベースの2量子および4量子系で表される$mathrmH_2$と$mathrmLiH$分子である。
論文 参考訳(メタデータ) (2023-09-08T16:55:39Z) - Optimizing Variational Quantum Algorithms with qBang: Efficiently
Interweaving Metric and Momentum to Tackle Flat Energy Landscapes [0.0]
変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。
本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
論文 参考訳(メタデータ) (2023-04-27T00:06:48Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - 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) - 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) - 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) - Quantum variational optimization: The role of entanglement and problem
hardness [0.0]
本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。
数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。
リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
論文 参考訳(メタデータ) (2021-03-26T14:06:54Z) - Certificates of quantum many-body properties assisted by machine
learning [0.0]
本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。
本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。
我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
論文 参考訳(メタデータ) (2021-03-05T17:47:26Z) - 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。