論文の概要: Adaptive pruning-based optimization of parameterized quantum circuits
- arxiv url: http://arxiv.org/abs/2010.00629v1
- Date: Thu, 1 Oct 2020 18:14:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 11:48:38.580819
- Title: Adaptive pruning-based optimization of parameterized quantum circuits
- Title（参考訳）: 適応プルーニングに基づくパラメータ化量子回路の最適化
- Authors: Sukin Sim, Jonathan Romero, Jerome F. Gonthier, Alexander A. Kunitsa
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 62.997667081978825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational hybrid quantum-classical algorithms are powerful tools to
maximize the use of Noisy Intermediate Scale Quantum devices. While past
studies have developed powerful and expressive ansatze, their near-term
applications have been limited by the difficulty of optimizing in the vast
parameter space. In this work, we propose a heuristic optimization strategy for
such ansatze used in variational quantum algorithms, which we call
"Parameter-Efficient Circuit Training" (PECT). Instead of optimizing all of the
ansatz parameters at once, PECT launches a sequence of variational algorithms,
in which each iteration of the algorithm activates and optimizes a subset of
the total parameter set. To update the parameter subset between iterations, we
adapt the dynamic sparse reparameterization scheme by Mostafa et al.
(arXiv:1902.05967). We demonstrate PECT for the Variational Quantum
Eigensolver, in which we benchmark unitary coupled-cluster ansatze including
UCCSD and k-UpCCGSD, as well as the low-depth circuit ansatz (LDCA), to
estimate ground state energies of molecular systems. We additionally use a
layerwise variant of PECT to optimize a hardware-efficient circuit for the
Sycamore processor to estimate the ground state energy densities of the
one-dimensional Fermi-Hubbard model. From our numerical data, we find that PECT
can enable optimizations of certain ansatze that were previously difficult to
converge and more generally can improve the performance of variational
algorithms by reducing the optimization runtime and/or the depth of circuits
that encode the solution candidate(s).
- Abstract（参考訳）: 変分型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。
過去の研究は強力で表現力に富んだアンサットを開発したが、その短期的応用は広大なパラメータ空間における最適化の困難さによって制限されている。
本研究では,変分量子アルゴリズムで使用されるようなアンサーゼのヒューリスティックな最適化手法を提案し,これをPECT(Parameter-Efficient Circuit Training)と呼ぶ。
アンサッツパラメータを一度に最適化する代わりに、PECTは変分アルゴリズムのシーケンスを起動し、アルゴリズムの各イテレーションが全パラメータセットのサブセットを活性化し、最適化する。
繰り返し間のパラメータサブセットを更新するために、Mostafaらによる動的スパースパラメータ化方式を適用する(arXiv:1902.05967)。
我々は, uccsd と k-upccgsd を含むユニタリ結合クラスター ansatze と低深さ回路 ansatz (ldca) をベンチマークし,分子系の基底状態エネルギーを推定する変分量子固有解法についてpectを実証する。
さらに,Sycamoreプロセッサのハードウェア効率のよい回路を最適化するために,PECTの層幅変異を用いて,1次元Fermi-Hubbardモデルの基底状態エネルギー密度を推定する。
数値データからpectは,従来収束が困難であったansatzeの最適化が可能であり,より一般的には最適化ランタイムや解候補をエンコードする回路の深さを小さくすることで変分アルゴリズムの性能を向上させることができることがわかった。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Reducing measurement costs by recycling the Hessian in adaptive variational quantum algorithms [0.0]
本稿では,適応VQAに適した準ニュートン最適化プロトコルを提案する。
我々は,適応VQAの繰り返しを通じて,逆ヘッセン行列に対する近似を連続的に構築し,成長させる準ニュートンアルゴリズムを実装した。
論文 参考訳（メタデータ） (2024-01-10T14:08:04Z) - Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価イジングモデルに変換する必要がある。
目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。
その結果,量子近似最適化アルゴリズム (QAOA) が新たに導入された。
論文 参考訳（メタデータ） (2022-09-07T18:01:01Z) - Meta-Learning Digitized-Counterdiabatic Quantum Optimization [3.0638256603183054]
本稿では,リカレントニューラルネットワークを用いたメタラーニング手法を用いて,変分最適化に適した初期パラメータを求める問題に取り組む。
我々は、最近提案されたディジタル化対数量子近似アルゴリズム(DC-QAOA)を用いて、この手法について検討する。
メタラーニングとDC-QAOAを組み合わせることで、MaxCut問題やSherrington-Kirkpatrickモデルなど、異なるモデルに対する最適な初期パラメータを見つけることができる。
論文 参考訳（メタデータ） (2022-06-20T18:57:50Z) - 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) - 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) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - 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) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。