論文の概要: Bridging Classical and Quantum with SDP initialized warm-starts for QAOA
- arxiv url: http://arxiv.org/abs/2010.14021v3
- Date: Mon, 6 Jun 2022 22:24:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 08:50:11.136635
- Title: Bridging Classical and Quantum with SDP initialized warm-starts for QAOA
- Title(参考訳): SDP初期化によるQAOAの古典と量子のブリッジング
- Authors: Reuben Tate, Majid Farhadi, Creston Herold, Greg Mohler, Swati Gupta
- Abstract要約: 本稿では,QAOAをグラフ内のすべての可能なカットの偏重重ね合わせで初期化する,古典的な前処理ステップを紹介する。
我々は、QAOA-Warmと呼ばれるこのQAOAの変種が、トレーニング時間が少なく、低い回路深度で標準QAOAより優れていることを示す。
- 参考スコア(独自算出の注目度): 4.76507354067301
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the Quantum Approximate Optimization Algorithm (QAOA) in the context
of the Max-Cut problem. Near-term (noisy) quantum devices are only able to
(accurately) execute QAOA at low circuit depths while QAOA requires a
relatively high circuit-depth in order to "see" the whole graph. We introduce a
classical pre-processing step that initializes QAOA with a biased superposition
of all possible cuts in the graph, referred to as a warm-start. In particular,
our initialization informs QAOA by a solution to a low-rank semidefinite
programming relaxation of the Max-Cut problem. Our experimental results show
that this variant of QAOA, called QAOA-Warm, is able to outperform standard
QAOA on lower circuit depths with less training time (in the optimization stage
for QAOA's variational parameters). We provide experimental evidence as well as
theoretical intuition on performance of the proposed framework.
- Abstract(参考訳): 量子近似最適化アルゴリズム(QAOA)をMax-Cut問題を用いて検討する。
短期(ノイズの多い)量子デバイスは(正確には)低回路深度でのみQAOAを実行することができ、一方QAOAはグラフ全体を見るために比較的高い回路深度を必要とする。
我々は、qaoaを初期化する古典的な前処理ステップを導入し、ウォームスタートと呼ばれるグラフのすべてのカットをバイアス付き重ね合わせします。
特に、この初期化は、Max-Cut問題の低ランク半定値プログラミング緩和に対する解によってQAOAに通知する。
実験の結果,QAOA-Warmと呼ばれるこのQAOAは,トレーニング時間(QAOAの変動パラメータの最適化段階)が低い回路深度で標準QAOAより優れていることがわかった。
提案フレームワークの性能に関する理論的直観と実験的な証拠を提供する。
関連論文リスト
- Proactively incremental-learning QAOA [9.677961025372115]
逐次学習に基づく量子近似最適化アルゴリズム(QAOA)を提案する。
本手法は, 近似比(AR)とトレーニング時間において, 一般的なQAOAよりも優れた性能を有する。
論文 参考訳(メタデータ) (2023-11-04T02:15:26Z) - Alignment between Initial State and Mixer Improves QAOA Performance for
Constrained Optimization [11.445200448951072]
量子交互演算子 ansatz (QAOA) は断熱アルゴリズムと強い関係を持つ。
本稿では, 断熱アルゴリズムの直感がQAOA初期状態を選択するタスクに適用できることを実証する。
論文 参考訳(メタデータ) (2023-05-05T21:54:28Z) - 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) - 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) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Efficient Classical Computation of Quantum Mean Values for Shallow QAOA
Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。
我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文 参考訳(メタデータ) (2021-12-21T12:41:31Z) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳(メタデータ) (2021-07-11T10:56:24Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - Empirical performance bounds for quantum approximate optimization [0.27998963147546135]
パフォーマンスバウンダリの定量化は、QAOAが現実のアプリケーションの解決に有効である可能性についての洞察を提供する。
QAOA は、ほとんどのグラフに対して有界な Goemans-Williamson 近似比を超える。
得られたデータセットは、QAOAパフォーマンスに関する経験的バウンダリを確立するためのベンチマークとして提示される。
論文 参考訳(メタデータ) (2021-02-12T23:12:09Z) - Quantum annealing initialization of the quantum approximate optimization
algorithm [0.0]
量子近似最適化アルゴリズム(QAOA)は、近い将来の量子アルゴリズムである。
QAOAで必要とされる外部パラメータの最適化は、パフォーマンスのボトルネックになる可能性がある。
本研究では、ランダムグラフ上のMaxCut問題に適用されたQAOAの最適化景観を可視化する。
論文 参考訳(メタデータ) (2021-01-14T17:45:13Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳(メタデータ) (2020-08-03T18:00:05Z)
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。