論文の概要: Tabu-driven Quantum Neighborhood Samplers
- arxiv url: http://arxiv.org/abs/2011.09508v2
- Date: Thu, 4 Mar 2021 08:55:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-23 19:08:48.544289
- Title: Tabu-driven Quantum Neighborhood Samplers
- Title(参考訳): タブ駆動型量子近傍サンプラー
- Authors: Charles Moussa, Hao Wang, Henri Calandra, Thomas B\"ack, Vedran Dunjko
- Abstract要約: 組合せ最適化は、量子コンピューティングを対象とする重要なアプリケーションである。
短期的なデバイスで利点を享受する一つの選択肢は、それらを古典と組み合わせて使うことである。
このようなハイブリッド環境において,QAOAはアルゴリズム探索のための柔軟なツールであることを示す。
- 参考スコア(独自算出の注目度): 2.9934511331003555
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Combinatorial optimization is an important application targeted by quantum
computing. However, near-term hardware constraints make quantum algorithms
unlikely to be competitive when compared to high-performing classical
heuristics on large practical problems. One option to achieve advantages with
near-term devices is to use them in combination with classical heuristics. In
particular, we propose using quantum methods to sample from classically
intractable distributions -- which is the most probable approach to attain a
true provable quantum separation in the near-term -- which are used to solve
optimization problems faster. We numerically study this enhancement by an
adaptation of Tabu Search using the Quantum Approximate Optimization Algorithm
(QAOA) as a neighborhood sampler. We show that QAOA provides a flexible tool
for exploration-exploitation in such hybrid settings and can provide evidence
that it can help in solving problems faster by saving many tabu iterations and
achieving better solutions.
- Abstract(参考訳): 組合せ最適化は量子コンピューティングを対象とする重要な応用である。
しかし、短期的なハードウェアの制約により、大きな実用的問題に対する高性能な古典的ヒューリスティックと比較すると、量子アルゴリズムは競争力に欠ける。
短期的なデバイスで利点を得る一つの選択肢は、それらを古典的ヒューリスティックと組み合わせて使うことである。
特に,量子法を用いて古典的に難解な分布からサンプルを抽出し,最適化問題を高速に解くための真の証明可能な量子分離を実現するための最も可能性の高い手法を提案する。
量子近似最適化アルゴリズム (qaoa) を近傍サンプルとして, タブサーチの適用により, この拡張を数値的に検討した。
このようなハイブリッド環境では,QAOAは探索・探索の柔軟なツールであり,タブイテレーションを多く節約し,より良いソリューションを実現することで,問題の迅速な解決に有効であることを示す。
関連論文リスト
- 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) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳(メタデータ) (2022-09-12T15:47:44Z) - Comparative Benchmark of a Quantum Algorithm for the Bin Packing Problem [0.8434687648198277]
Bin Packing Problem (BPP) は、ロジスティクスにおけるパラダイム最適化問題として際立っている。
我々は最近,一次元BPPに対するハイブリッドアプローチを提案している。
他の古典的手法と比較する。
論文 参考訳(メタデータ) (2022-07-15T13:09:12Z) - Squeezing and quantum approximate optimization [0.6562256987706128]
変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。
しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。
我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
論文 参考訳(メタデータ) (2022-05-20T18:00:06Z) - 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) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳(メタデータ) (2022-01-25T05:59:24Z) - 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 constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳(メタデータ) (2021-05-14T11:31:14Z) - Limitations of optimization algorithms on noisy quantum devices [0.0]
我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。
我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
論文 参考訳(メタデータ) (2020-09-11T17:07:26Z) - 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) - To quantum or not to quantum: towards algorithm selection in near-term
quantum optimization [0.0]
本稿では,QAOAが従来のアルゴリズムよりも有利になる確率の高い問題事例を検出する問題について検討する。
クロスバリデーションの精度は96%以上で、実用的な優位性が得られる。
論文 参考訳(メタデータ) (2020-01-22T20:42:02Z)
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。