論文の概要: Layer VQE: A Variational Approach for Combinatorial Optimization on
Noisy Quantum Computers
- arxiv url: http://arxiv.org/abs/2102.05566v3
- Date: Wed, 11 May 2022 13:06:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 00:50:47.997990
- Title: Layer VQE: A Variational Approach for Combinatorial Optimization on
Noisy Quantum Computers
- Title(参考訳): Layer VQE: 雑音量子コンピュータにおける組合せ最適化のための変分アプローチ
- Authors: Xiaoyuan Liu, Anthony Angone, Ruslan Shaydulin, Ilya Safro, Yuri
Alexeev, Lukasz Cincio
- Abstract要約: 変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。
L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。
シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下では良好に動作していることがわかった。
- 参考スコア(独自算出の注目度): 5.644434841659249
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Combinatorial optimization on near-term quantum devices is a promising path
to demonstrating quantum advantage. However, the capabilities of these devices
are constrained by high noise or error rates. In this paper, we propose an
iterative Layer VQE (L-VQE) approach, inspired by the Variational Quantum
Eigensolver (VQE). We present a large-scale numerical study, simulating
circuits with up to 40 qubits and 352 parameters, that demonstrates the
potential of the proposed approach. We evaluate quantum optimization heuristics
on the problem of detecting multiple communities in networks, for which we
introduce a novel qubit-frugal formulation. We numerically compare L-VQE with
Quantum Approximate Optimization Algorithm (QAOA) and demonstrate that QAOA
achieves lower approximation ratios while requiring significantly deeper
circuits. We show that L-VQE is more robust to finite sampling errors and has a
higher chance of finding the solution as compared with standard VQE approaches.
Our simulation results show that L-VQE performs well under realistic hardware
noise.
- Abstract(参考訳): 短期量子デバイスにおける組合せ最適化は、量子優位性を示すための有望な道である。
しかし、これらのデバイスの能力はノイズやエラー率によって制約される。
本稿では,変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。
提案手法の可能性を実証するために,最大40量子ビット,352パラメータの回路をシミュレーションした大規模数値研究を行う。
ネットワーク内の複数のコミュニティを検出する問題に対する量子最適化ヒューリスティックスの評価を行い、新しい量子ビットフルーガルの定式化を導入する。
我々はL-VQEと量子近似最適化アルゴリズム(QAOA)を数値的に比較し、QAOAがより深い回路を必要としながら低い近似比を達成することを示した。
L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。
シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下でよく動作することがわかった。
関連論文リスト
- Light Cone Cancellation for Variational Quantum Eigensolver Ansatz [3.1347083354427707]
変分量子アルゴリズム(VQA)は、ハイブリッドアプローチを利用するアルゴリズムのクラスである。
本研究では,光コーンキャンセラ法 (LCC) を用いて変動回路の最適化を行う。
その結果,LCCはLCCを含まない場合よりも高い近似比が得られることがわかった。
論文 参考訳(メタデータ) (2024-04-30T12:31:03Z) - 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) - Performance analysis of a filtering variational quantum algorithm [0.0]
Filtering Variational Quantum Eigensolver (F-VQE) は、既存の量子コンピュータにおける最適化問題を解くために設計された変分型ハイブリッド量子アルゴリズムである。
我々は、パラメータ化量子回路として、瞬時量子多項式回路を用いる。
F-VQEの実用的優位性には大きな発展が必要であると結論付けている。
論文 参考訳(メタデータ) (2024-04-13T08:50:44Z) - Variational Quantum Eigensolver with Constraints (VQEC): Solving Constrained Optimization Problems via VQE [0.0]
変分量子アプローチは、計算的に困難なタスクに対する準最適解を見つけることに大きな期待を示している。
この研究は、VQECと呼ばれるハイブリッド量子古典的アルゴリズムパラダイムを提案し、制約による最適化を扱う。
論文 参考訳(メタデータ) (2023-11-14T19:49:09Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳(メタデータ) (2023-06-15T15:28:12Z) - On quantum factoring using noisy intermediate scale quantum computers [0.0]
最適化のためのQAOAではなく,VQEを用いた場合の基底状態の発見の可能性を示す。
勾配に基づく最適化では、量子回路勾配推定に要する時間が重要な問題であることがわかった。
論文 参考訳(メタデータ) (2022-08-15T09:32:07Z) - 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) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z) - Efficient measure for the expressivity of variational quantum algorithms [72.59790225766777]
我々は、変分量子アルゴリズムの表現率を研究するために、統計学習理論、すなわち被覆数に関する高度なツールを利用する。
まず、任意のアンサーゼを持つVQAの表現性は、量子ゲートの数と観測可能な測定値によって上限づけられていることを示す。
次に,システムノイズを考慮した量子チップ上でのVQAの表現性について検討する。
論文 参考訳(メタデータ) (2021-04-20T13:51:08Z) - Improving the variational quantum eigensolver using variational
adiabatic quantum computing [0.0]
変分量子サンプリング(VAQC)は、量子回路のハミルトン最小固有値を求めるためのハイブリッド量子古典アルゴリズムである。
VAQCは,評価のために,VQEよりも正確な解を提供できることを示す。
論文 参考訳(メタデータ) (2021-02-04T20:25:50Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z)
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。