論文の概要: Empirical performance bounds for quantum approximate optimization
- arxiv url: http://arxiv.org/abs/2102.06813v1
- Date: Fri, 12 Feb 2021 23:12:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 07:59:29.643058
- Title: Empirical performance bounds for quantum approximate optimization
- Title（参考訳）: 量子近似最適化のための経験的性能境界
- Authors: Phillip C. Lotshaw, Travis S. Humble, Rebekah Herrman, James
Ostrowski, George Siopsis
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.27998963147546135
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The quantum approximate optimization algorithm (QAOA) is a variational method
for noisy, intermediate-scale quantum computers to solve combinatorial
optimization problems. Quantifying performance bounds with respect to specific
problem instances provides insight into when QAOA may be viable for solving
real-world applications. Here, we solve every instance of MaxCut on
non-isomorphic unweighted graphs with nine or fewer vertices by numerically
simulating the pure-state dynamics of QAOA. Testing up to three layers of QAOA
depth, we find that distributions of the approximation ratio narrow with
increasing depth while the probability of recovering the maximum cut generally
broadens. We find QAOA exceeds the Goemans-Williamson approximation ratio bound
for most graphs. We also identify consistent patterns within the ensemble of
optimized variational circuit parameters that offer highly efficient heuristics
for solving MaxCut with QAOA. The resulting data set is presented as a
benchmark for establishing empirical bounds on QAOA performance that may be
used to test on-going experimental realizations.
- Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)は、結合最適化問題を解決するため、ノイズの多い中間スケールの量子コンピュータの変分法である。
特定の問題インスタンスに関する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。
ここでは、QAOAの純粋状態ダイナミクスを数値シミュレーションすることにより、9つ以上の頂点を持つ非同型非重み付きグラフ上のMaxCutのすべてのケースを解く。
QAOA深度を最大3層まで測定すると,最大カット回収確率が広くなる一方,近似比の分布は増加と共に狭くなることがわかった。
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。
また,maxcut を qaoa で解くための高効率なヒューリスティックを提供する最適化された変分回路パラメータのアンサンブル内で一貫したパターンを同定する。
得られたデータセットは、現在進行中の実験的な実現をテストするために使用されるQAOAパフォーマンスに関する経験的境界を確立するためのベンチマークとして提示される。
関連論文リスト
- MG-Net: Learn to Customize QAOA with Circuit Depth Awareness [51.78425545377329]
量子近似最適化アルゴリズム(QAOA)とその変種は、最適化問題に対処する大きな可能性を示している。
良好な性能を実現するために必要な回路深度は問題固有であり、しばしば現在の量子デバイスの最大容量を超える。
ミキサジェネレータネットワーク (MG-Net) は, 最適ミキサハミルトニアンを動的に定式化するための統合ディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2024-09-27T12:28:18Z) - An Analysis of Quantum Annealing Algorithms for Solving the Maximum Clique Problem [49.1574468325115]
我々は、QUBO問題として表されるグラフ上の最大傾きを見つける量子D波アンナーの能力を解析する。
本稿では, 相補的な最大独立集合問題に対する分解アルゴリズムと, ノード数, 傾き数, 密度, 接続率, 解サイズの他のノード数に対する比を制御するグラフ生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-11T04:40:05Z) - Graph Representation Learning for Parameter Transferability in Quantum Approximate Optimization Algorithm [1.0971022294548696]
量子近似最適化アルゴリズム(QAOA)は、量子拡張最適化による量子優位性を達成するための最も有望な候補の1つである。
本研究では,5種類のグラフ埋め込み手法を適用し,パラメータ転送可能性に対する適切なドナー候補を決定する。
この手法を用いて,パラメータ最適化に要するイテレーション数を効果的に削減し,目標問題に対する近似解を桁違いに高速化する。
論文 参考訳（メタデータ） (2024-01-12T16:01:53Z) - Similarity-Based Parameter Transferability in the Quantum Approximate
Optimization Algorithm [2.985148456817082]
特定の値に関する最適なQAOAパラメータのクラスタリングを示す。
異なるQAOAインスタンス間のパラメータの転送性がうまく説明できる。
近似比が等しい大きなアクセプタグラフに対して、最適ドナーグラフQAOAパラメータをほぼ最適パラメータとして使用できることを示す。
論文 参考訳（メタデータ） (2023-07-11T16:35:49Z) - An Expressive Ansatz for Low-Depth Quantum Approximate Optimisation [0.23999111269325263]
量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くために用いられるハイブリッド量子古典アルゴリズムである。
QAOAはNISQデバイスに実装できるが、物理的制限は回路深さを制限し、性能を低下させる。
この研究は、より古典的なパラメータをアンサッツに割り当て、低深さでの性能を改善するeXpressive QAOA (XQAOA)を導入している。
論文 参考訳（メタデータ） (2023-02-09T07:47:06Z) - 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) - Predicting parameters for the Quantum Approximate Optimization Algorithm
for MAX-CUT from the infinite-size limit [0.05076419064097732]
推定次数$d$のランダムエルドス・レーニグラフに適用したMAX-CUT上でのQAOAの性能を評価するための明示的なアルゴリズムを提案する。
この解析により、エルドス・レーニグラフ上のMAX-CUTのQAOAパラメータとシェリントン・カークパトリックモデルとの明示的なマッピングが得られる。
論文 参考訳（メタデータ） (2021-10-20T17:58:53Z) - Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box
Optimization Framework [100.36569795440889]
この作業は、一階情報を必要としない零次最適化(ZO)の反復である。
座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
論文 参考訳（メタデータ） (2020-12-21T17:29:58Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - Evaluation of QAOA based on the approximation ratio of individual
samples [0.0]
我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。
QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
論文 参考訳（メタデータ） (2020-06-08T18:00:18Z) - 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。