論文の概要: Parameter Concentration in Quantum Approximate Optimization

• arxiv url: http://arxiv.org/abs/2103.11976v1
• Date: Mon, 22 Mar 2021 16:24:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 04:26:40.763083
• Title: Parameter Concentration in Quantum Approximate Optimization
• Title（参考訳）: 量子近似最適化におけるパラメータ濃度
• Authors: V. Akshay, D. Rabinovich, E. Campos, J. Biamonte
• Abstract要約: 最適QAOA回路パラメータは問題の大きさの逆として集中していることがわかった。 p=1,2$(それぞれ2パラメータと4パラメータに対応)の変動状態の準備について解析的に検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The quantum approximate optimization algorithm (QAOA) has become a cornerstone of contemporary quantum applications development. In QAOA, a quantum circuit is trained -- by repeatedly adjusting circuit parameters -- to solve a problem. Several recent findings have reported parameter concentration effects in QAOA and their presence has become one of folklore: while empirically observed, the concentrations have not been defined and analytical approaches remain scarce, focusing on limiting system and not considering parameter scaling as system size increases. We found that optimal QAOA circuit parameters concentrate as an inverse polynomial in the problem size, providing an optimistic result for improving circuit training. Our results are analytically demonstrated for variational state preparations at $p=1,2$ (corresponding to 2 and 4 tunable parameters respectively). The technique is also applicable for higher depths and the concentration effect is cross verified numerically. Parameter concentrations allow for training on a fraction $w < n$ of qubits to assert that these parameters are nearly optimal on $n$ qubits. Clearly this effect has significant practical importance.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)は、現代の量子アプリケーション開発の基礎となっている。 qaoaでは、回路パラメータの繰り返し調整によって量子回路を訓練し、問題を解決する。 近年、qaoaにおけるパラメータ濃度の影響が報告され、その存在が民俗学の1つとなっている: 実証的に観察されたにもかかわらず、濃度は定義されておらず、分析的なアプローチは乏しく、システムのサイズが大きくなるにつれてパラメータのスケーリングを考慮せず、システムの制限に焦点を当てている。 その結果,QAOA回路パラメータは問題の大きさの逆多項式として集中しており,回路トレーニングを改善するための楽観的な結果が得られることがわかった。 p=1,2$(それぞれ2と4に調整可能なパラメータに対応する)の変分状態準備について分析的に実証した。 この手法はより深い深度でも適用でき、濃度効果は数値的に検証される。 パラメータ濃度は、クォービットの分数$w < n$でトレーニングすることができ、これらのパラメータが$n$クォービット上でほぼ最適であると主張する。 明らかにこの効果は実用上重要なものである。

関連論文リスト

• Linearly simplified QAOA parameters and transferability [0.6834295298053009]
  量子近似アルゴリズム最適化(QAOA)は、量子コンピュータを用いて最適化問題を解く方法を提供する。 ランダムイジングモデルのインスタンスと最大カット問題のインスタンスに対して得られた数値結果について述べる。
  論文  参考訳（メタデータ） (2024-05-01T17:34:32Z)
• 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)
• Trainability Barriers in Low-Depth QAOA Landscapes [0.0]
  QAOA(Quantum Alternating Operator Ansatz)は最適化問題を解くための変分量子アルゴリズムである。 以前の結果から、小さなパラメータの固定数の解析性能が保証された。 本研究は,近年の数値研究の焦点である中間体制における訓練の難しさについて考察する。
  論文  参考訳（メタデータ） (2024-02-15T18:45:30Z)
• Quantum Alternating Operator Ansatz (QAOA) beyond low depth with gradually changing unitaries [0.0]
  本稿では,量子交互演算子アンザッツ回路の動作を制御する機構について検討する。 離散的断熱定理を用いて、連続時間断熱定理から得られる洞察を補完し一般化する。 分析では,最近導入されたQAOAパフォーマンス図で顕著に示されているいくつかの一般的な特性について説明する。
  論文  参考訳（メタデータ） (2023-05-08T04:21:42Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm [0.0]
  そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。 我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
  論文  参考訳（メタデータ） (2021-08-11T15:44:16Z)
• Connecting geometry and performance of two-qubit parameterized quantum circuits [0.0]
  主バンドルを用いて2量子ビット量子回路(PQC)を幾何学的に特徴付ける。 変分量子固有解法(VQE)最適化プロセス中にリッチスカラーを計算することにより、新しい視点を提供する。 我々は、量子自然勾配の優れた性能の鍵は、高い負曲率の領域を見つける能力であると主張している。
  論文  参考訳（メタデータ） (2021-06-04T16:44:53Z)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  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。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• In and out of equilibrium quantum metrology with mean-field quantum criticality [68.8204255655161]
  本稿では,集団遷移現象が量子力学プロトコルに与える影響について考察する。 単一球面量子スピン(SQS)は平均場レベルでの分析的な洞察を可能にするステレオタイプ玩具モデルとして機能する。
  論文  参考訳（メタデータ） (2020-01-09T19:20:42Z)

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。