Fugu-MT 論文翻訳(概要): Variational quantum algorithm with information sharing

論文の概要: Variational quantum algorithm with information sharing

arxiv url: http://arxiv.org/abs/2103.16161v2
Date: Fri, 23 Jul 2021 10:58:43 GMT
ステータス: 処理完了
システム内更新日: 2023-04-06 03:49:59.240084
Title: Variational quantum algorithm with information sharing
Title（参考訳）: 情報共有を用いた変分量子アルゴリズム
Authors: Chris N. Self, Kiran E. Khosla, Alistair W. R. Smith, Frederic Sauvage, Peter D. Haynes, Johannes Knolle, Florian Mintert, and M. S. Kim
Abstract要約: 本稿では,変分量子アルゴリズムの最適化手法を導入し,100倍の効率向上を実験的に実証する。本手法はベイズ最適化のグローバルな性質を利用して,関連する変分問題を並列に解く。このことは、実世界の関心のある問題に対する量子優位性を示すために量子アルゴリズムをスケールアップする上で重要な課題に対処する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce an optimisation method for variational quantum algorithms and experimentally demonstrate a 100-fold improvement in efficiency compared to naive implementations. The effectiveness of our approach is shown by obtaining multi-dimensional energy surfaces for small molecules and a spin model. Our method solves related variational problems in parallel by exploiting the global nature of Bayesian optimisation and sharing information between different optimisers. Parallelisation makes our method ideally suited to next generation of variational problems with many physical degrees of freedom. This addresses a key challenge in scaling-up quantum algorithms towards demonstrating quantum advantage for problems of real-world interest.
Abstract（参考訳）: 本稿では,変分量子アルゴリズムの最適化手法を導入し,naive実装と比較して100倍の効率改善を実験的に実証する。提案手法の有効性は, 小分子の多次元エネルギー面とスピンモデルにより示される。本手法は,ベイズ最適化のグローバルな性質と,異なるオプティマイザ間での情報共有を利用して,関連する変分問題を並列に解く。並列化は,様々な自由度を持つ次世代の変分問題に最適である。これは、実世界の関心のある問題に対する量子優位を示すために量子アルゴリズムをスケールアップする上での重要な課題である。

関連論文リスト

Photonic counterdiabatic quantum optimization algorithm [3.2174634059872154]
連続変数問題に適した量子コンピューティングのためのハイブリッド量子近似最適化アルゴリズムを提案する。我々は、光量子チップの原理実証実験を行う。
論文参考訳（メタデータ） (2023-07-27T13:33:33Z)
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)
A quantum-inspired tensor network method for constrained combinatorial optimization problems [5.904219009974901]
本稿では,一般に局所的に制約された最適化問題に対する量子インスパイアされたテンソルネットワークに基づくアルゴリズムを提案する。我々のアルゴリズムは、興味のある問題に対してハミルトニアンを構築し、量子問題に効果的にマッピングする。本研究は,本手法の有効性と応用の可能性を示すものである。
論文参考訳（メタデータ） (2022-03-29T05:44:07Z)
A Gauss-Newton based Quantum Algorithm for Combinatorial Optimization [0.0]
最適化問題に対するガウス・ニュートン型量子アルゴリズム(GNQA)を提案するが、最適条件下では、局所的なミニマやプラトーに閉じ込められることなく、最適解の1つに迅速に収束する。我々のアプローチは、最適解を正確に表すテンソル積状態と、二項変数のすべての組み合わせを含むハミルトニアンに対して適切な関数を用いることによってそれらを緩和する。そこで,本研究では,GNQAが収束特性と精度の両方において,他の最適化手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-03-25T23:49:31Z)
Markov Chain Monte-Carlo Enhanced Variational Quantum Algorithms [0.0]
本稿では,モンテカルロ法を用いて解析的境界を時間複雑度に設定する変動量子アルゴリズムを提案する。提案手法の有効性と,MaxCutインスタンスの量子回路シミュレーションによる解析の有効性を実証する。
論文参考訳（メタデータ） (2021-12-03T23:03:44Z)
Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)
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)
A Discrete Variational Derivation of Accelerated Methods in Optimization [68.8204255655161]
最適化のための異なる手法を導出できる変分法を導入する。我々は1対1の対応において最適化手法の2つのファミリを導出する。自律システムのシンプレクティシティの保存は、ここでは繊維のみに行われる。
論文参考訳（メタデータ） (2021-06-04T20:21:53Z)
Certificates of quantum many-body properties assisted by machine learning [0.0]
本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
論文参考訳（メタデータ） (2021-03-05T17:47:26Z)
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)
GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
論文参考訳（メタデータ） (2020-02-17T20:21:20Z)

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。