論文の概要: Avoiding local minima in Variational Quantum Algorithms with Neural Networks

• arxiv url: http://arxiv.org/abs/2104.02955v2
• Date: Mon, 18 Oct 2021 09:41:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 02:29:02.877213
• Title: Avoiding local minima in Variational Quantum Algorithms with Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた変分量子アルゴリズムにおける局所最小化
• Authors: Javier Rivera-Dean, Patrick Huembeli, Antonio Ac\'in and Joseph Bowles
• Abstract要約: 変分量子アルゴリズムは、短期計算の先導パラダイムとして登場してきた。 本稿では,勾配景観問題の事例をベンチマークする2つのアルゴリズムを提案する。 提案手法は,コストランドスケープが短期量子コンピューティングアルゴリズムを改善するための実りある道であることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational Quantum Algorithms have emerged as a leading paradigm for near-term quantum computation. In such algorithms, a parameterized quantum circuit is controlled via a classical optimization method that seeks to minimize a problem-dependent cost function. Although such algorithms are powerful in principle, the non-convexity of the associated cost landscapes and the prevalence of local minima means that local optimization methods such as gradient descent typically fail to reach good solutions. In this work we suggest a method to improve gradient-based approaches to variational quantum circuit optimization, which involves coupling the output of the quantum circuit to a classical neural network. The effect of this neural network is to peturb the cost landscape as a function of its parameters, so that local minima can be escaped or avoided via a modification to the cost landscape itself. We present two algorithms within this framework and numerically benchmark them on small instances of the Max-Cut optimization problem. We show that the method is able to reach deeper minima and lower cost values than standard gradient descent based approaches. Moreover, our algorithms require essentially the same number of quantum circuit evaluations per optimization step as the standard approach since, unlike the gradient with respect to the circuit, the neural network updates can be estimated in parallel via the backpropagation method. More generally, our approach suggests that relaxing the cost landscape is a fruitful path to improving near-term quantum computing algorithms.
• Abstract（参考訳）: 変分量子アルゴリズムは、短期量子計算の先導パラダイムとして登場した。 このようなアルゴリズムでは、パラメータ化量子回路は問題依存のコスト関数を最小限に抑える古典的な最適化手法によって制御される。 このようなアルゴリズムは原理的には強力であるが、関連するコストランドスケープの非凸性や局所最小値の出現は、勾配勾配のような局所最適化手法がよくないことを意味する。 本研究では,量子回路の出力を古典的ニューラルネットワークに結合することを含む,変分量子回路最適化に対する勾配に基づくアプローチを改善する手法を提案する。 このニューラルネットワークの効果は、コストランドスケープをパラメータの関数としてペターブすることであり、コストランドスケープ自体の変更によってローカルなミニマを回避または回避することができる。 我々は,このフレームワーク内で2つのアルゴリズムを提示し,最大カット最適化問題の小さなインスタンスで数値的にベンチマークする。 本手法は, 標準勾配降下法よりも, 最小値と低コスト値に到達可能であることを示す。 さらに,本アルゴリズムは,回路の勾配とは異なり,バックプロパゲーション法によってニューラルネットワークの更新を並列に推定できるため,最適化ステップ毎の量子回路評価を標準手法と本質的に同じ数で要求する。 より一般的に、我々のアプローチは、コスト環境の緩和は、短期的な量子コンピューティングアルゴリズムを改善するための実りある道であることを示唆している。

関連論文リスト

• Scalable circuit depth reduction in feedback-based quantum optimization with a quadratic approximation [0.6834295298053009]
  本稿では,時間間隔に関する2次近似を導入し,パラメータ決定のための新しいフィードバック法を提案する。 提案手法は回路の深さを大幅に減少させ,その線形スケーリングを1桁以上小さくすることを示した。
  論文  参考訳（メタデータ） (2024-07-25T06:44:41Z)
• Qudit inspired optimization for graph coloring [0.0]
  グラフ色問題(GCP)のための量子インスパイアされたアルゴリズムを提案する。 我々は、グラフ内のノードを表現し、d次元球面座標でパラメータ化した各キューディットを積状態に使用する。 我々は、QdGD(qudit gradient descent)、ランダムな状態におけるクォーディットの開始、コスト関数の最小化のために勾配降下を利用する2つの最適化戦略をベンチマークする。
  論文  参考訳（メタデータ） (2024-06-02T16:19:55Z)
• Variational quantum algorithm for enhanced continuous variable optical phase sensing [0.0]
  変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。 本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
  論文  参考訳（メタデータ） (2023-12-21T14:11:05Z)
• Random coordinate descent: a simple alternative for optimizing parameterized quantum circuits [4.112419132722306]
  本稿では、全勾配降下アルゴリズムに代わる実用的で実装が容易なランダム座標降下アルゴリズムを提案する。 本稿では,パラメータ化量子回路の実用最適化における計測ノイズの挙動から,解析可能な最適化問題を提案する。
  論文  参考訳（メタデータ） (2023-10-31T18:55:45Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
  変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。 本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-27T00:06:48Z)
• Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
  本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2021-08-18T09:26:17Z)
• 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)
• 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)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• 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。