論文の概要: GPU-accelerated simulations of quantum annealing and the quantum approximate optimization algorithm

• arxiv url: http://arxiv.org/abs/2104.03293v4
• Date: Mon, 16 May 2022 11:38:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 02:09:09.388540
• Title: GPU-accelerated simulations of quantum annealing and the quantum approximate optimization algorithm
• Title（参考訳）: 量子アニールのGPU加速シミュレーションと量子近似最適化アルゴリズム
• Authors: Dennis Willsch, Madita Willsch, Fengping Jin, Kristel Michielsen, Hans De Raedt
• Abstract要約: 超並列J'ulichユニバーサル量子コンピュータシミュレータ(JUQCS--G)のGPU加速版を用いた大規模アプリケーションについて検討する。
• 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: We study large-scale applications using a GPU-accelerated version of the massively parallel J\"ulich universal quantum computer simulator (JUQCS--G). First, we benchmark JUWELS Booster, a GPU cluster with 3744 NVIDIA A100 Tensor Core GPUs. Then, we use JUQCS--G to study the relation between quantum annealing (QA) and the quantum approximate optimization algorithm (QAOA). We find that a very coarsely discretized version of QA, termed approximate quantum annealing (AQA), performs surprisingly well in comparison to the QAOA. It can either be used to initialize the QAOA, or to avoid the costly optimization procedure altogether. Furthermore, we study the scaling of the success probability when using AQA for problems with 30 to 40 qubits. We find that the case with the largest discretization error scales most favorably, surpassing the best result obtained from the QAOA.
• Abstract（参考訳）: 大規模並列計算機シミュレータj\"ulich universal quantum computer simulator(juqcs--g)のgpuアクセラレーションバージョンを用いて大規模アプリケーションの研究を行い,まずjuwels boosterのベンチマークを行った。juwels boosterは3744 nvidia a100 tensor core gpuを持つgpuクラスタである。次にjuqcs--gを用いて量子アニーリング(qa)と量子近似最適化アルゴリズム(qaoa)の関係について検討する。 近似量子アニール (AQA) と呼ばれる非常に粗い離散化バージョンのQAが、QAOAと比較して驚くほどよく動作することがわかった。 QAOAを初期化したり、コストのかかる最適化手順を避けるために使うことができる。 さらに,30から40キュービットの問題に対してAQAを使用する際の成功確率のスケーリングについて検討した。 最大の離散化誤差を持つ場合、QAOAから得られる最良の結果を上回っ、最も好意的にスケールする。

関連論文リスト

• Optimization by Decoded Quantum Interferometry [43.55132675053983]
  本稿では,古典的復号化問題に対する古典的最適化問題を減じるための量子アルゴリズムを提案する。 DQIは、既知の量子時間古典アルゴリズムよりも近似比が良いことを示す。
  論文  参考訳（メタデータ） (2024-08-15T17:47:42Z)
• Hybrid Classical-Quantum Simulation of MaxCut using QAOA-in-QAOA [0.0]
  そこで本研究では,MaxCut問題のスケーラブルな解に対するQAOA2法の実装について述べる。 The limit of the Goemans-Williamson (GW) algorithm as a purely classical alternative to QAOA。 最大33量子ビットの大規模シミュレーションの結果は、ある場合におけるQAOAの利点と実装の効率性を示す。
  論文  参考訳（メタデータ） (2024-06-25T09:02:31Z)
• Fast Simulation of High-Depth QAOA Circuits [10.778538580079365]
  量子近似最適化アルゴリズム(QAOA)のシミュレータを提案する。 本シミュレータはQAOAパラメータ最適化の計算コストを削減することを目的として設計されている。 cuQuantumをベースとした最先端のGPU量子回路シミュレータと比較して,典型的なQAOAパラメータ最適化の時間を,$n = 26$ qubitsで11倍に短縮する。
  論文  参考訳（メタデータ） (2023-09-09T17:01:29Z)
• Evidence of Scaling Advantage for the Quantum Approximate Optimization Algorithm on a Classically Intractable Problem [8.738180371389097]
  量子近似最適化アルゴリズム(QAOA)は、量子コンピュータにおける最適化問題を解くための主要な候補アルゴリズムである。 本稿では,低自己相関二項列(LABS)問題に対するQAOAの広範な数値的な検討を行う。 パラメータが固定されたQAOAのランタイムは、分岐とバウンドの解法よりも良くスケールする。
  論文  参考訳（メタデータ） (2023-08-04T14:17:21Z)
• Alignment between Initial State and Mixer Improves QAOA Performance for Constrained Optimization [11.445200448951072]
  量子交互演算子 ansatz (QAOA) は断熱アルゴリズムと強い関係を持つ。 本稿では, 断熱アルゴリズムの直感がQAOA初期状態を選択するタスクに適用できることを実証する。
  論文  参考訳（メタデータ） (2023-05-05T21:54:28Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。 提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2022-05-24T03:49:10Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Optimal Qubit Mapping with Simultaneous Gate Absorption [9.530683922512873]
  コンパイルにおける重要なステップは、プログラム内の量子ビットを、与えられた量子コンピュータ上の物理量子ビットにマッピングすることである。 OLSQ-GAは、SWAPゲートを同時に吸収する鍵となる特徴を持つ最適量子ビットマッパーである。 OLSQ-GAは、他の最先端手法と比較して、深さを最大50.0%、SWAPカウントを100%削減する。
  論文  参考訳（メタデータ） (2021-09-14T05:15:36Z)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
  量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。 任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
  論文  参考訳（メタデータ） (2020-11-26T18:22:21Z)

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。