Fugu-MT 論文翻訳(概要): Introductory Tutorial for SPSA and the Quantum Approximation Optimization Algorithm

論文の概要: Introductory Tutorial for SPSA and the Quantum Approximation Optimization Algorithm

arxiv url: http://arxiv.org/abs/2106.01578v1
Date: Thu, 3 Jun 2021 03:54:24 GMT
ステータス: 処理完了
システム内更新日: 2023-03-27 23:28:15.562908
Title: Introductory Tutorial for SPSA and the Quantum Approximation Optimization Algorithm
Title（参考訳）: SPSAの入門チュートリアルと量子近似最適化アルゴリズム
Authors: Salonik Resch
Abstract要約: このチュートリアルは量子近似最適化アルゴリズム(QAOA)の紹介を提供する。具体的には、Max-Cut問題を解決するために、SPSAアルゴリズムを用いてQAOAを使用する方法である。アルゴリズムの全てのステップは明示的に示され、理論や複雑な数学は使われない。
参考スコア（独自算出の注目度）: 0.1827510863075184
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This short tutorial provides an introduction to the Quantum Approximation Optimization Algorithm (QAOA). Specifically, how to use QAOA with the Simultaneous Perturbation Stochastic Approximation (SPSA) algorithm to solve the Max-Cut problem. All steps of the algorithm are explicitly shown and no theory or complex mathematics are used. The focus is entirely on setting up a practical implementation. Fully functional examples in both R and python (using Qiskit) are provided, both using roughly 100 lines of code.
Abstract（参考訳）: この短いチュートリアルでは、量子近似最適化アルゴリズム(QAOA)を紹介している。具体的には、Max-Cut問題を解くために、SPSAアルゴリズムを用いてQAOAを使用する方法である。アルゴリズムの全てのステップは明示的に示され、理論や複素数学は使われない。すべては実践的な実装のセットアップに焦点が当てられている。約100行のコードを使用して、Rとpython(Qiskitを使用)の完全な機能例が提供されている。

関連論文リスト

BGLS: A Python Package for the Gate-by-Gate Sampling Algorithm to Simulate Quantum Circuits [0.0]
bglsは、ゲートバイゲートサンプリングアルゴリズムを実装するPythonパッケージである。我々は,bglのインストールと使用方法を示し,アルゴリズムの最適化について議論し,いくつかの問題に対してその実用性を実証する。
論文参考訳（メタデータ） (2023-11-20T14:12:39Z)
Self-concordant Smoothing for Large-Scale Convex Composite Optimization [0.0]
2つの凸関数の和を最小化する自己協和スムージングの概念を導入し、そのうちの1つは滑らかであり、もう1つは非滑らかである。本稿では, 近位ニュートンアルゴリズムであるProx-N-SCOREと近位一般化したガウスニュートンアルゴリズムであるProx-GGN-SCOREの2つのアルゴリズムの収束性を証明する。
論文参考訳（メタデータ） (2023-09-04T19:47:04Z)
A One-Sample Decentralized Proximal Algorithm for Non-Convex Stochastic Composite Optimization [10.762749887051546]
本稿では,Proxcal$DASA-GTとProxcal$DASA-Aの2時間スケールアルゴリズムを提案する。以前の作業とは異なり、我々のアルゴリズムは、大きなバッチサイズ、より複雑な単位演算、より強い仮定を必要とせずに、同等の複雑さを達成する。
論文参考訳（メタデータ） (2023-02-20T05:16:18Z)
Quantum Goemans-Williamson Algorithm with the Hadamard Test and Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文参考訳（メタデータ） (2022-06-30T03:15:23Z)
Graph neural network initialisation of quantum approximate optimisation [2.064612766965483]
量子近似最適化アルゴリズム (QAOA) をMax-Cut問題の解法に適用する。本稿では,QAOAにおける2つの問題,初期パラメータの選択方法,そして最適解を求めるためにパラメータをトレーニングする方法について述べる。
論文参考訳（メタデータ） (2021-11-04T17:19:08Z)
Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。両レベル最適化のための2つの新しいアルゴリズムを提案する。両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文参考訳（メタデータ） (2021-06-08T21:05:30Z)
Minimax Optimization with Smooth Algorithmic Adversaries [59.47122537182611]
対戦相手が展開するスムーズなアルゴリズムに対して,Min-playerの新しいアルゴリズムを提案する。本アルゴリズムは,制限周期のない単調進行を保証し,適切な勾配上昇数を求める。
論文参考訳（メタデータ） (2021-06-02T22:03:36Z)
Bayesian Algorithm Execution: Estimating Computable Properties of Black-box Functions Using Mutual Information [78.78486761923855]
多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
論文参考訳（メタデータ） (2021-04-19T17:22:11Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Improving the Quantum Approximate Optimization Algorithm with postselection [0.0]
組合せ最適化は、短期的およびフォールトトレラントな量子コンピュータに想定される主な応用の1つである。量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は3つの正則グラフ上のMaxCut問題に適用される。理論上界と下界を導いており、満たされた辺の分数の一定(小さい)増加が実際に達成可能であることを示す。
論文参考訳（メタデータ） (2020-11-10T22:17:50Z)
Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。最先端アルゴリズムの利点を論じ、解説する。
論文参考訳（メタデータ） (2020-09-28T15:22:24Z)

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。