Fugu-MT 論文翻訳(概要): Continuous-variable optimization with neural network quantum states

論文の概要: Continuous-variable optimization with neural network quantum states

arxiv url: http://arxiv.org/abs/2108.03325v3
Date: Thu, 6 Jan 2022 18:53:12 GMT
ステータス: 処理完了
システム内更新日: 2023-03-19 04:57:45.657485
Title: Continuous-variable optimization with neural network quantum states
Title（参考訳）: ニューラルネットワーク量子状態を用いた連続変数最適化
Authors: Yabin Zhang, David Gorsich, Paramsothy Jayakumar, Shravan Veerapaneni
Abstract要約: 本研究では,連続的な最適化を行うための連続可変ニューラルネットワーク量子状態(CV-NQS)の有用性について検討する。 CV-NQSを用いた変分モンテカルロを用いた数値実験により,非局所的アルゴリズムは局所勾配探索法と競合する基底状態の探索に成功しているが,提案手法は好ましくないスケーリングに悩まされることを示した。
参考スコア（独自算出の注目度）: 6.791920570692005
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inspired by proposals for continuous-variable quantum approximate optimization (CV-QAOA), we investigate the utility of continuous-variable neural network quantum states (CV-NQS) for performing continuous optimization, focusing on the ground state optimization of the classical antiferromagnetic rotor model. Numerical experiments conducted using variational Monte Carlo with CV-NQS indicate that although the non-local algorithm succeeds in finding ground states competitive with the local gradient search methods, the proposal suffers from unfavorable scaling. A number of proposed extensions are put forward which may help alleviate the scaling difficulty.
Abstract（参考訳）: 連続可変量子近似最適化(CV-QAOA)の提案に触発されて,古典的反強磁性ロータモデルの基底状態最適化に着目し,連続可変ニューラルネットワーク量子状態(CV-NQS)の連続最適化への応用について検討した。 CV-NQSを用いた変分モンテカルロを用いた数値実験により,非局所的アルゴリズムは局所勾配探索法と競合する基底状態の探索に成功しているが,提案手法は好ましくないスケーリングに悩まされることを示した。スケーリングの難しさを軽減するために、いくつかの拡張が提案されている。

関連論文リスト

Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [47.47843839099175]
近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。
論文参考訳（メタデータ） (2024-09-03T15:21:16Z)
Improved Optimization for the Neural-network Quantum States and Tests on the Chromium Dimer [11.985673663540688]
ニューラルネットワーク量子状態(NQS)は、かなり高度な波動関数アンザッツ研究を持っている。この研究は、NQSを用いたVMC最適化の計算要求を減らすために、3つのアルゴリズム拡張を導入する。
論文参考訳（メタデータ） (2024-04-14T15:07:57Z)
Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-04T01:47:37Z)
Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
論文参考訳（メタデータ） (2023-07-28T12:26:43Z)
Neural network quantum state with proximal optimization: a ground-state searching scheme based on variational Monte Carlo [4.772126473623257]
提案手法では, ミスマッチしたサンプルを再利用することで, 複数の更新を可能とした, 近位最適化(PO)を用いた新しい目的関数を提案する。正方格子上の1次元横フィールドイジングモデルと2次元ハイゼンベルク反強磁性体を用いた基底状態探索のためのVMC-POアルゴリズムの性能について検討する。
論文参考訳（メタデータ） (2022-10-29T04:55:39Z)
Exact Gradient Computation for Spiking Neural Networks Through Forward Propagation [39.33537954568678]
従来のニューラルネットワークに代わるものとして、スパイキングニューラルネットワーク(SNN)が登場している。本稿では,SNNの正確な勾配を計算できるEmphforward propagation (FP)と呼ばれる新しいトレーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-10-18T20:28:21Z)
Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文参考訳（メタデータ） (2022-09-01T17:08:41Z)
Avoiding barren plateaus via transferability of smooth solutions in Hamiltonian Variational Ansatz [0.0]
変分量子アルゴリズム(VQA)は、現在の量子デバイス上で計算スピードアップを達成するための主要な候補である。 2つの大きなハードルは、低品質な局所最小値の増殖と、コスト関数のランドスケープにおける勾配の指数的な消失である。ここでは、反復探索方式を用いることで、パラダイム的量子多体モデルの基底状態を効果的に作成できることを示す。
論文参考訳（メタデータ） (2022-06-04T12:52:29Z)
Normalized Gradient Descent for Variational Quantum Algorithms [4.403985869332685]
VQA(Vari quantum algorithm)は、ノイズの多い量子コンピュータを利用する有望な手法である。パラメータの更新に正規化勾配ベクトルを用いるNGD法は、いくつかの最適化問題においてうまく活用されている。本稿では,通常のNGDよりも高速な収束を実現する新しいNGDを提案する。
論文参考訳（メタデータ） (2021-06-21T11:03:12Z)
Positive-Negative Momentum: Manipulating Stochastic Gradient Noise to Improve Generalization [89.7882166459412]
勾配雑音(SGN)は、ディープラーニングの暗黙の正規化として機能する。深層学習を改善するためにランダムノイズを注入してSGNを人工的にシミュレートしようとした作品もある。低計算コストでSGNをシミュレーションし、学習率やバッチサイズを変更することなく、PNM(Positive-Negative Momentum)アプローチを提案する。
論文参考訳（メタデータ） (2021-03-31T16:08:06Z)
Optimization of Graph Total Variation via Active-Set-based Combinatorial Reconditioning [48.42916680063503]
本稿では,この問題クラスにおける近位アルゴリズムの適応型事前条件付け手法を提案する。不活性エッジのネスト・フォレスト分解により局所収束速度が保証されることを示す。この結果から,局所収束解析は近似アルゴリズムにおける可変指標選択の指針となることが示唆された。
論文参考訳（メタデータ） (2020-02-27T16:33:09Z)

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。