論文の概要: Max-cut Clustering Utilizing Warm-Start QAOA and IBM Runtime

• arxiv url: http://arxiv.org/abs/2108.13464v1
• Date: Mon, 30 Aug 2021 18:21:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 18:53:46.300343
• Title: Max-cut Clustering Utilizing Warm-Start QAOA and IBM Runtime
• Title（参考訳）: ウォームスタートqaoaとibmランタイムを利用した最大カットクラスタリング
• Authors: Daniel Beaulieu and Anh Pham
• Abstract要約: 量子最適化アルゴリズムは、教師なし学習クラスタリングを再現するために使用することができる。 本研究は、量子近似最適化(QAOA)アルゴリズムの「ウォームスタート」変種をテストする。
• 参考スコア（独自算出の注目度）: 0.7106986689736827
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum optimization algorithms can be used to recreate unsupervised learning clustering of data by mapping the problem to a graph optimization problem and finding the minimum energy for a MaxCut problem formulation. This research tests the "Warm Start" variant of Quantum Approximate Optimization Algorithm (QAOA) versus the standard implementation of QAOA for unstructured clustering problems. The performance for IBM's new Qiskit Runtime API for speeding up optimization algorithms is also tested in terms of speed up and relative performance compared to the standard implementation of optimization algorithms. Warm-start QAOA performs better than any other optimization algorithm, though standard QAOA runs the fastest. This research also used a non-convex optimizer to relax the quadratic program for the Warm-start QAOA.
• Abstract（参考訳）: 量子最適化アルゴリズムは、問題をグラフ最適化問題にマッピングし、MaxCut問題定式化の最小エネルギーを求めることにより、教師なし学習クラスタリングを再現することができる。 本研究は、量子近似最適化アルゴリズム(QAOA)の「ウォームスタート」変種を、非構造化クラスタリング問題に対するQAOAの標準実装と比較する。 最適化アルゴリズムを高速化するためのIBMの新しいQiskit Runtime APIのパフォーマンスも、最適化アルゴリズムの標準実装と比較して、スピードアップと相対的なパフォーマンスでテストされている。 ウォームスタートのQAOAは他の最適化アルゴリズムよりも優れているが、標準的なQAOAは最速である。 この研究は、ウォームスタートQAOAの二次プログラムを緩和するために非凸最適化器も使用した。

関連論文リスト

• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• Parameter Setting Heuristics Make the Quantum Approximate Optimization Algorithm Suitable for the Early Fault-Tolerant Era [3.734751161717204]
  量子近似最適化アルゴリズム(QAOA)は、最も有望な量子最適化の1つである。 QAOAにおけるパラメータ設定の最近の進歩は、QAOAを用いたFTQC実験を現実的に実現している。
  論文  参考訳（メタデータ） (2024-08-18T16:48:14Z)
• A hybrid quantum-classical approach to warm-starting optimization [0.0]
  ポートフォリオ最適化の観点から,標準QAOAとウォームスタートQAOAのパフォーマンスを比較した。 この結果が,従来の問題に先行する純粋に古典的な前処理によって再現されるか,あるいは超えられることを示し,その後に標準的なQAOAが続く。
  論文  参考訳（メタデータ） (2023-09-25T08:53:54Z)
• Iterative-Free Quantum Approximate Optimization Algorithm Using Neural Networks [20.051757447006043]
  そこで本稿では,ニューラルネットワークを用いて与えられた問題に対して,より優れたパラメータを求めるための実践的手法を提案する。 我々の手法は一貫して収束し、最終結果も最高速である。
  論文  参考訳（メタデータ） (2022-08-21T14:05:11Z)
• Evaluating performance of hybrid quantum optimization algorithms for MAXCUT Clustering using IBM runtime environment [0.7106986689736827]
  量子近似最適化アルゴリズム(QAOA)の"Warm-Start"変種とQAOAと変分量子固有解法(VQE)の標準実装の比較を行った。 この結果から,IBM Qiskitアーキテクチャを用いた最適化アルゴリズムの高速化と,ws-QAOAアルゴリズムの分類精度の向上が得られた。
  論文  参考訳（メタデータ） (2021-12-06T17:56:35Z)
• An Accelerated Variance-Reduced Conditional Gradient Sliding Algorithm for First-order and Zeroth-order Optimization [111.24899593052851]
  条件勾配アルゴリズム(Frank-Wolfeアルゴリズムとも呼ばれる)は、最近、機械学習コミュニティで人気を取り戻している。 ARCSは、ゼロ階最適化において凸問題を解く最初のゼロ階条件勾配スライディング型アルゴリズムである。 1次最適化では、ARCSの収束結果は、勾配クエリのオラクルの数で、従来のアルゴリズムよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2021-09-18T07:08:11Z)
• 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)
• Recent Theoretical Advances in Non-Convex Optimization [56.88981258425256]
  近年、深層ネットワークにおける非最適化アルゴリズムの解析やデータ問題への関心が高まっており、非最適化のための理論的最適化アルゴリズムの最近の結果の概要を概説する。
  論文  参考訳（メタデータ） (2020-12-11T08:28:51Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• An adaptive quantum approximate optimization algorithm for solving combinatorial problems on a quantum computer [0.0]
  量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くハイブリッド変分量子古典アルゴリズムである。 我々は,QAOAの反復バージョンを開発し,特定のハードウェア制約に適応することができる。 アルゴリズムをMax-Cutグラフのクラス上でシミュレートし、標準QAOAよりもはるかに高速に収束することを示す。
  論文  参考訳（メタデータ） (2020-05-20T18:00:01Z)
• 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。