論文の概要: Multi-angle Quantum Approximate Optimization Algorithm
- arxiv url: http://arxiv.org/abs/2109.11455v1
- Date: Thu, 23 Sep 2021 15:57:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 23:01:38.559012
- Title: Multi-angle Quantum Approximate Optimization Algorithm
- Title（参考訳）: 多角量子近似最適化アルゴリズム
- Authors: Rebekah Herrman, Phillip C. Lotshaw, James Ostrowski, Travis S.
Humble, and George Siopsis
- Abstract要約: 回路深度を低減し,近似比を向上するQAOA用多角アンサッツを提案する。
この新たなアンザッツは、QAOA上のMaxCutインスタンスの無限族に対する近似比を33%増加させる。
その結果,QAOAはQAOAよりも細い回路を必要とすることが明らかとなった。
- 参考スコア（独自算出の注目度）: 0.2609784101826761
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The quantum approximate optimization algorithm (QAOA) generates an
approximate solution to combinatorial optimization problems using a variational
ansatz circuit defined by parameterized layers of quantum evolution. In theory,
the approximation improves with increasing ansatz depth but gate noise and
circuit complexity undermine performance in practice. Here, we introduce a
multi-angle ansatz for QAOA that reduces circuit depth and improves the
approximation ratio by increasing the number of classical parameters. Even
though the number of parameters increases, our results indicate that good
parameters can be found in polynomial time. This new ansatz gives a 33\%
increase in the approximation ratio for an infinite family of MaxCut instances
over QAOA. The optimal performance is lower bounded by the conventional ansatz,
and we present empirical results for graphs on eight vertices that one layer of
the multi-angle anstaz is comparable to three layers of the traditional ansatz
on MaxCut problems. Similarly, multi-angle QAOA yields a higher approximation
ratio than QAOA at the same depth on a collection of MaxCut instances on fifty
and one-hundred vertex graphs. Many of the optimized parameters are found to be
zero, so their associated gates can be removed from the circuit, further
decreasing the circuit depth. These results indicate that multi-angle QAOA
requires shallower circuits to solve problems than QAOA, making it more viable
for near-term intermediate-scale quantum devices.
- Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)は、量子進化のパラメータ化層によって定義される変分アンザッツ回路を用いて組合せ最適化問題の近似解を生成する。
理論上、この近似はアンサッツ深さの増加によって改善されるが、ゲートノイズや回路複雑性は実際には性能を損なう。
本稿では,回路深度を低減し,古典的パラメータの数を増やすことで近似比を向上させるQAOA用多角アンサッツを提案する。
パラメータの数は増加するが, この結果から, よいパラメータが多項式時間で見つかることが示唆された。
この新たなアンザッツは、QAOA上のMaxCutインスタンスの無限族に対する近似比を33\%増加させる。
最適性能は従来のアンサッツよりも低く、マルチ角アンサッツの1層がMaxCut問題における従来のアンサッツの3層に匹敵する8つの頂点上のグラフに対して経験的な結果を示す。
同様に、多重角 QAOA は 50 および 1 個の頂点グラフ上の MaxCut インスタンスの集まりと同じ深さで QAOA よりも高い近似比が得られる。
最適化されたパラメータの多くはゼロであることが判明し、関連するゲートは回路から取り外し、回路の深さをさらに減少させる。
これらの結果から,QAOAはQAOAよりも浅い回路を必要とすることが示唆された。
関連論文リスト
- 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$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Unsupervised strategies for identifying optimal parameters in Quantum
Approximate Optimization Algorithm [3.508346077709686]
最適化なしでパラメータを設定するための教師なし機械学習手法について検討する。
繰り返しに使用するQAOAパラメータの数が3ドルに制限された場合、これらをRecursive-QAOAで3ドルまで紹介します。
我々は、アングルを広範囲に最適化し、多数のサーキットコールを省く場合と同じような性能を得る。
論文 参考訳（メタデータ） (2022-02-18T19:55:42Z) - 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) - Parameters Fixing Strategy for Quantum Approximate Optimization
Algorithm [0.0]
そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。
我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
論文 参考訳（メタデータ） (2021-08-11T15:44:16Z) - Empirical performance bounds for quantum approximate optimization [0.27998963147546135]
パフォーマンスバウンダリの定量化は、QAOAが現実のアプリケーションの解決に有効である可能性についての洞察を提供する。
QAOA は、ほとんどのグラフに対して有界な Goemans-Williamson 近似比を超える。
得られたデータセットは、QAOAパフォーマンスに関する経験的バウンダリを確立するためのベンチマークとして提示される。
論文 参考訳（メタデータ） (2021-02-12T23:12:09Z) - 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) - Lower Bounds on Circuit Depth of the Quantum Approximate Optimization
Algorithm [0.3058685580689604]
回路深度に対する下位境界の同定に問題インスタンスの構造を用いる方法を示す。
我々は、MaxCut、MaxIndSet、およびVertex CoveringおよびBoolean satisifiabilityのいくつかのケースがQAOAアプローチに適していると主張している。
論文 参考訳（メタデータ） (2020-08-04T20:52:34Z) - Improving the Performance of Deep Quantum Optimization Algorithms with
Continuous Gate Sets [47.00474212574662]
変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。
本稿では,QAOAの回路深度依存性能について実験的に検討する。
この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
論文 参考訳（メタデータ） (2020-05-11T17:20:51Z) - 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) - Accelerating Quantum Approximate Optimization Algorithm using Machine
Learning [6.735657356113614]
本稿では,量子近似最適化アルゴリズム(QAOA)の実装を高速化する機械学習手法を提案する。
QAOAは、いわゆる量子超越性を証明する量子古典ハイブリッドアルゴリズムである。
提案手法は,264種類のグラフを用いて行った解析から,最適化の繰り返し回数を最大65.7%削減できることを示す。
論文 参考訳（メタデータ） (2020-02-04T02:21:00Z)
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。