論文の概要: QAOAKit: A Toolkit for Reproducible Study, Application, and Verification
of the QAOA
- arxiv url: http://arxiv.org/abs/2110.05555v3
- Date: Wed, 3 Nov 2021 21:31:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 19:00:13.441378
- Title: QAOAKit: A Toolkit for Reproducible Study, Application, and Verification
of the QAOA
- Title（参考訳）: QAOAKit:QAOAの再現可能な研究、応用、検証のためのツールキット
- Authors: Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz, Phillip C. Lotshaw
- Abstract要約: 探索研究用に構築された量子近似最適化アルゴリズム(QAOA)のためのPythonツールキットであるQAOAKitを紹介する。
我々は、MaxCut問題の既知パラメータを結合し、標準化し、相互検証し、これをQAOAKitに組み込む。
本稿では、QAOAKitについて説明するとともに、量子最適化において、研究結果を再現し、オープンな問題に取り組むためにどのように使用できるかの例を示す。
- 参考スコア（独自算出の注目度）: 1.896385060027555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the best known parameters, performance, and systematic behavior
of the Quantum Approximate Optimization Algorithm (QAOA) remain open research
questions, even as the algorithm gains popularity. We introduce QAOAKit, a
Python toolkit for the QAOA built for exploratory research. QAOAKit is a
unified repository of preoptimized QAOA parameters and circuit generators for
common quantum simulation frameworks. We combine, standardize, and
cross-validate previously known parameters for the MaxCut problem, and
incorporate this into QAOAKit. We also build conversion tools to use these
parameters as inputs in several quantum simulation frameworks that can be used
to reproduce, compare, and extend known results from various sources in the
literature. We describe QAOAKit and provide examples of how it can be used to
reproduce research results and tackle open problems in quantum optimization.
- Abstract（参考訳）: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)の最もよく知られたパラメータ、性能、体系的な振る舞いを理解することは、アルゴリズムが普及してもオープンな研究課題である。
探索研究用に構築されたQAOAのためのPythonツールキットであるQAOAKitを紹介する。
QAOAKitは、量子シミュレーションフレームワークのための事前最適化されたQAOAパラメータと回路ジェネレータの統一リポジトリである。
我々は、MaxCut問題の既知パラメータを結合し、標準化し、相互検証し、これをQAOAKitに組み込む。
また、これらのパラメータをいくつかの量子シミュレーションフレームワークの入力として使用する変換ツールを構築し、文献中の様々なソースから既知の結果を再現、比較、拡張するために使用します。
我々は、qaoakitについて述べ、その研究結果を再現し、量子最適化におけるオープンな問題に取り組む方法の例を示す。
関連論文リスト
- Hybrid Quantum-HPC Solutions for Max-Cut: Bridging Classical and Quantum Algorithms [0.0]
我々は,ハイブリッドシステムにおける時間的複雑性,スケーラビリティ,通信オーバーヘッドを分析する理論的モデルを構築した。
小型のMax-Cutインスタンス上でのQAOAの性能を評価する。
論文 参考訳（メタデータ） (2024-10-21T04:10:54Z) - Quantum Approximate Optimization: A Computational Intelligence Perspective [1.756184965281354]
量子コンピューティングと変分量子アルゴリズム(VQA)を紹介する。
Farhiらによる量子近似最適化アルゴリズム(FarhiのQAOA)について説明する。
計算学習理論や遺伝的アルゴリズムなど,関連分野へのQAOAの関連性について論じる。
論文 参考訳（メタデータ） (2024-07-09T19:40:23Z) - Connecting the Hamiltonian structure to the QAOA performance and energy landscape [0.0]
量子交互演算子 Ansatz (QAOA) は2次非制約二項最適化問題の解法に有効である。
本研究は,短期量子デバイスにおけるアルゴリズムの堅牢性と最適化タスクの可能性を強調する。
論文 参考訳（メタデータ） (2024-07-05T11:32:46Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - OpenQAOA -- An SDK for QAOA [1.6083963553361738]
OpenQAOAは、Quantum Approximate最適化アルゴリズムの作成、カスタマイズ、実行を行うPythonのマルチバックエンドソフトウェア開発キットである。
異なるバックエンド間の回路生成、アンザッツパラメータ、最適化ループ、結果のフォーマット、再帰的QAOAのようなQAOAの拡張といったタスクを標準化し、自動化する。
論文 参考訳（メタデータ） (2022-10-17T02:05:23Z) - Comparison between the Iterative Local Search and Exhaustive Search
methods applied to QAOA in Max-Cut and Ising Spin Model problems [0.0]
Exhaustive Search (ES) と Iterative Local Search (ILS) の比較
ESおよびILSアプローチは、局所(古典的コンピュータ)および実シミュレーション(IBM量子コンピュータ)におけるQAOAにおけるこれらの手法の長所と短所をシミュレートした。
論文 参考訳（メタデータ） (2022-05-06T18:27:57Z) - 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) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳（メタデータ） (2021-07-11T10:56:24Z) - Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。
本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文 参考訳（メタデータ） (2021-04-30T21:34:11Z)
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。