論文の概要: Towards Efficient Ansatz Architecture for Variational Quantum Algorithms
- arxiv url: http://arxiv.org/abs/2111.13730v1
- Date: Fri, 26 Nov 2021 19:41:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-04 18:52:34.785966
- Title: Towards Efficient Ansatz Architecture for Variational Quantum Algorithms
- Title（参考訳）: 変分量子アルゴリズムのためのansatzの効率的なアーキテクチャを目指して
- Authors: Anbang Wu, Gushu Li, Yuke Wang, Boyuan Feng, Yufei Ding, Yuan Xie
- Abstract要約: 変分量子アルゴリズムは、雑音量子コンピュータにおける量子コンピューティングの利点を実証することが期待されている。
このような変分量子アルゴリズムの訓練は、アルゴリズムのサイズが大きくなるにつれて勾配が消えることに悩まされる。
雑音による勾配の消失を緩和する新しい学習手法を提案する。
- 参考スコア（独自算出の注目度）: 12.728075253374062
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational quantum algorithms are expected to demonstrate the advantage of
quantum computing on near-term noisy quantum computers. However, training such
variational quantum algorithms suffers from gradient vanishing as the size of
the algorithm increases. Previous work cannot handle the gradient vanishing
induced by the inevitable noise effects on realistic quantum hardware. In this
paper, we propose a novel training scheme to mitigate such noise-induced
gradient vanishing. We first introduce a new cost function of which the
gradients are significantly augmented by employing traceless observables in
truncated subspace. We then prove that the same minimum can be reached by
optimizing the original cost function with the gradients from the new cost
function. Experiments show that our new training scheme is highly effective for
major variational quantum algorithms of various tasks.
- Abstract（参考訳）: 変分量子アルゴリズムは、短期雑音量子コンピュータにおける量子コンピューティングの利点を実証することが期待される。
しかし、そのような変分量子アルゴリズムの訓練は、アルゴリズムのサイズが大きくなるにつれて勾配が消える。
従来の作業では、現実的な量子ハードウェアにおける避けられないノイズ効果によって引き起こされる勾配の消失には対処できない。
本稿では,このような騒音による勾配の解消を緩和する新しい学習手法を提案する。
まず,縮小部分空間にトレースレスオブザーバブルを用いることにより,勾配が著しく向上する新しいコスト関数を導入する。
次に、新しいコスト関数からの勾配で原コスト関数を最適化することにより、同じ最小値に到達できることを証明する。
実験により,本手法は各種タスクの変動量子アルゴリズムに極めて有効であることが示された。
関連論文リスト
- Evaluation of phase shifts for non-relativistic elastic scattering using quantum computers [39.58317527488534]
本研究は, 量子コンピュータ上での一般相対論的非弾性散乱過程の位相シフトを求めるアルゴリズムの開発を報告する。
論文 参考訳（メタデータ） (2024-07-04T21:11:05Z) - Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。
アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。
本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
論文 参考訳（メタデータ） (2024-07-02T18:00:00Z) - A Novel Approach to Reduce Derivative Costs in Variational Quantum Algorithms [0.0]
QNDM(Quantum Non-Demolition Measurement)は、量子可観測体の勾配やヘッセンを効率的に推定する。
これは、量子オブザーバブルに関連するコスト関数を最小限にしたい場合、重要なステップであり、リソース要求タスクです。
詳細な分析では,QNDM手法の実装に必要なすべてのリソースを一定精度で説明し,現在の最先端手法と比較する。
我々の研究の大きな成果は、補足材料citeqndm_gradientで提供されるPythonのQNDMメソッドの実装である。
論文 参考訳（メタデータ） (2024-04-02T19:06:01Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Pure Quantum Gradient Descent Algorithm and Full Quantum Variational
Eigensolver [0.7149735232319818]
勾配勾配勾配勾配法は広く採用されている最適化法である。
単一オラクル計算のみを必要とする新しい量子ベース勾配計算法を提案する。
我々は量子勾配降下法をうまく実装し、変分量子固有解法(VQE)に適用した。
論文 参考訳（メタデータ） (2023-05-07T05:52:41Z) - Learning To Optimize Quantum Neural Network Without Gradients [3.9848482919377006]
本稿では,量子回路のパラメータを出力するために,Emphmeta-Optimizerネットワークをトレーニングする新しいメタ最適化アルゴリズムを提案する。
我々は,従来の勾配に基づくアルゴリズムよりも回路評価が少ない場合に,より高品質な最小値が得られることを示す。
論文 参考訳（メタデータ） (2023-04-15T01:09:12Z) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳（メタデータ） (2023-02-09T14:05:18Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - Mitigating Noise-Induced Gradient Vanishing in Variational Quantum
Algorithm Training [14.343891429004639]
変分量子アルゴリズムは、雑音量子コンピュータにおける量子コンピューティングの利点を実証することが期待されている。
このような変分量子アルゴリズムの訓練は、アルゴリズムのサイズが大きくなるにつれて勾配が消えることに悩まされる。
雑音による勾配の消失を緩和する新しい学習手法を提案する。
論文 参考訳（メタデータ） (2021-11-25T18:28:34Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z)
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。