論文の概要: Evaluating performance of hybrid quantum optimization algorithms for MAXCUT Clustering using IBM runtime environment

• arxiv url: http://arxiv.org/abs/2112.03199v4
• Date: Mon, 7 Feb 2022 14:49:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-05 09:55:44.500673
• Title: Evaluating performance of hybrid quantum optimization algorithms for MAXCUT Clustering using IBM runtime environment
• Title（参考訳）: IBMランタイム環境を用いたMAXCUTクラスタリングのためのハイブリッド量子最適化アルゴリズムの性能評価
• Authors: Daniel Beaulieu and Anh Pham
• Abstract要約: 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。
• 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 algorithms can be used to perform unsupervised machine learning tasks like data clustering by mapping the distance between data points to a graph optimization problem (i.e. MAXCUT) and finding optimal solution through energy minimization using hybrid quantum classical methods. Taking advantage of the IBM runtime environment, we benchmark the performance of the "Warm-Start" (ws) variant of Quantum Approximate Optimization Algorithm (QAOA) versus the standard implementation of QAOA and the variational quantum eigensolver (VQE) for unstructured clustering problems using real world dataset with respect to accuracy and execution time. Our numerical results show a strong speedup in execution time for different optimization algorithms using the IBM Qiskit Runtime architecture and increased speedup in classification accuracy in ws-QAOA algorithm
• Abstract（参考訳）: 量子アルゴリズムは、データポイント間の距離をグラフ最適化問題(MAXCUT)にマッピングし、ハイブリッド量子古典的手法を用いたエネルギー最小化による最適解を見つけることによって、データクラスタリングのような教師なし機械学習タスクを実行するために用いられる。 IBM ランタイム環境を利用して,QAOA の標準実装に対する量子近似最適化アルゴリズム (QAOA) の "Warm-Start" (ws) 変種 (QAOA) と,精度と実行時間に関する実世界のデータセットを用いた非構造化クラスタリング問題に対する変分量子固有解器 (VQE) のパフォーマンスをベンチマークする。 我々は, ibm qiskit ランタイムアーキテクチャを用いた最適化アルゴリズムの実行時間の高速化と ws-qaoa アルゴリズムの分類精度の向上を示した。

関連論文リスト

• Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
  本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。 我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。 以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-10-30T08:41:29Z)
• 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 Algorithm Exploration using Application-Oriented Performance Benchmarks [0.0]
  Application-Oriented BenchmarksのQED-Cスイートは、量子コンピュータの性能特性を測定する機能を提供する。 我々は,このベンチマーク手法がより複雑なアプリケーションに適用される可能性を広げる上での課題について検討する。
  論文  参考訳（メタデータ） (2024-02-14T06:55:50Z)
• 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)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• 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)
• Max-cut Clustering Utilizing Warm-Start QAOA and IBM Runtime [0.7106986689736827]
  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。
  論文  参考訳（メタデータ） (2021-08-30T18:21:04Z)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• 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)
• TIGER: Topology-aware Assignment using Ising machines Application to Classical Algorithm Tasks and Quantum Circuit Gates [2.4047296366832307]
  ゲートベースの量子コンピューティングでは、トポロジー的な方法でタスクをゲートにマップすることを目的とするマッピング問題が存在する。 既存のタスクアプローチは、物理最適化アルゴリズムのいずれかに基づいており、異なるスピードとソリューション品質のトレードオフを提供する。 本稿では,Ising マシンを用いてトポロジ対応の代入問題を解くアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-21T19:46:59Z)
• 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。