論文の概要: Quantum Approximate Optimization Algorithm applied to the binary perceptron

• arxiv url: http://arxiv.org/abs/2112.10219v1
• Date: Sun, 19 Dec 2021 18:33:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 18:54:41.532635
• Title: Quantum Approximate Optimization Algorithm applied to the binary perceptron
• Title（参考訳）: 量子近似最適化アルゴリズムのバイナリパーセプトロンへの応用
• Authors: Pietro Torta, Glen B. Mbeng, Carlo Baldassi, Riccardo Zecchina, Giuseppe E. Santoro
• Abstract要約: 本稿では,量子アニーリング(QA)と量子近似最適化アルゴリズム(QAOA)を,ニューラルネットワークにおける教師あり学習のパラダイムタスクに適用する。 我々はQAOAパラメータに対する最適滑らかな解の存在を証明し、同じ問題の典型例間で伝達可能であることを示す。 従来のQAよりもQAOAの性能が向上したことを示す。
• 参考スコア（独自算出の注目度）: 0.46664938579243564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We apply digitized Quantum Annealing (QA) and Quantum Approximate Optimization Algorithm (QAOA) to a paradigmatic task of supervised learning in artificial neural networks: the optimization of synaptic weights for the binary perceptron. At variance with the usual QAOA applications to MaxCut, or to quantum spin-chains ground state preparation, the classical Hamiltonian is characterized by highly non-local multi-spin interactions. Yet, we provide evidence for the existence of optimal smooth solutions for the QAOA parameters, which are transferable among typical instances of the same problem, and we prove numerically an enhanced performance of QAOA over traditional QA. We also investigate on the role of the QAOA optimization landscape geometry in this problem, showing that the detrimental effect of a gap-closing transition encountered in QA is also negatively affecting the performance of our implementation of QAOA.
• Abstract（参考訳）: 数値化量子アニーリング(qa)と量子近似最適化アルゴリズム(qaoa)を、ニューラルネットワークにおける教師付き学習のパラダイム的課題であるバイナリ・パーセプトロンのシナプス重みの最適化に適用する。 量子スピン鎖基底状態の準備において、MaxCutや量子スピン鎖に対する通常のQAOA応用と異なる場合、古典的ハミルトニアンは非常に非局所的なマルチスピン相互作用によって特徴づけられる。 しかし,同一問題の典型例間で移動可能なqaoaパラメータに対する最適平滑解が存在することを示すとともに,従来のqaに対するqaoaの性能向上を数値的に証明する。 また,この問題におけるQAOA最適化ランドスケープ形状の役割についても検討し,QAにおけるギャップ閉鎖遷移の有害効果が,当社のQAOA実装の性能に悪影響を及ぼしていることを示した。

関連論文リスト

• 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)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Mean-Field Approximate Optimization Algorithm [0.17812428873698405]
  平均場近似最適化アルゴリズム(平均場AOA)は、QAOAの量子進化を古典的なスピン力学に置き換えることで開発された。 我々は,シェリントン・カークパトリック(SK)モデルにおけるQAOAとパーティション問題を比較検討した。 そこで本アルゴリズムは,古典的に解けない問題から解ける最適化問題を記述するためのツールとして機能する。
  論文  参考訳（メタデータ） (2023-03-01T08:47:06Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Improving the performance of quantum approximate optimization for preparing non-trivial quantum states without translational symmetry [10.967081346848687]
  本研究では,量子近似最適化アルゴリズム(QAOA)の性能について検討した。 本稿では,パラメータ化資源であるハミルトンが支援する一般化QAOAを提案する。 我々の研究は、翻訳対称性のないプログラマブル量子プロセッサ上でQAOAを実行する方法である。
  論文  参考訳（メタデータ） (2022-06-06T14:17:58Z)
• General Hamiltonian Representation of ML Detection Relying on the Quantum Approximate Optimization Algorithm [74.6114458993128]
  最適化問題を解くために考案された量子近似最適化アルゴリズム(QAOA)は、既存のノイズのある中間スケール量子(NISQ)デバイス上で実行することができる。 我々は、QAOAを適切に適応させることにより、一般星座の最大可能性(ML)検出問題を解く。 特に、M-ary Gray-mapped Quarature amplitude modulation (MQAM) 星座では、同相成分をコードする特定の量子ビットと二次成分をコードする量子ビットが、興味のある量子系において独立であることを示す。
  論文  参考訳（メタデータ） (2022-04-11T14:11:24Z)
• Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
  浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。 我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
  論文  参考訳（メタデータ） (2021-12-21T12:41:31Z)
• 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)
• Error Mitigation for Deep Quantum Optimization Circuits by Leveraging Problem Symmetries [2.517903855792476]
  本稿では,古典的目的関数に含まれる対称性を活用して,QAOA進化における誤差を軽減するためのアプリケーション固有のアプローチを提案する。 具体的には、QAOA状態は対称性に制限された部分空間に投影され、投影は回路の終端または進化全体において実行される。 提案手法はQAOA状態の忠実度を向上し,QAOA目標の標本推定精度と,その目的値に対応するバイナリ文字列をサンプリングする確率を両立させる。
  論文  参考訳（メタデータ） (2021-06-08T14:40:48Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• 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。