論文の概要: Shortcuts to Quantum Approximate Optimization Algorithm
- arxiv url: http://arxiv.org/abs/2112.10943v3
- Date: Sun, 24 Apr 2022 09:08:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 22:54:59.384813
- Title: Shortcuts to Quantum Approximate Optimization Algorithm
- Title(参考訳): 量子近似最適化アルゴリズムのショートカット
- Authors: Yahui Chai, Yong-Jian Han, Yu-Chun Wu, Ye Li, Menghan Dou, Guo-Ping
Guo
- Abstract要約: 我々は「QAOAへのショートカット」(S-QAOA)と呼ばれる新しいアンサッツを提案する。
S-QAOAは、2体相互作用を多く含み、パラメータ自由を解放することで、ターゲットハミルトン状態へのショートカットを提供する。
MaxCut問題とSherrington-Kirkpatrick(SK)モデルを考えると、YY相互作用が最高の性能を示す。
- 参考スコア(独自算出の注目度): 2.150418646956503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Quantum Approximate Optimization Algorithm (QAOA) is a quantum-classical
hybrid algorithm intending to find the ground state of a target Hamiltonian.
Theoretically, QAOA can obtain the approximate solution if the quantum circuit
is deep enough. Actually, the performance of QAOA decreases practically if the
quantum circuit is deep since near-term devices are not noise-free and the
errors caused by noise accumulate as the quantum circuit increases. In order to
reduce the depth of quantum circuits, we propose a new ansatz dubbed as
"Shortcuts to QAOA" (S-QAOA), S-QAOA provides shortcuts to the ground state of
target Hamiltonian by including more two-body interactions and releasing the
parameter freedoms. To be specific, besides the existing ZZ interaction in the
QAOA ansatz, other two-body interactions are introduced in the S-QAOA ansatz
such that the approximate solutions could be obtained with smaller circuit
depth. Considering the MaxCut problem and Sherrington-Kirkpatrick (SK) model,
numerically computation shows the YY interaction has the best performance. The
reason for this might arise from the counterdiabatic effect generated by YY
interaction. On top of this, we release the freedom of parameters of two-body
interactions, which a priori do not necessarily have to be fully identical, and
numerical results show that it is worth paying the extra cost of having more
parameter freedom since one has a greater improvement on success rate.
- Abstract(参考訳): 量子近似最適化アルゴリズム (quantum approximation optimization algorithm,qaoa) は、対象ハミルトニアンの基底状態を求める量子古典ハイブリッドアルゴリズムである。
理論的には、量子回路が十分に深い場合、QAOAは近似解を得ることができる。
実際、QAOAの性能は、短期デバイスがノイズフリーではなく、量子回路が増加するにつれてノイズによる誤差が蓄積されるため、量子回路が深い場合、実質的に低下する。
量子回路の深さを低減するために、S-QAOAは2体相互作用を多く含みパラメータ自由を解放することで、ターゲットハミルトン状態へのショートカットを提供する「ショートカット・トゥ・QAOA」(S-QAOA)と呼ばれる新しいアンサッツを提案する。
具体的には、QAOAアンサッツにおける既存のZZ相互作用に加えて、S-QAOAアンサッツに他の2体相互作用を導入し、回路深さを小さくすることで近似解を得ることができる。
MaxCut問題とSherrington-Kirkpatrick(SK)モデルを考えると、YY相互作用が最高の性能を示す。
この原因はYY相互作用によって生じる反断熱効果から生じる可能性がある。
さらに,2体相互作用のパラメータの自由を解放し,そのパラメータが必ずしも完全に同一でなくてもよいことを示すとともに,数値的な結果から,成功率の向上によりパラメータ自由度が増大する余分なコストを支払う価値が示された。
関連論文リスト
- QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳(メタデータ) (2024-01-10T22:33:00Z) - Efficient Quantum Circuits based on the Quantum Natural Gradient [0.0]
任意の絡み合った量子状態の効率的な準備は、量子計算に不可欠である。
対称保存型量子近似最適化(SCom-QAOA)回路を提案する。
提案手法は、変分量子アルゴリズムで利用できる初期状態の集合を拡大し、量子シミュレータにおける非平衡現象の研究範囲を広げる。
論文 参考訳(メタデータ) (2023-10-16T16:08:57Z) - Trainability Analysis of Quantum Optimization Algorithms from a Bayesian
Lens [2.9356265132808024]
雑音のないQAOA回路の深さが$tildemathtlog nright)$を効率よく訓練できることを示す。
この結果は、ノイズの多い中間スケール量子時代における量子アルゴリズムの理論的性能を提供する。
論文 参考訳(メタデータ) (2023-10-10T02:56:28Z) - Adiabatic quantum computing with parameterized quantum circuits [0.0]
断熱量子コンピューティング(Adiabatic quantum computing)は、量子コンピューティングの普遍的なモデルである。
本稿では,短期機器の限界を緩和する新しい手法を提案する。
提案アルゴリズムと変分量子固有解器を2つの古典最適化問題で比較する。
論文 参考訳(メタデータ) (2022-06-09T09:31:57Z) - 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) - 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) - 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) - A loop Quantum Approximate Optimization Algorithm with Hamiltonian
updating [0.0]
本稿では,ループQAOAと呼ばれる非常に浅い回路を持つ量子近似最適化アルゴリズムを提案する。
浅い回路からの出力をバイアスとして活用する洞察は他の量子アルゴリズムにも応用できる。
論文 参考訳(メタデータ) (2021-09-23T12:55:51Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z) - 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) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳(メタデータ) (2020-08-03T18:00:05Z)
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。