論文の概要: Mitigating Barren Plateaus with Transfer-learning-inspired Parameter
Initializations
- arxiv url: http://arxiv.org/abs/2112.10952v3
- Date: Mon, 6 Feb 2023 00:32:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 22:55:14.413406
- Title: Mitigating Barren Plateaus with Transfer-learning-inspired Parameter
Initializations
- Title(参考訳): 移行学習に基づくパラメータ初期化によるバレン高原の緩和
- Authors: Huan-Yu Liu, Tai-Ping Sun, Yu-Chun Wu, Yong-Jian Han, and Guo-Ping Guo
- Abstract要約: 変分量子アルゴリズム(VQA)は、ノイズの多い中間スケール量子時代に広く応用されている。
VQAの訓練は困難に直面しており、そのうちの1つはいわゆるバレンプラトー(BP)現象である。
- 参考スコア(独自算出の注目度): 2.4290469931265344
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Variational quantum algorithms (VQAs) are widely applied in the noisy
intermediate-scale quantum era and are expected to demonstrate quantum
advantage. However, training VQAs faces difficulties, one of which is the
so-called barren plateaus (BP) phenomenon, where gradients of cost functions
vanish exponentially with the number of qubits. In this paper, inspired by
transfer learning, where knowledge of pre-solved tasks could be further used in
a different but related work with training efficiency improved, we report a
parameter initialization method to mitigate BP. In the method, a small-sized
task is solved with a VQA. Then the ansatz and its optimum parameters are
transferred to tasks with larger sizes. Numerical simulations show that this
method could mitigate BP and improve training efficiency. A brief discussion on
how this method can work well is also provided. This work provides a reference
for mitigating BP, and therefore, VQAs could be applied to more practical
problems.
- Abstract(参考訳): 変分量子アルゴリズム(vqas)は、ノイズの多い中間スケール量子時代において広く適用され、量子優位を示すことが期待されている。
しかしながら、VQAの訓練は困難に直面しており、そのうちの1つはいわゆるバレンプラトー(BP)現象であり、コスト関数の勾配はキュービット数とともに指数関数的に消失する。
本稿では,学習効率が向上した異なる作業において,事前解くタスクの知識がさらに活用できるトランスファー学習に触発され,bpを緩和するパラメータ初期化法について報告する。
この方法では、小型タスクをVQAで解決する。
その後、アンサッツとその最適パラメータは、より大きなサイズのタスクに転送される。
数値シミュレーションにより,bpの低減とトレーニング効率の向上が期待できる。
また,本手法の有効性に関する簡単な議論も行っている。
この研究は、BPを緩和するための基準を提供するので、VQAはより実用的な問題に適用できる。
関連論文リスト
- Preventing Local Pitfalls in Vector Quantization via Optimal Transport [77.15924044466976]
我々はシンクホーンアルゴリズムを用いて最適な輸送問題を最適化する新しいベクトル量子化法であるOptVQを紹介する。
画像再構成タスクの実験では,OptVQが100%のコードブック利用を実現し,現在最先端のVQNを超越していることが示された。
論文 参考訳(メタデータ) (2024-12-19T18:58:14Z) - The Dilemma of Random Parameter Initialization and Barren Plateaus in Variational Quantum Algorithms [4.348591076994875]
ヴァレンプラトー (BP) は、変分量子アルゴリズム (VQA) 内のランダムパラメータ化量子回路 (PQC) によって生じる課題である
本稿では,VQAにおけるバレンプラトー (BP) の課題を軽減するための,実装が容易なアプローチを提案する。
我々の研究は、BPを緩和し、VQAの潜在能力を最大限に活用しようとする量子アルゴリズム開発者にとって、明確な道のりを提供する。
論文 参考訳(メタデータ) (2024-12-09T13:08:46Z) - Enhancing Variational Quantum Circuit Training: An Improved Neural Network Approach for Barren Plateau Mitigation [0.0]
変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおいて最も有望なアルゴリズムの一つである。
コスト関数を最適化するために回路パラメータを反復的に更新する。
変分量子回路(VQCs)の訓練は、バレンプラトー(BPs)と呼ばれる現象の影響を受けやすい
論文 参考訳(メタデータ) (2024-11-14T06:43:37Z) - Sparse is Enough in Fine-tuning Pre-trained Large Language Models [98.46493578509039]
我々はSparse Increment Fine-Tuning (SIFT) という勾配に基づくスパース微調整アルゴリズムを提案する。
GLUE Benchmark や Instruction-tuning などのタスクで有効性を検証する。
論文 参考訳(メタデータ) (2023-12-19T06:06:30Z) - Improving Parameter Training for VQEs by Sequential Hamiltonian Assembly [4.646930308096446]
量子機械学習における中心的な課題は、パラメータ化量子回路(PQC)の設計と訓練である。
局所成分を用いて損失関数を反復的に近似する逐次ハミルトンアセンブリを提案する。
提案手法は,従来のパラメータトレーニングを29.99%,実証的手法であるレイヤワイズラーニングを5.12%,平均精度を5.12%向上させる。
論文 参考訳(メタデータ) (2023-12-09T11:47:32Z) - Alleviating Barren Plateaus in Parameterized Quantum Machine Learning
Circuits: Investigating Advanced Parameter Initialization Strategies [4.169604865257672]
ランダムパラメータ値を持つ場合、量子量子回路(PQC)はしばしばバレンプラトー(BP)を示す。
BPは量子アルゴリズムの最適化を妨げるため、量子ビット数の増加とともに勾配が消えつつある。
本稿では,PQCにおける古典的機械学習における最先端パラメータ初期化戦略の影響を解析する。
論文 参考訳(メタデータ) (2023-11-22T08:07:53Z) - Contrastive Example-Based Control [163.6482792040079]
報酬関数ではなく多段階遷移の暗黙的なモデルを学ぶオフラインのサンプルベース制御法を提案する。
状態ベースおよび画像ベースのオフライン制御タスクの範囲で、学習された報酬関数を使用するベースラインよりも優れています。
論文 参考訳(メタデータ) (2023-07-24T19:43:22Z) - PreQuant: A Task-agnostic Quantization Approach for Pre-trained Language
Models [52.09865918265002]
ファインチューニングのフレームワークPreQuantに先立って,新しい量子化を提案する。
PreQuantは様々な量子化戦略と互換性があり、インダクションされた量子化誤差を修正するために、アウタリア対応の微調整が組み込まれている。
BERT,RoBERTa,T5を用いたGLUEベンチマークにおけるPreQuantの有効性を示す。
論文 参考訳(メタデータ) (2023-05-30T08:41:33Z) - Avoiding Barren Plateaus with Classical Deep Neural Networks [0.0]
VQA(Vari quantum algorithm)は、ノイズ中間スケール量子デバイス時代において最も有望なアルゴリズムの一つである。
VQAは、化学シミュレーション、最適化問題、量子ニューラルネットワークなど、様々なタスクに適用される。
本稿では,VQA入力パラメータにおける古典的ニューラルネットワークの利用がバレンプラトー現象を緩和する方法について報告する。
論文 参考訳(メタデータ) (2022-05-26T15:14:01Z) - 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) - FLIP: A flexible initializer for arbitrarily-sized parametrized quantum
circuits [105.54048699217668]
任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。
FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。
本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
論文 参考訳(メタデータ) (2021-03-15T17:38:33Z)
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。