論文の概要: Efficient Classical Computation of Quantum Mean Values for Shallow QAOA
Circuits
- arxiv url: http://arxiv.org/abs/2112.11151v1
- Date: Tue, 21 Dec 2021 12:41:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 22:47:51.379996
- Title: Efficient Classical Computation of Quantum Mean Values for Shallow QAOA
Circuits
- Title(参考訳): 浅いqaoa回路における量子平均値の効率的な古典計算
- Authors: Wei-Feng Zhuang, Ya-Nan Pu, Hong-Ze Xu, Xudan Chai, Yanwu Gu, Yunheng
Ma, Shahid Qamar, Chen Qian, Peng Qian, Xiao Xiao, Meng-Jun Hu, and Dong E.
Liu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 15.279642278652654
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Quantum Approximate Optimization Algorithm (QAOA), which is a variational
quantum algorithm, aims to give sub-optimal solutions of combinatorial
optimization problems. It is widely believed that QAOA has the potential to
demonstrate application-level quantum advantages in the noisy
intermediate-scale quantum(NISQ) processors with shallow circuit depth. Since
the core of QAOA is the computation of expectation values of the problem
Hamiltonian, an important practical question is whether we can find an
efficient classical algorithm to solve quantum mean value in the case of
general shallow quantum circuits. Here, we present a novel graph decomposition
based classical algorithm that scales linearly with the number of qubits for
the shallow QAOA circuits in most optimization problems except for complete
graph case. Numerical tests in Max-cut, graph coloring and
Sherrington-Kirkpatrick model problems, compared to the state-of-the-art
method, shows orders of magnitude performance improvement. Our results are not
only important for the exploration of quantum advantages with QAOA, but also
useful for the benchmarking of NISQ processors.
- Abstract(参考訳): 変分量子アルゴリズムであるQuantum Approximate Optimization Algorithm (QAOA)は、組合せ最適化問題の準最適解を提供することを目的としている。
QAOAは、浅い回路深さを持つノイズの多い中間スケール量子(NISQ)プロセッサにおいて、応用レベルの量子優位性を示す可能性があると広く信じられている。
qaoaの中核は問題ハミルトニアンの期待値の計算であるので、一般的な浅層量子回路の場合、量子平均値を解く効率的な古典的アルゴリズムを見つけることができるかどうかという重要な実用的疑問がある。
本稿では,完全グラフの場合を除くほとんどの最適化問題において,浅いqaoa回路の量子ビット数に線形にスケールする新しいグラフ分解に基づく古典アルゴリズムを提案する。
最大カット, グラフカラー化, シェリントン・カークパトリックモデル問題の数値実験は, 最先端手法と比較して, 桁違いの性能向上を示す。
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。
関連論文リスト
- Quantum Approximate Optimisation for Not-All-Equal SAT [9.427635404752936]
変動量子アルゴリズムのQAOAを、満足度問題(SAT: Not-All-Equal SAT)の変種に適用する。
両ソルバのランタイムは問題サイズとともに指数関数的にスケールするが,QAOAのスケーリングは回路深さが十分に大きい場合に小さくなることを示す。
論文 参考訳(メタデータ) (2024-01-05T15:11:24Z) - Challenges of variational quantum optimization with measurement shot
noise [0.0]
問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。
この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
論文 参考訳(メタデータ) (2023-07-31T18:01:15Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - 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) - 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) - 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) - Quantum mean value approximator for hard integer value problems [19.4417702222583]
正確な予想よりも近似を用いることで、最適化を大幅に改善できることを示す。
効率的な古典的サンプリングアルゴリズムとともに、極小ゲート数を持つ量子アルゴリズムは、一般的な整数値問題の効率を向上させることができる。
論文 参考訳(メタデータ) (2021-05-27T13:03:52Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳(メタデータ) (2021-05-14T11:31:14Z) - 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) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳(メタデータ) (2020-09-15T18:17:27Z) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳(メタデータ) (2020-04-06T21:31:22Z)
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。