論文の概要: Recommender System Expedited Quantum Control Optimization

• arxiv url: http://arxiv.org/abs/2201.12550v2
• Date: Tue, 1 Feb 2022 08:10:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 09:00:47.584967
• Title: Recommender System Expedited Quantum Control Optimization
• Title（参考訳）: 量子制御最適化によるリコメンダシステム
• Authors: Priya Batra, M. Harshanth Ram, T. S. Mahesh
• Abstract要約: 量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。 効率的な最適化アルゴリズムの設計には2つの大きな課題がある。 本稿では,後者の課題に対処するため,機械学習手法,特にレコメンダシステム(RS)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum control optimization algorithms are routinely used to generate optimal quantum gates or efficient quantum state transfers. However, there are two main challenges in designing efficient optimization algorithms, namely overcoming the sensitivity to local optima and improving the computational speed. The former challenge can be dealt with by designing hybrid algorithms, such as a combination of gradient and simulated annealing methods. Here, we propose and demonstrate the use of a machine learning method, specifically the recommender system (RS), to deal with the latter challenge of enhancing computational efficiency. We first describe ways to set up a rating matrix involving gradients or gate fidelities. We then establish that RS can rapidly and accurately predict elements of a sparse rating matrix. Using this approach, we expedite a gradient ascent based quantum control optimization, namely GRAPE and demonstrate the faster performance for up to 8 qubits. Finally, we describe and implement the enhancement of the computational speed of a hybrid algorithm, namely SAGRAPE.
• Abstract（参考訳）: 量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。 しかし、効率的な最適化アルゴリズムの設計には、局所最適に対する感度を克服し、計算速度を向上する2つの大きな課題がある。 従来の課題は、勾配法とシミュレートされたアニール法の組み合わせのようなハイブリッドアルゴリズムを設計することで対処できる。 本稿では,計算効率向上のための後者の課題に対処するために,機械学習手法,特にレコメンダシステム(rs)を提案する。 まず、勾配やゲート忠実度を含む評価行列を設定する方法について述べる。 次に、RSがスパース評価行列の要素を迅速かつ正確に予測できることを確かめる。 このアプローチを用いることで、GRAPEと呼ばれる勾配上昇に基づく量子制御最適化を高速化し、最大8量子ビットでの高速な性能を示す。 最後に,ハイブリッドアルゴリズムであるSAGRAPEの計算速度の向上について述べる。

関連論文リスト

• Quantum Circuit Optimization using Differentiable Programming of Tensor Network States [0.0]
  このアルゴリズムは古典的なハードウェア上で動作し、浅い正確な量子回路を見つける。 すべての回路は、適切なCPU時間と控えめなメモリ要求下で高い状態忠実性を達成する。
  論文  参考訳（メタデータ） (2024-08-22T17:48:53Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• Gradient-Free optimization algorithm for single-qubit quantum classifier [0.3314882635954752]
  量子デバイスによるバレンプラトーの影響を克服するために、勾配のない最適化アルゴリズムを提案する。 提案アルゴリズムは分類タスクに対して実証され,Adamを用いた手法と比較される。 提案アルゴリズムはAdamよりも高速に精度を向上できる。
  論文  参考訳（メタデータ） (2022-05-10T08:45:03Z)
• Stochastic optimization algorithms for quantum applications [0.0]
  本稿では、一階法、二階法、量子自然勾配最適化法の使用法を概観し、複素数体で定義される新しいアルゴリズムを提案する。 全ての手法の性能は、変分量子固有解法、量子状態の量子制御、および量子状態推定に応用して評価される。
  論文  参考訳（メタデータ） (2022-03-11T16:17:05Z)
• Fast optimal structures generator for parameterized quantum circuits [4.655660925754175]
  現在の構造最適化アルゴリズムは、変分量子アルゴリズム(VQA)の新しいタスクごとにスクラッチから量子回路の構造を最適化する 本稿では,量子ゲート数を自動的に決定し,新しいタスクに最適な構造を直接生成する,VQAの高速構造最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-10T12:19:37Z)
• 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)
• Filtering variational quantum algorithms for combinatorial optimization [0.0]
  本稿では、フィルタ演算子を用いて最適解への高速で信頼性の高い収束を実現する変分量子固有解法(F-VQE)を提案する。 また、量子コンピュータに必要な量子ビット数を減らすために因果錐を用いる方法についても検討する。
  論文  参考訳（メタデータ） (2021-06-18T11:07:33Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• 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)

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。