Fugu-MT 論文翻訳(概要): Grover Search Inspired Alternating Operator Ansatz of Quantum Approximate Optimization Algorithm for Search Problems

論文の概要: Grover Search Inspired Alternating Operator Ansatz of Quantum Approximate Optimization Algorithm for Search Problems

arxiv url: http://arxiv.org/abs/2204.10324v1
Date: Thu, 21 Apr 2022 01:41:36 GMT
ステータス: 処理完了
システム内更新日: 2023-02-16 03:25:44.418730
Title: Grover Search Inspired Alternating Operator Ansatz of Quantum Approximate Optimization Algorithm for Search Problems
Title（参考訳）: 探索問題に対する量子近似最適化アルゴリズムのGrover Searchによる代替演算子アンザツ
Authors: Chen-Fu Chiang and Paul M. Alsing
Abstract要約: AGS(Adiabatic Grover Search)とAQC(Adiabatic Quantum Computing)の2つの計算フレームワーク間のマッピングを利用する。次に、AGSのスケジュール依存ハミルトニアンにトロタライズを適用し、量子近似最適化アルゴリズム(QAOA)フレームワークにおける変動パラメータの値を求める。
参考スコア（独自算出の注目度）: 0.913755431537592
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We use the mapping between two computation frameworks , Adiabatic Grover Search (AGS) and Adiabatic Quantum Computing (AQC), to translate the Grover search algorithm into the AQC regime. We then apply Trotterization on the schedule-dependent Hamiltonian of AGS to obtain the values of variational parameters in the Quantum Approximate Optimization Algorithm (QAOA) framework. The goal is to carry the optimal behavior of Grover search algorithm into the QAOA framework without the iterative machine learning processes.
Abstract（参考訳）: 我々は,AGS(Adiabatic Grover Search)とAQC(Adiabatic Quantum Computing)の2つの計算フレームワーク間のマッピングを用いて,Groverの探索アルゴリズムをAQCレギュレーションに変換する。次に,量子近似最適化アルゴリズム (qaoa) における変分パラメータの値を得るために, ags のスケジュール依存ハミルトニアンにトロタライズを適用する。目標は、反復的な機械学習プロセスなしで、グローバー探索アルゴリズムの最適動作をqaoaフレームワークに導入することである。

関連論文リスト

A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文参考訳（メタデータ） (2023-06-15T15:28:12Z)
Stochastic Ratios Tracking Algorithm for Large Scale Machine Learning Problems [0.7614628596146599]
古典的なSGDフレームワークにおける適応的なステップ長選択のための新しいアルゴリズムを提案する。妥当な条件下では、アルゴリズムは十分に確立された理論的な要件に従ってステップ長を生成する。このアルゴリズムは,手動チューニングから得られる最良ステップ長に匹敵するステップ長を生成することができることを示す。
論文参考訳（メタデータ） (2023-05-17T06:22:11Z)
Complement Grover's Search Algorithm: An Amplitude Suppression Implementation [0.5352699766206808]
グロバーの探索アルゴリズムは量子アルゴリズムにおける画期的な進歩であった。 Groverの検索アルゴリズムの拡張は、クエリの焦点が望ましくない項目に向けられている場合に導かれる。結果はQAOAと比較される。
論文参考訳（メタデータ） (2022-09-21T16:38:36Z)
Quantitative approach to Grover's quantum walk on graphs [62.997667081978825]
グラフ上の連続時間量子ウォークに着目したGroverの探索アルゴリズムについて検討する。関連する量子ウォークに便利なグラフトポロジーを見つける代わりに、グラフトポロジーを修正し、ラプラシアンを基礎とするグラフを変化させる。
論文参考訳（メタデータ） (2022-07-04T19:33:06Z)
Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit Optimization [63.8557841188626]
期待されている改善(EI)アルゴリズムは、不確実性の下で最適化するための最も一般的な戦略の1つである。本稿では,GP予測平均を通した標準既存値を持つEIの変種を提案する。我々のアルゴリズムは収束し、$mathcal O(gamma_TsqrtT)$の累積後悔境界を達成することを示す。
論文参考訳（メタデータ） (2022-03-15T13:17:53Z)
Reflection-Based Adiabatic State Preparation [0.0]
我々のアルゴリズムは、断熱スケジュールに沿って定義された瞬時ハミルトンの固有空間から決定される一連の反射をデプロイする。我々は,探索問題に対して,アルゴリズムがGroverの探索よりも高速に解を見つけることができることを示す数値的な証拠を提供する。
論文参考訳（メタデータ） (2021-11-10T00:03:00Z)
Adaptive Approach For Sparse Representations Using The Locally Competitive Algorithm For Audio [5.6394515393964575]
本稿ではガンマチャープのパラメータを最適化するための適応的アプローチを提案する。提案手法はLCAのニューラルネットワークを利用してガンマチャープのフィルタバンクを自動的に適応する。以上の結果から, このアプローチによるLCAの性能向上は, スパーシリティ, 再建品質, 収束時間の観点から示される。
論文参考訳（メタデータ） (2021-09-29T20:26:16Z)
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)
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)
Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文参考訳（メタデータ） (2020-06-11T17:43:19Z)

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。