論文の概要: BEINIT: Avoiding Barren Plateaus in Variational Quantum Algorithms
- arxiv url: http://arxiv.org/abs/2204.13751v1
- Date: Thu, 28 Apr 2022 19:46:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 08:11:03.207332
- Title: BEINIT: Avoiding Barren Plateaus in Variational Quantum Algorithms
- Title（参考訳）: BEINIT:変分量子アルゴリズムにおけるバレンプラトーの回避
- Authors: Ankit Kulshrestha and Ilya Safro
- Abstract要約: バレンプラトーは変分量子アルゴリズムの最適化において悪名高い問題である。
ベータ分布から引き出すことで、ユニタリゲートのパラメータを初期化する代替戦略を提案する。
提案手法は, 複雑な量子ニューラルネットワークがバレン高原で立ち往生する可能性を大幅に低減することを示す。
- 参考スコア（独自算出の注目度）: 0.7462336024223667
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Barren plateaus are a notorious problem in the optimization of variational
quantum algorithms and pose a critical obstacle in the quest for more efficient
quantum machine learning algorithms. Many potential reasons for barren plateaus
have been identified but few solutions have been proposed to avoid them in
practice. Existing solutions are mainly focused on the initialization of
unitary gate parameters without taking into account the changes induced by
input data. In this paper, we propose an alternative strategy which initializes
the parameters of a unitary gate by drawing from a beta distribution. The
hyperparameters of the beta distribution are estimated from the data. To
further prevent barren plateau during training we add a novel perturbation at
every gradient descent step. Taking these ideas together, we empirically show
that our proposed framework significantly reduces the possibility of a complex
quantum neural network getting stuck in a barren plateau.
- Abstract（参考訳）: バレンプラトーは変分量子アルゴリズムの最適化において悪名高い問題であり、より効率的な量子機械学習アルゴリズムの探求において重要な障害となる。
バレン高原の多くの潜在的な原因が特定されているが、実際にはそれらを避けるための解決策が提案されていない。
既存のソリューションは、入力データによって引き起こされる変化を考慮せずにユニタリゲートパラメータの初期化に重点を置いている。
本稿では,ベータ分布から引き出すことでユニタリゲートのパラメータを初期化する代替戦略を提案する。
データからベータ分布のハイパーパラメータを推定する。
トレーニング中の不毛高原をさらに防止するため,傾斜降下ステップ毎に新たな摂動を追加する。
これらのアイデアを組み合わせることで,提案手法は複雑な量子ニューラルネットワークが不毛高原に定着する可能性を大幅に減少させることを示した。
関連論文リスト
- A Survey of Methods for Mitigating Barren Plateaus for Parameterized Quantum Circuits [0.0]
バレンプラトーは、損失関数の平坦なプラトーに繋がるハイブリッド量子古典アルゴリズムにとって、恐ろしい挑戦である。
本稿では, 古典的な勾配の解釈と, コスト関数, 絡み合い, バレン高原への戦略を掘り下げる概念的視点を提供する。
論文 参考訳（メタデータ） (2024-06-20T13:10:26Z) - Avoiding barren plateaus via Gaussian Mixture Model [6.0599055267355695]
変分量子アルゴリズムは、量子コンピューティングにおいて最も代表的なアルゴリズムの1つである。
大量の量子ビット、ディープ・サーキット・レイヤ、グローバル・コスト・ファンクションを扱う場合、それらはしばしば訓練不能となる。
論文 参考訳（メタデータ） (2024-02-21T03:25:26Z) - From barren plateaus through fertile valleys: Conic extensions of
parameterised quantum circuits [0.0]
我々は、不毛の高原から肥大な谷に飛び降りるのを好むアプローチを導入する。
これらの演算は、パラメータ化されたユニタリ量子回路の円錐拡張によって構成される。
さらに,低次元一般化固有値問題に対する最適跳躍方向を求める問題を小さくする。
論文 参考訳（メタデータ） (2023-10-06T13:56:42Z) - Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。
提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。
大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
論文 参考訳（メタデータ） (2022-11-02T14:35:13Z) - Complexity-Theoretic Limitations on Quantum Algorithms for Topological
Data Analysis [59.545114016224254]
トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。
我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。
我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
論文 参考訳（メタデータ） (2022-09-28T17:53:25Z) - Avoiding barren plateaus via transferability of smooth solutions in
Hamiltonian Variational Ansatz [0.0]
変分量子アルゴリズム(VQA)は、現在の量子デバイス上で計算スピードアップを達成するための主要な候補である。
2つの大きなハードルは、低品質な局所最小値の増殖と、コスト関数のランドスケープにおける勾配の指数的な消失である。
ここでは、反復探索方式を用いることで、パラダイム的量子多体モデルの基底状態を効果的に作成できることを示す。
論文 参考訳（メタデータ） (2022-06-04T12:52:29Z) - Distributed Sketching for Randomized Optimization: Exact
Characterization, Concentration and Lower Bounds [54.51566432934556]
我々はヘシアンの形成が困難である問題に対する分散最適化法を検討する。
ランダム化されたスケッチを利用して、問題の次元を減らし、プライバシを保ち、非同期分散システムにおけるストラグラーレジリエンスを改善します。
論文 参考訳（メタデータ） (2022-03-18T05:49:13Z) - A Variational Inference Approach to Inverse Problems with Gamma
Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。
提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文 参考訳（メタデータ） (2021-11-26T06:33:29Z) - Multivariate Deep Evidential Regression [77.34726150561087]
不確実性を認識するニューラルネットワークによる新しいアプローチは、従来の決定論的手法よりも有望である。
本稿では,レグレッションベースニューラルネットワークからアレータ性およびてんかん性不確かさを抽出する手法を提案する。
論文 参考訳（メタデータ） (2021-04-13T12:20:18Z) - 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) - Entanglement Devised Barren Plateau Mitigation [1.382143546774115]
我々は不規則な高原の源としてランダムな絡み合いを含意し、多体絡み合いのダイナミクスの観点から特徴付ける。
本稿では,多くのバレン高原改善技術を提案し,実証する。
エンタングルメントの制限は、自動およびエンジニアリングの両方で、高精度なトレーニングの目印であることが分かっています。
論文 参考訳（メタデータ） (2020-12-22T17:49:38Z)
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。