論文の概要: LAWS: Look Around and Warm-Start Natural Gradient Descent for Quantum
Neural Networks
- arxiv url: http://arxiv.org/abs/2205.02666v1
- Date: Thu, 5 May 2022 14:16:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 16:01:29.752587
- Title: LAWS: Look Around and Warm-Start Natural Gradient Descent for Quantum
Neural Networks
- Title（参考訳）: LAWS:量子ニューラルネットワークの自然光の輝きを振り返ってウォームスター
- Authors: Zeyi Tao, Jindi Wu, Qi Xia, Qun Li
- Abstract要約: Vari Quantum Algorithm (VQA) は、ノイズ中間スケール量子コンピュータ (NISQ) における有望な性能のために最近注目されている。
パラメータ化量子回路(PQC)上でランダムなパラメータを持つVQAは、勾配が量子ビット数で指数関数的に消えるバレンプラトー(BP)によって特徴づけられる。
本稿では、古典的な1次最適化点から、VQAでよく使われるアルゴリズムの1つである量子自然勾配(QNG)について述べる。
そして、私たちはアンダーラインAroundアンダーラインを提案しました。
- 参考スコア（独自算出の注目度）: 11.844238544360149
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational quantum algorithms (VQAs) have recently received significant
attention from the research community due to their promising performance in
Noisy Intermediate-Scale Quantum computers (NISQ). However, VQAs run on
parameterized quantum circuits (PQC) with randomly initialized parameters are
characterized by barren plateaus (BP) where the gradient vanishes exponentially
in the number of qubits. In this paper, we first review quantum natural
gradient (QNG), which is one of the most popular algorithms used in VQA, from
the classical first-order optimization point of view. Then, we proposed a
\underline{L}ook \underline{A}round \underline{W}arm-\underline{S}tart QNG
(LAWS) algorithm to mitigate the widespread existing BP issues. LAWS is a
combinatorial optimization strategy taking advantage of model parameter
initialization and fast convergence of QNG. LAWS repeatedly reinitializes
parameter search space for the next iteration parameter update. The
reinitialized parameter search space is carefully chosen by sampling the
gradient close to the current optimal. Moreover, we present a unified framework
(WS-SGD) for integrating parameter initialization techniques into the
optimizer. We provide the convergence proof of the proposed framework for both
convex and non-convex objective functions based on Polyak-Lojasiewicz (PL)
condition. Our experiment results show that the proposed algorithm could
mitigate the BP and have better generalization ability in quantum
classification problems.
- Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、最近、ノイズ中間スケール量子コンピュータ(NISQ)における有望な性能のために、研究コミュニティから大きな注目を集めている。
しかし、パラメータ化量子回路(PQC)上でランダムに初期化パラメータを持つVQAは、勾配が量子ビット数で指数関数的に消失するバレンプラトー(BP)によって特徴づけられる。
本稿では、古典的な一階最適化の観点から、VQAでよく使われるアルゴリズムの1つである量子自然勾配(QNG)について概観する。
そこで我々は,既存のBP問題を緩和するために, \underline{L}ook \underline{A}round \underline{W}arm-\underline{S}tart QNG (LAWS) アルゴリズムを提案した。
LAWSはモデルパラメータの初期化とQNGの高速収束を利用した組合せ最適化戦略である。
LAWSは、次のイテレーションパラメータ更新のためにパラメータ検索スペースを再起動する。
再帰パラメータ探索空間は、現在の最適に近い勾配をサンプリングすることで慎重に選択される。
さらに,パラメータ初期化手法を最適化器に統合するための統合フレームワーク(WS-SGD)を提案する。
本稿では,polyak-lojasiewicz (pl) 条件に基づく凸目的関数と非凸目的関数の両方に対する提案フレームワークの収束証明を提供する。
実験の結果,提案アルゴリズムはBPを緩和し,量子分類問題においてより優れた一般化能力を有することが示された。
関連論文リスト
- Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [47.47843839099175]
近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。
本研究では、この離散時間解が一般化形式を与えることを示すために、QNG力を持つランゲヴィン方程式を用いる。
論文 参考訳（メタデータ） (2024-09-03T15:21:16Z) - 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) - Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。
本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
論文 参考訳（メタデータ） (2023-04-27T00:06:48Z) - Sample-Then-Optimize Batch Neural Thompson Sampling [50.800944138278474]
我々はトンプソンサンプリング(TS)ポリシーに基づくブラックボックス最適化のための2つのアルゴリズムを提案する。
入力クエリを選択するには、NNをトレーニングし、トレーニングされたNNを最大化してクエリを選択するだけです。
我々のアルゴリズムは、大きなパラメータ行列を逆転する必要性を助長するが、TSポリシーの妥当性は保たれている。
論文 参考訳（メタデータ） (2022-10-13T09:01:58Z) - Iterative-Free Quantum Approximate Optimization Algorithm Using Neural
Networks [20.051757447006043]
そこで本稿では,ニューラルネットワークを用いて与えられた問題に対して,より優れたパラメータを求めるための実践的手法を提案する。
我々の手法は一貫して収束し、最終結果も最高速である。
論文 参考訳（メタデータ） (2022-08-21T14:05:11Z) - Parameters Fixing Strategy for Quantum Approximate Optimization
Algorithm [0.0]
そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。
我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
論文 参考訳（メタデータ） (2021-08-11T15:44:16Z) - 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) - Quantum annealing initialization of the quantum approximate optimization
algorithm [0.0]
量子近似最適化アルゴリズム(QAOA)は、近い将来の量子アルゴリズムである。
QAOAで必要とされる外部パラメータの最適化は、パフォーマンスのボトルネックになる可能性がある。
本研究では、ランダムグラフ上のMaxCut問題に適用されたQAOAの最適化景観を可視化する。
論文 参考訳（メタデータ） (2021-01-14T17:45:13Z) - 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) - Proximal Gradient Algorithm with Momentum and Flexible Parameter Restart
for Nonconvex Optimization [73.38702974136102]
アルゴリズムの高速化のために,パラメータ再起動方式が提案されている。
本論文では,非滑らかな問題を解くアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-26T16:06:27Z)
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。