論文の概要: An Efficient Gradient Sensitive Alternate Framework for VQE with
Variable Ansatz
- arxiv url: http://arxiv.org/abs/2205.03031v2
- Date: Wed, 15 Jun 2022 09:39:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 03:45:16.412050
- Title: An Efficient Gradient Sensitive Alternate Framework for VQE with
Variable Ansatz
- Title(参考訳): 可変アンサッツを用いたvqe用高効率勾配感度代替フレームワーク
- Authors: Ze-Tong Li, Fan-Xu Meng, Han Zeng, Zai-Chen Zhang, Xu-Tao Yu
- Abstract要約: 本稿では,変分量子固有解器(VQE)の性能を高めるために,可変アンサッツを用いた勾配感度代替フレームワークを提案する。
本研究では,ハードウェア効率のよいアンサッツと比較して,検出した解の誤差を最大87.9%向上することを示す。
- 参考スコア(独自算出の注目度): 13.360755226969678
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational quantum eigensolver (VQE), aiming at determining the ground state
energy of a quantum system described by a Hamiltonian on noisy intermediate
scale quantum (NISQ) devices, is among the most significant applications of
variational quantum algorithms (VQAs). However, the accuracy and trainability
of the current VQE algorithm are significantly influenced due to the barren
plateau (BP), the non-negligible gate error and limited coherence time in NISQ
devices. To tackle these issues, a gradient-sensitive alternate framework with
variable ansatz is proposed in this paper to enhance the performance of the
VQE. We first propose a theoretical framework for VA-VQE via alternately
solving a multi-objective optimization problem and the original VQE, where the
multi-objective optimization problem is defined with respect to cost function
values and gradient magnitudes. Then, we propose a novel implementation method
based on the double $\epsilon$-greedy strategy with the candidate tree and
modified multi-objective genetic algorithm. As a result, the local optima are
avoided both in ansatz and parameter perspectives, and the stability of output
ansatz is enhanced. The experimental results indicate that our framework shows
considerably improvement of the error of the found solution by up to 87.9%
compared with the hardware-efficient ansatz. Furthermore, compared with the
full-randomized VA-VQE implementation, our framework is able to obtain the
improvement of the error and the stability by up to 36.0% and 58.7%,
respectively, with similar quantum costs.
- Abstract(参考訳): 雑音中規模量子(nisq)デバイス上でハミルトニアンによって記述された量子システムの基底状態エネルギーを決定することを目的とした変分量子固有ソルバ(vqe)は、変分量子アルゴリズム(vqas)の最も重要な応用の一つである。
しかし,現在のvqeアルゴリズムの精度とトレーサビリティは,バレン高原(bp),非無視ゲート誤差,コヒーレンス時間の制限などにより大きく影響している。
これらの課題に対処するため, 可変アンサッツを用いた勾配感応型代替フレームワークを提案し, VQEの性能向上を図る。
まず,多目的最適化問題とVQEを交互に解くことによってVA-VQEの理論的枠組みを提案する。
そこで我々は,候補木と修正多目的遺伝的アルゴリズムを用いた2倍$\epsilon$-greedy戦略に基づく新しい実装法を提案する。
その結果、局所光学はアンサッツとパラメータの観点の両方において回避され、出力アンサッツの安定性が向上する。
実験結果から,本フレームワークは,ハードウェア効率のよいアンサッツと比較して,最大87.9%の誤差改善を示した。
さらに、完全なVA-VQE実装と比較して、我々のフレームワークは、同様の量子コストで、エラーと安定性を最大36.0%、58.7%向上させることができる。
関連論文リスト
- Variational Quantum Eigensolver with Constraints (VQEC): Solving
Constrained Optimization Problems via VQE [0.0]
変分量子アプローチは、計算的に困難なタスクに対する準最適解を見つけることに大きな期待を示している。
この研究は、VQECと呼ばれるハイブリッド量子古典的アルゴリズムパラダイムを提案し、制約による最適化を扱う。
論文 参考訳(メタデータ) (2023-11-14T19:49:09Z) - Distributionally Robust Variational Quantum Algorithms with Shifted
Noise [10.60294155904718]
現実的な問題は、環境変化に対する量子ノイズの感度が高く、リアルタイムにシフトする確率である。
これは、最適化されたVQAアンザッツが異なるノイズ環境下では効果的に動作しないため、重要な問題となる。
本稿では,VQAパラメータを未知のシフトノイズに対して頑健に最適化する方法を初めて検討する。
論文 参考訳(メタデータ) (2023-08-28T23:19:57Z) - Benchmarking Adaptative Variational Quantum Algorithms on QUBO Instances [0.0]
適応型VQAは、トレーニング中にパラメータの追加、削除、最適化によって回路構造を動的に修正する。
可変量子固有解器(EVQE)、可変アンサッツ(VAns)、ランダム適応-VQE(RA-VQE)の3つの適応的VQAを分析し、ベースラインとして導入するランダムなアプローチを提案する。
我々の分析は、短期量子デバイス用に設計されたAdaptative VQAのベンチマークを設定する。
論文 参考訳(メタデータ) (2023-08-03T14:39:02Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - Parent Hamiltonian as a benchmark problem for variational quantum
eigensolvers [0.6946929968559495]
変分量子固有解法(VQE)は、アンザッツと呼ばれる量子回路のパラメータを変動的に最適化することで、与えられたハミルトンの基底状態を求める。
この研究は、VQEのエネルギーを分析し、アンザッツとその初期パラメータの設計に寄与する体系的な方法を提供する。
論文 参考訳(メタデータ) (2021-09-24T06:09:10Z) - Efficient measure for the expressivity of variational quantum algorithms [72.59790225766777]
我々は、変分量子アルゴリズムの表現率を研究するために、統計学習理論、すなわち被覆数に関する高度なツールを利用する。
まず、任意のアンサーゼを持つVQAの表現性は、量子ゲートの数と観測可能な測定値によって上限づけられていることを示す。
次に,システムノイズを考慮した量子チップ上でのVQAの表現性について検討する。
論文 参考訳(メタデータ) (2021-04-20T13:51:08Z) - Layer VQE: A Variational Approach for Combinatorial Optimization on
Noisy Quantum Computers [5.644434841659249]
変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。
L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。
シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下では良好に動作していることがわかった。
論文 参考訳(メタデータ) (2021-02-10T16:53:22Z) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳(メタデータ) (2020-11-02T19:52:04Z) - 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) - 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) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳(メタデータ) (2020-03-11T13:52:41Z)
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。