論文の概要: Variational quantum algorithm for unconstrained black box binary
optimization: Application to feature selection
- arxiv url: http://arxiv.org/abs/2205.03045v3
- Date: Wed, 25 Jan 2023 10:20:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 03:45:40.017462
- Title: Variational quantum algorithm for unconstrained black box binary
optimization: Application to feature selection
- Title（参考訳）: 制約なしブラックボックスバイナリ最適化のための変分量子アルゴリズム:特徴選択への応用
- Authors: Christa Zoufal and Ryan V. Mishmash and Nitin Sharma and Niraj Kumar
and Aashish Sheshadri and Amol Deshmukh and Noelle Ibrahim and Julien Gacon
and Stefan Woerner
- Abstract要約: 制約のないブラックボックス二項問題の解法として,変分量子アルゴリズムを提案する。
これは最適化のための量子アルゴリズムの典型的な設定とは対照的である。
提案手法は,従来の特徴選択手法よりも競争力があり,性能も向上していることを示す。
- 参考スコア（独自算出の注目度）: 1.9182522142368683
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a variational quantum algorithm to solve unconstrained black box
binary optimization problems, i.e., problems in which the objective function is
given as black box. This is in contrast to the typical setting of quantum
algorithms for optimization where a classical objective function is provided as
a given Quadratic Unconstrained Binary Optimization problem and mapped to a sum
of Pauli operators. Furthermore, we provide theoretical justification for our
method based on convergence guarantees of quantum imaginary time evolution. To
investigate the performance of our algorithm and its potential advantages, we
tackle a challenging real-world optimization problem: feature selection. This
refers to the problem of selecting a subset of relevant features to use for
constructing a predictive model such as fraud detection. Optimal feature
selection -- when formulated in terms of a generic loss function -- offers
little structure on which to build classical heuristics, thus resulting
primarily in 'greedy methods'. This leaves room for (near-term) quantum
algorithms to be competitive to classical state-of-the-art approaches. We apply
our quantum-optimization-based feature selection algorithm, termed VarQFS, to
build a predictive model for a credit risk data set with 20 and 59 input
features (qubits) and train the model using quantum hardware and
tensor-network-based numerical simulations, respectively. We show that the
quantum method produces competitive and in certain aspects even better
performance compared to traditional feature selection techniques used in
today's industry.
- Abstract（参考訳）: 制約のないブラックボックスバイナリ最適化問題、すなわち目的関数がブラックボックスとして与えられる問題を解くために、変分量子アルゴリズムを導入する。
これは、最適化のための量子アルゴリズムの典型的な設定とは対照的で、古典的目的関数は与えられた二次二分最適化問題として提供され、パウリ作用素の和にマッピングされる。
さらに,量子イマジナリー時間発展の収束保証に基づいて,この手法を理論的に正当化することを提案する。
アルゴリズムの性能とその潜在的な利点を調べるため,実世界の最適化問題である機能選択に挑戦した。
これは、不正検出などの予測モデルを構築するために使用する、関連する機能のサブセットを選択する問題を指す。
最適特徴の選択(ジェネリック損失関数によって定式化される場合)は、古典的ヒューリスティックを構築するための構造をほとんど提供しない。
これは(短期的な)量子アルゴリズムが古典的最先端のアプローチと競合する余地を残している。
量子最適化に基づく特徴選択アルゴリズムであるVarQFSを適用し、20と59の入力特徴(量子ビット)を持つ信用リスクデータセットの予測モデルを構築し、量子ハードウェアとテンソルネットワークに基づく数値シミュレーションを用いてモデルをトレーニングする。
量子法は, 従来の特徴選択技術と比較して, 競争力があり, 性能も向上していることを示す。
関連論文リスト
- Performant near-term quantum combinatorial optimization [1.1999555634662633]
線形深度回路を用いた最適化問題に対する変分量子アルゴリズムを提案する。
我々のアルゴリズムは、ターゲット量子関数の各項を制御するために設計されたハミルトン生成器からなるアンサッツを使用する。
性能と資源最小化のアプローチは、潜在的な量子計算上の利点の候補として有望である、と結論付けます。
論文 参考訳（メタデータ） (2024-04-24T18:49:07Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳（メタデータ） (2023-10-14T02:13:26Z) - Enhancing Quantum Algorithms for Quadratic Unconstrained Binary Optimization via Integer Programming [0.0]
本研究では,最適化のための量子および古典的手法の可能性を統合する。
線形緩和により問題のサイズを小さくし、最小サイズの量子マシンで問題を処理できるようにした。
実量子ハードウェアの計算結果を多数提示する。
論文 参考訳（メタデータ） (2023-02-10T20:12:53Z) - Quantum-Enhanced Selection Operators for Evolutionary Algorithms [0.0]
遺伝的アルゴリズムの選択機構において量子化演算子を用いて得られた結果について検討する。
これらの量子化アルゴリズムを古典的アルゴリズムに対してベンチマークする。
論文 参考訳（メタデータ） (2022-06-21T21:36:39Z) - Quantum Feature Selection [2.5934039615414615]
機械学習では、より少ない機能がモデルの複雑さを減少させる。
本稿では,2次非制約二元最適化問題に基づく特徴選択アルゴリズムを提案する。
反復法や欲求法とは対照的に、我々の直接的なアプローチは高品質な解をもたらす。
論文 参考訳（メタデータ） (2022-03-24T16:22:25Z) - 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) - Quadratic Unconstrained Binary Optimisation via Quantum-Inspired
Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。
我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文 参考訳（メタデータ） (2021-08-18T09:26:17Z) - 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) - GEO: Enhancing Combinatorial Optimization with Classical and Quantum
Generative Models [62.997667081978825]
我々は、生成モデルとして知られる機械学習モデルを活用する新しいフレームワークを導入し、最適化問題を解決する。
我々は、テンソルネットワークマシンに依存するGEOの量子インスパイアされたバージョンに注力する。
関数呼び出し数に対する固定予算が与えられた場合、その目標が最小限の最小値を求める場合、その優れた性能を示す。
論文 参考訳（メタデータ） (2021-01-15T18:18:38Z) - 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。