論文の概要: Fundamental limitations on optimization in variational quantum algorithms

• arxiv url: http://arxiv.org/abs/2205.05056v1
• Date: Tue, 10 May 2022 17:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-05-14 11:37:37.216134
• Title: Fundamental limitations on optimization in variational quantum algorithms
• Title（参考訳）: 変分量子アルゴリズムの最適化に関する基礎的限界
• Authors: Hao-Kai Zhang, Chengkai Zhu, Geng Liu, Xin Wang
• Abstract要約: そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。 このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。 この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
• 参考スコア（独自算出の注目度）: 7.165356904023871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exploring quantum applications of near-term quantum devices is a rapidly growing field of quantum information science with both theoretical and practical interests. A leading paradigm to establish such near-term quantum applications is variational quantum algorithms (VQAs). These algorithms use a classical optimizer to train a parameterized quantum circuit to accomplish certain tasks, where the circuits are usually randomly initialized. In this work, we prove that for a broad class of such random circuits, the variation range of the cost function via adjusting any local quantum gate within the circuit vanishes exponentially in the number of qubits with a high probability. This result can unify the restrictions on gradient-based and gradient-free optimizations in a natural manner and reveal extra harsh constraints on the training landscapes of VQAs. Hence a fundamental limitation on the trainability of VQAs is unraveled, indicating the essence of the optimization hardness in the Hilbert space with exponential dimension. We further showcase the validity of our results with numerical simulations of representative VQAs. We believe that these results would deepen our understanding of the scalability of VQAs and shed light on the search for near-term quantum applications with advantages.
• Abstract（参考訳）: 短期量子デバイスの量子応用を探求することは、理論と実用の両方の関心を持つ量子情報科学の急速に成長している分野である。 このような短期量子アプリケーションを確立するための主要なパラダイムは変分量子アルゴリズム(VQA)である。 これらのアルゴリズムは古典的なオプティマイザを用いてパラメータ化量子回路を訓練して特定のタスクを遂行する。 本研究では,そのようなランダム回路の広いクラスに対して,回路内の任意の局所量子ゲートの調整によるコスト関数の変動範囲が,確率の高い量子ビット数において指数関数的に消失することを示す。 この結果は、勾配ベースおよび勾配フリー最適化の制約を自然に統一し、vqaのトレーニング環境に厳格な制約を与えることができる。 したがって、vqasのトレーサビリティに関する基本的な制限は、指数次元のヒルベルト空間における最適化の硬さの本質を示している。 さらに, 代表VQAの数値シミュレーションにより, 結果の有効性を示す。 これらの結果は、VQAのスケーラビリティの理解を深め、利点のある短期量子アプリケーション探索に光を当てることになると信じている。

関連論文リスト

• Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
  変分量子アルゴリズム(VQA)は、量子ユーティリティや利点への短期的なルートを提供する可能性がある。 VQAは、基底状態推定のような様々なタスクに対して提案されている。 量子ハードウェアのトレーサビリティとリソースコストには、依然として大きな課題がある。
  論文  参考訳（メタデータ） (2025-03-20T17:17:58Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Surviving The Barren Plateau in Variational Quantum Circuits with Bayesian Learning Initialization [0.0]
  変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。 本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。 本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
  論文  参考訳（メタデータ） (2022-03-04T17:48:57Z)
• Identification of topological phases using classically-optimized variational quantum eigensolver [0.6181093777643575]
  変分量子固有解法(VQE)は、量子コンピュータにおけるハイブリッド量子古典アルゴリズムの候補として期待されている。 本稿では,従来のコンピュータ上で最適化プロセス全体を効率的に行う古典最適化VQE(co-VQE)を提案する。 共同VQEでは、パラメータが最適化された後のみ、量子コンピュータを用いて非局所的な量を測定する。
  論文  参考訳（メタデータ） (2022-02-07T02:26:58Z)
• Measurement-induced entanglement phase transitions in variational quantum circuits [0.4499833362998487]
  変分量子アルゴリズム(VQA)は古典的にパラメータ化された量子回路を最適化して計算処理を解く。 中間射影測定による変分量子回路の絡み合い遷移について検討する。 我々の研究は、現在利用可能な量子ハードウェアに中間計測プロトコルを組み込むことで、量子回路のトレーニング可能性を大幅に向上する道を開いた。
  論文  参考訳（メタデータ） (2021-11-15T19:00:28Z)
• Optimal training of variational quantum algorithms without barren plateaus [0.0]
  変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。 量子状態学習のためのVQAを最適に訓練する方法を示す。 量子機械学習におけるガウスカーネルの応用を提案する。
  論文  参考訳（メタデータ） (2021-04-29T17:54:59Z)
• 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)
• Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
  Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。 観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
  論文  参考訳（メタデータ） (2020-05-05T20:11:53Z)

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。