論文の概要: The QAOA with Few Measurements
- arxiv url: http://arxiv.org/abs/2205.06845v6
- Date: Wed, 28 Feb 2024 18:42:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-29 19:45:07.449625
- Title: The QAOA with Few Measurements
- Title(参考訳): 測定値の少ないQAOA
- Authors: Anthony M. Polloreno and Graeme Smith
- Abstract要約: 近似量子最適化アルゴリズム (QAOA) はもともと最適化問題の解法として開発された。
完全な記述型ベンチマーク技術は、多くの量子ビットに対してしばしば高価である。
中性原子量子コンピュータのような実験的な量子コンピューティングプラットフォームは、繰り返し速度が遅い。
- 参考スコア(独自算出の注目度): 4.713817702376467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Quantum Approximate Optimization Algorithm (QAOA) was originally
developed to solve combinatorial optimization problems, but has become a
standard for assessing the performance of quantum computers. Fully descriptive
benchmarking techniques are often prohibitively expensive for large numbers of
qubits ($n \gtrsim 10$), so the QAOA often serves in practice as a
computational benchmark. The QAOA involves a classical optimization subroutine
that attempts to find optimal parameters for a quantum subroutine.
Unfortunately, many optimizers used for the QAOA require many shots ($N \gtrsim
1000$) per point in parameter space to get a reliable estimate of the energy
being minimized. However, some experimental quantum computing platforms such as
neutral atom quantum computers have slow repetition rates, placing unique
requirements on the classical optimization subroutine used in the QAOA in these
systems. In this paper we investigate the performance of two choices of
gradient-free classical optimizer for the QAOA - dual annealing and natural
evolution strategies - and demonstrate that optimization is possible even with
$N=1$ and $n=16$.
- Abstract(参考訳): 量子近似最適化アルゴリズム(quantum approximation optimization algorithm,qaoa)は、当初組合せ最適化問題を解くために開発されたが、量子コンピュータの性能評価の標準となっている。
完全な記述型ベンチマーク技術は、多くの量子ビット(n \gtrsim 10$)に対して禁止的に高価であるため、QAOAは実際に計算ベンチマークとして機能することが多い。
qaoaは、量子サブルーチンの最適なパラメータを見つけようとする古典的な最適化サブルーチンを含む。
残念ながら、QAOAで使用される多くのオプティマイザは、最小化されるエネルギーの信頼できる推定を得るためにパラメータ空間の点当たりの多くのショット(N \gtrsim 1000$)を必要とする。
しかしながら、中性原子量子コンピュータのような実験的な量子コンピューティングプラットフォームは、これらのシステムで使用される古典的な最適化サブルーチンに固有の要件を課している。
本稿では,QAOAの2つの勾配のない古典最適化器の性能について検討し,N=1$とn=16$であっても最適化が可能であることを実証する。
関連論文リスト
- Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳(メタデータ) (2024-01-17T18:59:38Z) - 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) - Quantum approximate optimization via learning-based adaptive
optimization [5.399532145408153]
量子近似最適化アルゴリズム(QAOA)は、目的最適化問題の解法として設計されている。
その結果,アルゴリズムは速度,精度,効率,安定性の点で従来の近似よりも大幅に優れていた。
この研究はQAOAの全パワーを解き放つのに役立ち、実践的な古典的なタスクにおいて量子的優位性を達成するための道を開く。
論文 参考訳(メタデータ) (2023-03-27T02:14:56Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳(メタデータ) (2022-03-01T19:47:16Z) - Unsupervised strategies for identifying optimal parameters in Quantum
Approximate Optimization Algorithm [3.508346077709686]
最適化なしでパラメータを設定するための教師なし機械学習手法について検討する。
繰り返しに使用するQAOAパラメータの数が3ドルに制限された場合、これらをRecursive-QAOAで3ドルまで紹介します。
我々は、アングルを広範囲に最適化し、多数のサーキットコールを省く場合と同じような性能を得る。
論文 参考訳(メタデータ) (2022-02-18T19:55:42Z) - An Empirical Review of Optimization Techniques for Quantum Variational
Circuits [0.0]
量子変分回路(QVC)は、近距離量子ハードウェアと長期量子ハードウェアの両方の最も強力な用途の1つとしてしばしば主張される。
これらの回路を最適化するための標準的なアプローチは、最適化の各ステップで新しいパラメータを計算するために古典的なシステムに依存している。
我々は、様々な最適化タスクにおいて、多くの共通勾配と自由のポテンシャルを実証的に評価する。
論文 参考訳(メタデータ) (2022-02-03T03:20:54Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - 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) - Evaluation of QAOA based on the approximation ratio of individual
samples [0.0]
我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。
QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
論文 参考訳(メタデータ) (2020-06-08T18:00:18Z) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳(メタデータ) (2020-04-06T21:31:22Z) - 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。