論文の概要: Degeneracy Engineering for Classical and Quantum Annealing: A Case Study
of Sparse Linear Regression in Collider Physics
- arxiv url: http://arxiv.org/abs/2205.10375v2
- Date: Mon, 12 Sep 2022 15:01:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-12 07:57:18.140814
- Title: Degeneracy Engineering for Classical and Quantum Annealing: A Case Study
of Sparse Linear Regression in Collider Physics
- Title（参考訳）: 古典的および量子的アニーリングのための縮退工学:衝突物理における疎線形回帰の事例研究
- Authors: Eric R. Anschuetz, Lena Funcke, Patrick T. Komiske, Serhii Kryhin, and
Jesse Thaler
- Abstract要約: 目的ハミルトニアンにおける項のサブセットを変更することにより、基底状態の相対的縮退を増大させる縮退工学技術を導入する。
本研究の結果は,様々な正規化最適化問題への縮退工学の適用を動機づけるものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical and quantum annealing are computing paradigms that have been
proposed to solve a wide range of optimization problems. In this paper, we aim
to enhance the performance of annealing algorithms by introducing the technique
of degeneracy engineering, through which the relative degeneracy of the ground
state is increased by modifying a subset of terms in the objective Hamiltonian.
We illustrate this novel approach by applying it to the example of
$\ell_0$-norm regularization for sparse linear regression, which is in general
an NP-hard optimization problem. Specifically, we show how to cast
$\ell_0$-norm regularization as a quadratic unconstrained binary optimization
(QUBO) problem, suitable for implementation on annealing platforms. As a case
study, we apply this QUBO formulation to energy flow polynomials in high-energy
collider physics, finding that degeneracy engineering substantially improves
the annealing performance. Our results motivate the application of degeneracy
engineering to a variety of regularized optimization problems.
- Abstract（参考訳）: 古典的および量子アニールは、幅広い最適化問題を解決するために提案された計算パラダイムである。
本稿では,対象ハミルトニアンの項のサブセットを変更することで,基底状態の相対的縮退を増大させる縮退工学技術を導入することにより,アニールアルゴリズムの性能を向上させることを目的とする。
一般にnpハード最適化問題であるスパース線形回帰に対する$\ell_0$-norm正規化の例に適用して、この新しいアプローチを説明する。
具体的には、アニーリングプラットフォーム上での実装に適した2次非制約バイナリ最適化(QUBO)問題として$\ell_0$-norm正規化をキャストする方法を示す。
このQUBO定式化を高エネルギーコライダー物理学におけるエネルギーフロー多項式に適用し、縮退工学がアニーリング性能を大幅に改善することを発見した。
本研究は,様々な最適化問題に対する縮退工学の適用を動機付けるものである。
関連論文リスト
- Quantum algorithms for the variational optimization of correlated electronic states with stochastic reconfiguration and the linear method [0.0]
本稿では、ユニタリ作用素の積に相関した波動関数の変動最適化のための量子アルゴリズムを提案する。
古典的なコンピューティングハードウェアの実装には、指数関数的に計算コストが増加する必要があるが、量子アルゴリズムのコスト(回路数とショット数)はシステムサイズである。
論文 参考訳（メタデータ） (2024-08-03T17:53:35Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Quantum algorithm for robust optimization via stochastic-gradient online
learning [0.0]
我々は、Ben-Talらによるオンラインロバスト最適化メタアルゴリズムを考察し、幅広い下位段階において、このアルゴリズムが元の非確率バージョンと同じ保証を持つことを示す。
我々は,このアルゴリズムの量子バージョンを開発し,少なくとも次元の2次改善が達成可能であることを示す。
論文 参考訳（メタデータ） (2023-04-05T07:25:07Z) - Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価イジングモデルに変換する必要がある。
目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。
その結果,量子近似最適化アルゴリズム (QAOA) が新たに導入された。
論文 参考訳（メタデータ） (2022-09-07T18:01:01Z) - Quantum variational optimization: The role of entanglement and problem
hardness [0.0]
本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。
数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。
リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
論文 参考訳（メタデータ） (2021-03-26T14:06:54Z) - Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box
Optimization Framework [100.36569795440889]
この作業は、一階情報を必要としない零次最適化(ZO)の反復である。
座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
論文 参考訳（メタデータ） (2020-12-21T17:29:58Z) - 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) - 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) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。