論文の概要: Automatic Depth Optimization for Quantum Approximate Optimization Algorithm

• arxiv url: http://arxiv.org/abs/2206.14412v1
• Date: Wed, 29 Jun 2022 05:48:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 07:36:16.114519
• Title: Automatic Depth Optimization for Quantum Approximate Optimization Algorithm
• Title（参考訳）: 量子近似最適化アルゴリズムの深さ自動最適化
• Authors: Yu Pan, Yifan Tong, Yi Yang
• Abstract要約: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、制御パラメータを古典的に最適化したハイブリッドアルゴリズムである。 本稿では,勾配降下に基づく自動アルゴリズムによる制御深度選択について検討する。 提案アルゴリズムは,ランダム検索や経験則の代替として,適切な制御深度を選択するための効率的なツールとして利用できる。
• 参考スコア（独自算出の注目度）: 26.4589898848196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Approximate Optimization Algorithm (QAOA) is a hybrid algorithm whose control parameters are classically optimized. In addition to the variational parameters, the right choice of hyperparameter is crucial for improving the performance of any optimization model. Control depth, or the number of variational parameters, is considered as the most important hyperparameter for QAOA. In this paper we investigate the control depth selection with an automatic algorithm based on proximal gradient descent. The performances of the automatic algorithm are demonstrated on 7-node and 10-node Max-Cut problems, which show that the control depth can be significantly reduced during the iteration while achieving an sufficient level of optimization accuracy. With theoretical convergence guarantee, the proposed algorithm can be used as an efficient tool for choosing the appropriate control depth as a replacement of random search or empirical rules. Moreover, the reduction of control depth will induce a significant reduction in the number of quantum gates in circuit, which improves the applicability of QAOA on Noisy Intermediate-scale Quantum (NISQ) devices.
• Abstract（参考訳）: 量子近似最適化アルゴリズム (QAOA) は、制御パラメータを古典的に最適化したハイブリッドアルゴリズムである。 変動パラメータに加えて、ハイパーパラメータの正しい選択は、あらゆる最適化モデルのパフォーマンスを改善するために不可欠である。 制御深さ、すなわち変動パラメータの数は、QAOAにとって最も重要なハイパーパラメータであると考えられている。 本稿では,近位勾配降下に基づく自動アルゴリズムによる制御深さ選択について検討する。 自動アルゴリズムの性能は、7ノードと10ノードのMax-Cut問題で実証され、十分な最適化精度を達成しつつ、イテレーション中に制御深度を著しく低減できることを示した。 理論的収束保証により,提案アルゴリズムはランダム探索や経験則の代替として適切な制御深度を選択するための効率的なツールとして利用できる。 さらに、制御深さの低減により回路内の量子ゲート数が大幅に減少し、ノイズ中間規模量子(NISQ)デバイスにおけるQAOAの適用性が向上する。

関連論文リスト

• Efficient Depth Selection for the Implementation of Noisy Quantum Approximate Optimization Algorithm [2.7443146049647984]
  短期量子デバイスにおけるノイズは、量子近似最適化アルゴリズム(QAOA)の性能を必然的に制限する モデル選択アルゴリズムを用いて、正規化パラメータを数回繰り返して最適深度を同定する。 数値実験により、このアルゴリズムは緩和と減音の下で最適な深さを効率よく見つけることができることを示した。
  論文  参考訳（メタデータ） (2022-07-09T13:07:21Z)
• Meta-Learning Digitized-Counterdiabatic Quantum Optimization [3.0638256603183054]
  本稿では,リカレントニューラルネットワークを用いたメタラーニング手法を用いて,変分最適化に適した初期パラメータを求める問題に取り組む。 我々は、最近提案されたディジタル化対数量子近似アルゴリズム(DC-QAOA)を用いて、この手法について検討する。 メタラーニングとDC-QAOAを組み合わせることで、MaxCut問題やSherrington-Kirkpatrickモデルなど、異なるモデルに対する最適な初期パラメータを見つけることができる。
  論文  参考訳（メタデータ） (2022-06-20T18:57:50Z)
• Performance comparison of optimization methods on variational quantum algorithms [2.690135599539986]
  変分量子アルゴリズム(VQA)は、学術・工業研究への応用に短期的な量子ハードウェアを使用するための有望な道を提供する。 SLSQP, COBYLA, CMA-ES, SPSAの4つの最適化手法の性能について検討した。
  論文  参考訳（メタデータ） (2021-11-26T12:13:20Z)
• Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm [0.0]
  そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。 我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
  論文  参考訳（メタデータ） (2021-08-11T15:44:16Z)
• Optimizing Large-Scale Hyperparameters via Automated Learning Algorithm [97.66038345864095]
  ゼロ階超勾配(HOZOG)を用いた新しいハイパーパラメータ最適化法を提案する。 具体的には、A型制約最適化問題として、まずハイパーパラメータ最適化を定式化する。 次に、平均ゼロ階超勾配を用いてハイパーパラメータを更新する。
  論文  参考訳（メタデータ） (2021-02-17T21:03:05Z)
• 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)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• 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。