論文の概要: OpenQAOA -- An SDK for QAOA

• arxiv url: http://arxiv.org/abs/2210.08695v1
• Date: Mon, 17 Oct 2022 02:05:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-22 07:15:43.518470
• Title: OpenQAOA -- An SDK for QAOA
• Title（参考訳）: OpenQAOA - QAOAのためのSDK
• Authors: Vishal Sharma, Nur Shahidee Bin Saharan, Shao-Hen Chiew, Ezequiel Ignacio Rodr\'iguez Chiacchio, Leonardo Disilvestro, Tommaso Federico Demarie, Ewan Munro
• Abstract要約: OpenQAOAは、Quantum Approximate最適化アルゴリズムの作成、カスタマイズ、実行を行うPythonのマルチバックエンドソフトウェア開発キットである。 異なるバックエンド間の回路生成、アンザッツパラメータ、最適化ループ、結果のフォーマット、再帰的QAOAのようなQAOAの拡張といったタスクを標準化し、自動化する。
• 参考スコア（独自算出の注目度）: 1.6083963553361738
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce OpenQAOA, a Python open-source multi-backend Software Development Kit to create, customise, and execute the Quantum Approximate Optimisation Algorithm (QAOA) on Noisy Intermediate-Scale Quantum (NISQ) devices and simulators. OpenQAOA facilitates the creation of QAOA workflows, removing the more tedious and repetitive aspects of implementing variational quantum algorithms. It standardises and automates tasks such as circuit creation across different backends, ansatz parametrisation, the optimisation loop, the formatting of results, and extensions of QAOA such as Recursive QAOA. OpenQAOA is designed to simplify and enhance research on QAOA, providing a robust and consistent framework for experimentation with, and deployment of, the algorithm and its variations. Importantly, a heavy emphasis is placed on the provision of tools to enable QAOA computations at the scale of hundreds or thousands of qubits.
• Abstract（参考訳）: 我々は,Python のマルチバックエンドソフトウェア開発キット OpenQAOA を導入し,Nuisy Intermediate-Scale Quantum (NISQ) デバイスとシミュレータ上でQuantum Approximate Optimisation Algorithm (QAOA) を作成し,カスタマイズし,実行する。 OpenQAOAはQAOAワークフローの作成を容易にし、変分量子アルゴリズムを実装するというより退屈で反復的な側面を取り除く。 異なるバックエンド間の回路生成、ansatzパラメータ、最適化ループ、結果のフォーマット、再帰的なqaoaのようなqaoaの拡張といったタスクを標準化し、自動化する。 OpenQAOAは、QAOAの研究を簡素化し、強化するために設計されており、アルゴリズムとそのバリエーションを実験し、デプロイするための堅牢で一貫したフレームワークを提供する。 重要なのは、数百から数千キュービット規模のqaoa計算を可能にするツールの提供に重点が置かれていることだ。

関連論文リスト

• Connecting the Hamiltonian structure to the QAOA performance and energy landscape [0.0]
  量子交互演算子 Ansatz (QAOA) は2次非制約二項最適化問題の解法に有効である。 本研究は,短期量子デバイスにおけるアルゴリズムの堅牢性と最適化タスクの可能性を強調する。
  論文  参考訳（メタデータ） (2024-07-05T11:32:46Z)
• Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
  本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。 我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
  論文  参考訳（メタデータ） (2024-01-19T11:04:14Z)
• Multiscale Quantum Approximate Optimization Algorithm [0.0]
  量子近似最適化アルゴリズム(QAOA)は、最適化問題の近似解を見つけるために設計された標準アルゴリズムの1つである。 本稿では,QAOAの能力と実空間再正規化群変換を取り入れたQAOAの新バージョンを提案する。
  論文  参考訳（メタデータ） (2023-12-11T07:47:16Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。 この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。 我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
  論文  参考訳（メタデータ） (2023-06-15T15:28:12Z)
• Reinforcement Learning Assisted Recursive QAOA [2.1301560294088318]
  本稿では、RQAOAを改善する強化学習強化RQAOA(RL-RQAOA)を提案する。 RL-RQAOA は RQAOA が不足する特定インスタンスでは厳格に優れており、RQAOA が最適に近いインスタンスでは同様に動作する。
  論文  参考訳（メタデータ） (2022-07-13T15:46:58Z)
• General Hamiltonian Representation of ML Detection Relying on the Quantum Approximate Optimization Algorithm [74.6114458993128]
  最適化問題を解くために考案された量子近似最適化アルゴリズム(QAOA)は、既存のノイズのある中間スケール量子(NISQ)デバイス上で実行することができる。 我々は、QAOAを適切に適応させることにより、一般星座の最大可能性(ML)検出問題を解く。 特に、M-ary Gray-mapped Quarature amplitude modulation (MQAM) 星座では、同相成分をコードする特定の量子ビットと二次成分をコードする量子ビットが、興味のある量子系において独立であることを示す。
  論文  参考訳（メタデータ） (2022-04-11T14:11:24Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• QAOAKit: A Toolkit for Reproducible Study, Application, and Verification of the QAOA [1.896385060027555]
  探索研究用に構築された量子近似最適化アルゴリズム(QAOA)のためのPythonツールキットであるQAOAKitを紹介する。 我々は、MaxCut問題の既知パラメータを結合し、標準化し、相互検証し、これをQAOAKitに組み込む。 本稿では、QAOAKitについて説明するとともに、量子最適化において、研究結果を再現し、オープンな問題に取り組むためにどのように使用できるかの例を示す。
  論文  参考訳（メタデータ） (2021-10-11T18:49:13Z)
• 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)

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。