論文の概要: Gradient Estimation with Constant Scaling for Hybrid Quantum Machine
Learning
- arxiv url: http://arxiv.org/abs/2211.13981v1
- Date: Fri, 25 Nov 2022 09:45:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 20:49:12.194331
- Title: Gradient Estimation with Constant Scaling for Hybrid Quantum Machine
Learning
- Title(参考訳): ハイブリッド量子機械学習のための定数スケーリングによる勾配推定
- Authors: Thomas Hoffmann and Douglas Brown
- Abstract要約: 機械学習モデルにおけるパラメータ化量子回路(PQC)の勾配を決定する新しい手法を提案する。
PQC層の勾配は、回路パラメータの数に依存しないフォワードパス当たりの回路評価のオーバーヘッドで計算できる。
量子ビットの数が増加するにつれて、パラメータシフト規則と同等の精度で、我々の手法ははるかに高速に収束する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel method for determining gradients of parameterised quantum
circuits (PQCs) in hybrid quantum-classical machine learning models by applying
the multivariate version of the simultaneous perturbation stochastic
approximation (SPSA) algorithm. The gradients of PQC layers can be calculated
with an overhead of two evaluations per circuit per forward-pass independent of
the number of circuit parameters, compared to the linear scaling of the
parameter shift rule. These are then used in the backpropagation algorithm by
applying the chain rule. We compare our method to the parameter shift rule for
different circuit widths and batch sizes, and for a range of learning rates. We
find that, as the number of qubits increases, our method converges
significantly faster than the parameter shift rule and to a comparable
accuracy, even when considering the optimal learning rate for each method.
- Abstract(参考訳): 本稿では,同時摂動確率近似(spsa)アルゴリズムの多変量バージョンを適用し,ハイブリッド量子古典的機械学習モデルにおけるパラメータ化量子回路(pqcs)の勾配を決定する新しい手法を提案する。
PQC層の勾配は、パラメータシフト規則の線形スケーリングと比較して、回路パラメータの数によらず、フォワードパス当たりの回路毎の2つの評価のオーバーヘッドで計算することができる。
これらはチェーンルールを適用することでバックプロパゲーションアルゴリズムで使用される。
我々は,回路幅やバッチサイズ,学習率の異なるパラメータシフト規則と比較した。
量子ビット数が増加するにつれて,本手法はパラメータシフト規則よりもはるかに高速に収束し,各手法の最適学習率を考慮しても同等の精度に収束することがわかった。
関連論文リスト
- Backpropagation scaling in parameterised quantum circuits [0.0]
我々は、古典的にシミュレート可能でない回路を導入し、回路数を大幅に減らして勾配推定を許容する。
具体的には、これらの回路は勾配、高次偏微分、フィッシャー情報行列の高速な推定を可能にする。
16量子ビットの玩具分類問題では、これらの回路は他の手法と競合する性能を示し、トレーニングコストを約2桁削減する。
論文 参考訳(メタデータ) (2023-06-26T18:00:09Z) - Parsimonious Optimisation of Parameters in Variational Quantum Circuits [1.303764728768944]
最適なパラメータを更新するために、1イテレーション毎に少なくとも2つの回路を実行する必要がある新しい量子勾配サンプリングを提案する。
提案手法は,古典的勾配降下に類似した収束率を達成し,勾配座標降下とSPSAを実証的に上回っている。
論文 参考訳(メタデータ) (2023-06-20T18:50:18Z) - Low-rank extended Kalman filtering for online learning of neural
networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。
この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。
変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文 参考訳(メタデータ) (2023-05-31T03:48:49Z) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳(メタデータ) (2022-08-01T12:48:48Z) - Information flow in parameterized quantum circuits [0.4893345190925177]
量子システムにおける情報フローを定量化する新しい方法を提案する。
ゲートノード間の相互情報を用いた距離測定法を提案する。
そこで,距離測定に基づく経路を用いた変分アルゴリズムの最適化手法を提案する。
論文 参考訳(メタデータ) (2022-07-11T19:30:47Z) - Automated differential equation solver based on the parametric
approximation optimization [77.34726150561087]
本稿では,最適化アルゴリズムを用いてパラメータ化近似を用いた解を求める手法を提案する。
アルゴリズムのパラメータを変更することなく、幅広い種類の方程式を自動で解くことができる。
論文 参考訳(メタデータ) (2022-05-11T10:06:47Z) - 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) - Single-component gradient rules for variational quantum algorithms [1.3047205680129093]
そのようなアルゴリズムの一般的なボトルネックは、変動パラメータの最適化によって構成される。
一般的な最適化手法のセットは、回路評価によって得られる勾配の推定に有効である。
この研究は、量子ゲートのパラメータを個別に変化する勾配規則の族を包括的に描いている。
論文 参考訳(メタデータ) (2021-06-02T18:00:10Z) - 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) - Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。
この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。
古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文 参考訳(メタデータ) (2020-07-01T18:43:32Z) - Measuring Analytic Gradients of General Quantum Evolution with the
Stochastic Parameter Shift Rule [0.0]
本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。
マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。
私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
論文 参考訳(メタデータ) (2020-05-20T18:24:11Z)
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。