論文の概要: Parameter Redundancy in the Unitary Coupled-Cluster Ansatze for Hybrid
Variational Quantum Computing
- arxiv url: http://arxiv.org/abs/2301.09825v1
- Date: Tue, 24 Jan 2023 05:36:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 14:18:55.211089
- Title: Parameter Redundancy in the Unitary Coupled-Cluster Ansatze for Hybrid
Variational Quantum Computing
- Title(参考訳): ハイブリッド変分量子コンピューティングのためのユニタリ結合クラスタアンサテズにおけるパラメータ冗長性
- Authors: Shashank G Mehendale and Bo Peng and Niranjan Govind and Yuri Alexeev
- Abstract要約: 標準UCCアンサーゼのパラメータの数は、システムサイズに関して好ましくないスケーリングを示している。
UCCアンサーゼのいくつかの変種を、より優れたスケーリングで提案する試みがなされている。
本稿では,一元結合クラスタシングルとダブルの合成におけるパラメータ冗長性について検討する。
- 参考スコア(独自算出の注目度): 5.9640499950316945
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the commonly used chemical-inspired approaches in variational quantum
computing is the unitary coupled-cluster (UCC) ansatze. Despite being a
systematic way of approaching the exact limit, the number of parameters in the
standard UCC ansatze exhibits unfavorable scaling with respect to the system
size, hindering its practical use on near-term quantum devices. Efforts have
been taken to propose some variants of UCC ansatze with better scaling. In this
paper we explore the parameter redundancy in the preparation of unitary
coupled-cluster singles and doubles (UCCSD) ansatze employing spin-adapted
formulation, small amplitude filtration, and entropy-based orbital selection
approaches. Numerical results of using our approach on some small molecules
have exhibited a significant cost reduction in the number of parameters to be
optimized and in the time to convergence compared with conventional UCCSD-VQE
simulations. We also discuss the potential application of some machine learning
techniques in further exploring the parameter redundancy, providing a possible
direction for future studies.
- Abstract(参考訳): 変分量子コンピューティングにおいてよく使われる化学に着想を得たアプローチの1つは、ユニタリ・カップリング・クラスタ(UCC)アンサツェである。
厳密な限界に近づく体系的な方法であるにもかかわらず、標準のucc ansatzeのパラメータ数はシステムサイズに関して不利なスケーリングを示し、短期的な量子デバイスでの使用を妨げている。
UCCアンサーゼのいくつかの変種をより優れたスケーリングで提案する試みがなされている。
本稿では,スピン適応型定式化,小さな振幅フィルタリング,エントロピーに基づく軌道選択手法を用いて,一元結合クラスタシングルとダブルス(UCCSD)アンサーゼのパラメータ冗長性を検討した。
本手法を用いた数値実験の結果, 最適化すべきパラメータ数と収束までの時間において, 従来のudcsd-vqeシミュレーションと比較して有意にコスト削減効果が示された。
また,パラメータ冗長性をさらに探求するために,機械学習技術の応用の可能性についても論じ,今後の研究の方向性を示す。
関連論文リスト
- A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳(メタデータ) (2022-12-21T23:15:17Z) - Symmetric Pruning in Quantum Neural Networks [111.438286016951]
量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。
ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。
本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
論文 参考訳(メタデータ) (2022-08-30T08:17:55Z) - 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) - Optimizing Training Trajectories in Variational Autoencoders via Latent
Bayesian Optimization Approach [0.0]
教師なしおよび半教師なしのML手法は、物理学、化学、材料科学の様々な分野に広く採用されている。
教師なしおよび半教師付きMLに対するハイパーパラメータ軌道最適化のための潜在ベイズ最適化(zBO)手法を提案する。
本手法の適用により,MNISTの離散的および連続的回転不変表現とプラズモンナノ粒子材料システムの実験データを求めることができる。
論文 参考訳(メタデータ) (2022-06-30T23:41:47Z) - Faster One-Sample Stochastic Conditional Gradient Method for Composite
Convex Minimization [61.26619639722804]
滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。
提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
論文 参考訳(メタデータ) (2022-02-26T19:10:48Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - A Deep Learning approach to Reduced Order Modelling of Parameter
Dependent Partial Differential Equations [0.2148535041822524]
パラメーター対解写像の効率的な近似法として,Deep Neural Networks に基づく構築的アプローチを開発した。
特に, パラメタライズド・アドベクション拡散PDEについて検討し, 強輸送場の存在下で方法論を検証した。
論文 参考訳(メタデータ) (2021-03-10T17:01:42Z) - Spectral Tensor Train Parameterization of Deep Learning Layers [136.4761580842396]
重み行列の低ランクパラメータ化をDeep Learningコンテキストに埋め込まれたスペクトル特性を用いて検討する。
分類設定におけるニューラルネットワーク圧縮の効果と,生成的対角トレーニング設定における圧縮および安定性トレーニングの改善について述べる。
論文 参考訳(メタデータ) (2021-03-07T00:15:44Z) - Gradient-free quantum optimization on NISQ devices [0.0]
重み依存学習の最近の進歩を考察し、適切な回路アーキテクチャとパラメータチューニングのトレードオフに対処する戦略を提案する。
遺伝的競合を介して回路を評価するNEATに基づくアルゴリズムの使用を検討し、パラメータ数を超えることにより問題を回避します。
論文 参考訳(メタデータ) (2020-12-23T10:24:54Z) - An Ensemble Approach for Compressive Sensing with Quantum [1.8477401359673713]
統計的アンサンブルのアイデアを活用して、量子アニールに基づくバイナリ圧縮センシングの品質を向上させる。
D-Wave 2000Q量子プロセッサを用いた実験により,提案したアンサンブル方式はペナルティパラメータの校正に敏感でないことが明らかとなった。
論文 参考訳(メタデータ) (2020-06-08T15:32:22Z)
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。