論文の概要: Trainability Enhancement of Parameterized Quantum Circuits via
Reduced-Domain Parameter Initialization
- arxiv url: http://arxiv.org/abs/2302.06858v1
- Date: Tue, 14 Feb 2023 06:41:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 16:10:25.592310
- Title: Trainability Enhancement of Parameterized Quantum Circuits via
Reduced-Domain Parameter Initialization
- Title(参考訳): 縮小領域パラメータ初期化によるパラメータ化量子回路のトレーサビリティ向上
- Authors: Yabo Wang, Bo Qi, Chris Ferrie, Daoyi Dong
- Abstract要約: 量子回路(PQC)の訓練は、プラトー現象や多くの(指数的に)多くの局所的なミニマの存在のため、非常に難しい。
理論的保証を伴う効率的なパラメータ初期化戦略を提案する。
この結果は,変分量子アルゴリズムにおけるPQCのトレーニング性の向上に有効である。
- 参考スコア(独自算出の注目度): 2.372393003522374
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parameterized quantum circuits (PQCs) have been widely used as a machine
learning model to explore the potential of achieving quantum advantages for
various tasks. However, the training of PQCs is notoriously challenging owing
to the phenomenon of plateaus and/or the existence of (exponentially) many
spurious local minima. In this work, we propose an efficient parameter
initialization strategy with theoretical guarantees. It is proved that if the
initial domain of each parameter is reduced inversely proportional to the
square root of circuit depth, then the magnitude of the cost gradient decays at
most polynomially as a function of the depth. Our theoretical results are
verified by numerical simulations of variational quantum eigensolver tasks.
Moreover, we demonstrate that the reduced-domain initialization strategy can
protect specific quantum neural networks from exponentially many spurious local
minima. Our results highlight the significance of an appropriate parameter
initialization strategy and can be used to enhance the trainability of PQCs in
variational quantum algorithms.
- Abstract(参考訳): パラメータ化量子回路(PQC)は、様々なタスクにおいて量子アドバンテージを達成する可能性を探るため、機械学習モデルとして広く利用されている。
しかしながら、PQCsの訓練は、高原現象や(指数的に)多くの刺激的な局所性ミニマの存在のため、非常に難しい。
本研究では,理論的保証を伴う効率的なパラメータ初期化戦略を提案する。
各パラメータの初期領域が回路深度の平方根に逆比例して減少すると、コスト勾配の大きさは深さの関数として最も多項式的に減衰する。
本理論は,変分量子固有解法タスクの数値シミュレーションによって検証する。
さらに, 縮小領域の初期化戦略は, 指数関数的に多くの局所的ミニマから特定の量子ニューラルネットワークを保護できることを実証する。
本結果は,パラメータの初期化戦略の重要性を強調し,変分量子アルゴリズムにおけるPQCのトレーニング性を高めるために利用できる。
関連論文リスト
- Avoiding barren plateaus via Gaussian Mixture Model [6.0599055267355695]
変分量子アルゴリズムは、量子コンピューティングにおいて最も代表的なアルゴリズムの1つである。
大量の量子ビット、ディープ・サーキット・レイヤ、グローバル・コスト・ファンクションを扱う場合、それらはしばしば訓練不能となる。
論文 参考訳(メタデータ) (2024-02-21T03:25:26Z) - End-to-end resource analysis for quantum interior point methods and
portfolio optimization [92.13478140615481]
問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。
アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
論文 参考訳(メタデータ) (2022-11-22T18:54:48Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳(メタデータ) (2022-09-01T17:08:41Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳(メタデータ) (2022-08-29T15:24:03Z) - Bayesian Learning of Parameterised Quantum Circuits [0.0]
我々はベイズ後部の近似として古典的最適化の確率論的視点を取り、再定式化する。
ラプラスを用いた最大後点推定に基づく次元縮小戦略について述べる。
量子H1-2コンピュータの実験では、結果として得られる回路は勾配なしで訓練された回路よりも高速でノイズが少ないことが示されている。
論文 参考訳(メタデータ) (2022-06-15T14:20:14Z) - Fundamental limitations on optimization in variational quantum
algorithms [7.165356904023871]
そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。
このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。
この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
論文 参考訳(メタデータ) (2022-05-10T17:14:57Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳(メタデータ) (2022-04-12T19:39:31Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - FLIP: A flexible initializer for arbitrarily-sized parametrized quantum
circuits [105.54048699217668]
任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。
FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。
本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
論文 参考訳(メタデータ) (2021-03-15T17:38:33Z) - 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)
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。