論文の概要: Training variational quantum algorithms with random gate activation
- arxiv url: http://arxiv.org/abs/2303.08154v1
- Date: Tue, 14 Mar 2023 18:01:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 15:51:35.282021
- Title: Training variational quantum algorithms with random gate activation
- Title（参考訳）: ランダムゲートアクティベーションを用いた変分量子アルゴリズムの訓練
- Authors: Shuo Liu, Shi-Xin Zhang, Shao-Kai Jian, Hong Yao
- Abstract要約: 変分量子アルゴリズム(VQA)は、短期的な応用に大きな可能性を持っている。
VQAは深刻な不毛の高原問題に悩まされており、局所的なミニマに閉じ込められる可能性も高い。
本稿では,この2つの問題に効率よく対処するために,VQAのランダムな量子ゲートアクティベーションを用いた新しいトレーニングアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 2.297921151044199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Variational quantum algorithms (VQAs) hold great potentials for near-term
applications and are promising to achieve quantum advantage on practical tasks.
However, VQAs suffer from severe barren plateau problem as well as have a large
probability of being trapped in local minima. In this Letter, we propose a
novel training algorithm with random quantum gate activation for VQAs to
efficiently address these two issues. This new algorithm processes effectively
much fewer training parameters than the conventional plain optimization
strategy, which efficiently mitigates barren plateaus with the same expressive
capability. Additionally, by randomly adding two-qubit gates to the circuit
ansatz, the optimization trajectories can escape from local minima and reach
the global minimum more frequently due to more sources of randomness. In real
quantum experiments, the new training algorithm can also reduce the quantum
computational resources required and be more quantum noise resilient. We apply
our training algorithm to solve variational quantum simulation problems for
ground states and present convincing results that showcase the advantages of
our novel strategy where better performance is achieved by the combination of
mitigating barren plateaus, escaping from local minima, and reducing the effect
of quantum noises. We further propose that the entanglement phase transition
could be one underlying reason why our RA training is so effective.
- Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、短期的応用に大きな可能性を秘めており、実用的なタスクにおいて量子優位性を達成することを約束している。
しかしながら、VQAは深刻な不毛の高原問題に悩まされており、局所的なミニマに閉じ込められる可能性も高い。
本稿では,この2つの問題を効率的に解くために,VQAのランダムな量子ゲートアクティベーションを用いた新しいトレーニングアルゴリズムを提案する。
このアルゴリズムは, 従来の最適化手法よりも効果的にトレーニングパラメータを減らし, 同じ表現能力でバレン高原を効率的に緩和する。
さらに、回路アンサッツに2ビットゲートをランダムに付加することにより、最適化トラジェクトリは局所的なミニマから脱出し、ランダム性のより多くのソースによりより頻繁に世界最小に達することができる。
実際の量子実験では、新しいトレーニングアルゴリズムは必要な量子計算リソースを削減し、量子ノイズの回復力を高めることができる。
我々は,地中における変分量子シミュレーション問題を解くためのトレーニングアルゴリズムを適用し,バレン高原の緩和,局所ミニマからの脱出,および量子ノイズの影響の低減と組み合わせて,より良い性能を実現する新しい戦略の利点を示す説得力のある結果を示す。
さらに、RAトレーニングがこれほど効果的である理由の一つとして、絡み合い相転移が考えられる。
関連論文リスト
- T-Count Optimizing Genetic Algorithm for Quantum State Preparation [0.05999777817331316]
本稿では,Clifford+Tゲートセットのゲートからなる状態準備回路に対して,遺伝的アルゴリズムを提案する。
我々のアルゴリズムは、最もエラーが多いコンポーネントの数が減少するフォールトトレラント実装可能なソリューションを自動的に生成する。
論文 参考訳（メタデータ） (2024-06-06T12:26:14Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - 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) - 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) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Optimal training of variational quantum algorithms without barren
plateaus [0.0]
変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。
量子状態学習のためのVQAを最適に訓練する方法を示す。
量子機械学習におけるガウスカーネルの応用を提案する。
論文 参考訳（メタデータ） (2021-04-29T17:54:59Z) - 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) - 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) - SQUARE: Strategic Quantum Ancilla Reuse for Modular Quantum Programs via
Cost-Effective Uncomputation [7.92565122267857]
本稿では,量子プログラムにおけるスクラッチキュービット(アンシラ)の割り当てと再利用に取り組むコンパイル基盤を提案する。
中心となるSQUAREは、量子ビット再利用の機会を生み出すために、戦略的に非計算を行う。
SQUARE は NISQ アプリケーションの平均成功率を 1.47 倍改善することを示した。
論文 参考訳（メタデータ） (2020-04-18T06:34:37Z)
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。