Fugu-MT 論文翻訳(概要): A native measurement-based QAOA algorithm, applied to the MAX K-CUT problem

論文の概要: A native measurement-based QAOA algorithm, applied to the MAX K-CUT problem

arxiv url: http://arxiv.org/abs/2304.03576v1
Date: Fri, 7 Apr 2023 10:23:28 GMT
ステータス: 処理完了
システム内更新日: 2023-04-10 12:14:54.787815
Title: A native measurement-based QAOA algorithm, applied to the MAX K-CUT problem
Title（参考訳）: MAX K-CUT問題に対するネイティブ測定に基づくQAOAアルゴリズム
Authors: Massimiliano Proietti, Filippo Cerocchi, Massimiliano Dispenza
Abstract要約: フォトニック量子コンピュータは現在、有用な量子優位性を目指して、ゲートベースのプラットフォームと競合している。我々は、量子近似最適化アルゴリズム(QAOA)を実行するMBQCアルゴリズムを提案する。我々は,ゲートベースのQAOAアルゴリズムをMBQCルールに変換する場合と比較して,アルゴリズムの資源コストを30倍に改善する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Photonic quantum computers, programmed within the framework of the measurement-based quantum computing (MBQC), currently concur with gate-based platforms in the race towards useful quantum advantage, and some algorithms emerged as main candidates to reach this goal in the near term. Yet, the majority of these algorithms are only expressed in the gate-based model of computation, which is incompatible with photonic platforms. Methods to translate gate-based algorithms into the MBQC framework exist, but they are not always optimal in terms of resource cost. In our work, we propose an MBQC algorithm to run the Quantum Approximate Optimization Algorithm (QAOA). Furthermore, we apply the MBQC-QAOA algorithm to the MAX $K$-CUT problem, working for all values of $K$, expressing the cost Hamiltonian and its constraints in a form easily implementable in the MBQC model. We conclude analyzing the resource-cost of our algorithm, compared to the case of translating a gate-based QAOA algorithm into MBQC rules showing up to a 30-fold improvement. With our work, we contribute to close the gap between gate-based and MBQC near-term algorithms, a gap not reflecting the current status of the hardware development.
Abstract（参考訳）: 計測ベースの量子コンピューティング(mbqc)のフレームワーク内でプログラムされたフォトニック量子コンピュータは、現在有用な量子優位性を求める競争においてゲートベースのプラットフォームと合致しており、近い将来この目標を達成するための主要な候補としていくつかのアルゴリズムが登場した。しかし、これらのアルゴリズムの大部分は、フォトニックプラットフォームと互換性のないゲートベースの計算モデルでのみ表現される。ゲートベースのアルゴリズムをmbqcフレームワークに変換する方法は存在するが、リソースコストの観点からは必ずしも最適ではない。本研究では,量子近似最適化アルゴリズム(QAOA)を実行するMBQCアルゴリズムを提案する。さらに、MBQC-QAOAアルゴリズムをMAX$K$-CUT問題に適用し、コストハミルトニアンとその制約をMBQCモデルで容易に実装可能な形で表現する。結論として,このアルゴリズムのリソースコストを,ゲートベースのqaoaアルゴリズムをmbqcルールに変換する場合と比較し,30倍の改善を示す。われわれの研究は、ゲートベースとMBQCの短期的アルゴリズムのギャップを埋めることに貢献し、ハードウェア開発の現状を反映していない。

関連論文リスト

PO-QA: A Framework for Portfolio Optimization using Quantum Algorithms [4.2435928520499635]
ポートフォリオ最適化(PO)は、投資ポートフォリオのリスクを最小限に抑えつつ、純利益を最大化することを目的とした金融問題である。本稿では,量子パラメータの変動を調べるために,新しいスケーラブルなフレームワークPO-QAを提案する。本結果は,量子機械学習のレンズからPOを理解する上で有効な知見を提供する。
論文参考訳（メタデータ） (2024-07-29T10:26:28Z)
A Novel Quantum Algorithm for Ant Colony Optimization [9.750158948621216]
本稿では,クラスタリングアルゴリズムとQACOアルゴリズムを組み合わせたハイブリッド量子古典アルゴリズムを提案する。開発したQACOアルゴリズムは、複数のデータセットにおいてより良い性能を示す。我々の研究は、クラスタリングアルゴリズムとQACOの組み合わせが、現在のNISQ時代の量子コンピューティングにおけるQACOの適用シナリオを効果的に拡張したことを示している。
論文参考訳（メタデータ） (2024-03-01T08:49:33Z)
Deterministic Ans\"atze for the Measurement-based Variational Quantum Eigensolver [0.0]
本研究は、決定論を尊重するMBVQE-ans(英語版)を導入し、広く使われている問題に依存しないハードウェア効率のVQEアンサッツに類似する。本研究は, サンプリングコストの増大を犠牲にして, 適応的な測定により決定性を確保することよりも, ポストセレクションにより決定性が向上することを見出した。本稿では,ヘックス接続性の高いハードウェア上で,資源状態,特にクラスタ状態の効率的なMBQCインスパイア手法を提案する。
論文参考訳（メタデータ） (2023-12-20T18:08:25Z)
Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文参考訳（メタデータ） (2023-04-18T11:57:15Z)
End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
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)
QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文参考訳（メタデータ） (2022-05-24T03:49:10Z)
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)
Quantum algorithm for stochastic optimal stopping problems with applications in finance [60.54699116238087]
有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
論文参考訳（メタデータ） (2021-11-30T12:21:41Z)
Optimal Qubit Mapping with Simultaneous Gate Absorption [9.530683922512873]
コンパイルにおける重要なステップは、プログラム内の量子ビットを、与えられた量子コンピュータ上の物理量子ビットにマッピングすることである。 OLSQ-GAは、SWAPゲートを同時に吸収する鍵となる特徴を持つ最適量子ビットマッパーである。 OLSQ-GAは、他の最先端手法と比較して、深さを最大50.0%、SWAPカウントを100%削減する。
論文参考訳（メタデータ） (2021-09-14T05:15:36Z)
Solving correlation clustering with QAOA and a Rydberg qudit system: a full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文参考訳（メタデータ） (2021-06-22T11:07:38Z)
To quantum or not to quantum: towards algorithm selection in near-term quantum optimization [0.0]
本稿では,QAOAが従来のアルゴリズムよりも有利になる確率の高い問題事例を検出する問題について検討する。クロスバリデーションの精度は96%以上で、実用的な優位性が得られる。
論文参考訳（メタデータ） (2020-01-22T20:42:02Z)

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。