論文の概要: Alignment between Initial State and Mixer Improves QAOA Performance for
Constrained Optimization
- arxiv url: http://arxiv.org/abs/2305.03857v3
- Date: Sun, 7 Jan 2024 19:24:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 00:01:15.748334
- Title: Alignment between Initial State and Mixer Improves QAOA Performance for
Constrained Optimization
- Title(参考訳): 初期状態とミキサーのアライメントによるqaoa性能の改善と制約付き最適化
- Authors: Zichang He, Ruslan Shaydulin, Shouvanik Chakrabarti, Dylan Herman,
Changhao Li, Yue Sun, Marco Pistoia
- Abstract要約: 量子交互演算子 ansatz (QAOA) は断熱アルゴリズムと強い関係を持つ。
本稿では, 断熱アルゴリズムの直感がQAOA初期状態を選択するタスクに適用できることを実証する。
- 参考スコア(独自算出の注目度): 11.445200448951072
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum alternating operator ansatz (QAOA) has a strong connection to the
adiabatic algorithm, which it can approximate with sufficient depth. However,
it is unclear to what extent the lessons from the adiabatic regime apply to
QAOA as executed in practice with small to moderate depth. In this paper, we
demonstrate that the intuition from the adiabatic algorithm applies to the task
of choosing the QAOA initial state. Specifically, we observe that the best
performance is obtained when the initial state of QAOA is set to be the ground
state of the mixing Hamiltonian, as required by the adiabatic algorithm. We
provide numerical evidence using the examples of constrained portfolio
optimization problems with both low ($p\leq 3$) and high ($p = 100$) QAOA
depth. Additionally, we successfully apply QAOA with XY mixer to portfolio
optimization on a trapped-ion quantum processor using 32 qubits and discuss our
findings in near-term experiments.
- Abstract(参考訳): 量子交互演算子 ansatz (QAOA) は、十分な深さで近似できる断熱アルゴリズムと強いつながりを持つ。
しかし, 実際に実施されているQAOAについて, 小から中程度の深さでどのような教訓が適用されるかは定かではない。
本稿では, adiabaticアルゴリズムからの直観がqaoa初期状態の選択に応用できることを示す。
具体的には, adiabaticアルゴリズムによって要求されるように, qaoaの初期状態が混合ハミルトニアンの基底状態である場合, 最高の性能が得られることを観察する。
制約付きポートフォリオ最適化問題の例を用いて,低 (p\leq 3$) と高 (p = 100$) QAOA 深度の両方を用いた数値的エビデンスを提供する。
さらに,32量子ビットを用いたトラップイオン量子プロセッサのポートフォリオ最適化に,XYミキサーを用いたQAOAの適用に成功した。
関連論文リスト
- Multiscale Quantum Approximate Optimization Algorithm [0.0]
量子近似最適化アルゴリズム(QAOA)は、最適化問題の近似解を見つけるために設計された標準アルゴリズムの1つである。
本稿では,QAOAの能力と実空間再正規化群変換を取り入れたQAOAの新バージョンを提案する。
論文 参考訳(メタデータ) (2023-12-11T07:47:16Z) - An Expressive Ansatz for Low-Depth Quantum Approximate Optimisation [0.23999111269325263]
量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くために用いられるハイブリッド量子古典アルゴリズムである。
QAOAはNISQデバイスに実装できるが、物理的制限は回路深さを制限し、性能を低下させる。
この研究は、より古典的なパラメータをアンサッツに割り当て、低深さでの性能を改善するeXpressive QAOA (XQAOA)を導入している。
論文 参考訳(メタデータ) (2023-02-09T07:47:06Z) - 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$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳(メタデータ) (2022-05-24T03:49:10Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Quantum Alternating Operator Ansatz (QAOA) Phase Diagrams and
Applications for Quantum Chemistry [0.0]
我々は、分子の基底状態の発見に適用するためにQAOAを修正し、いくつかの分子上で修正アルゴリズムを経験的に評価する。
パラメータのステップとサイズの関数としてQAOAの頑健な定性的挙動が発見され,この挙動が標準的なQAOA探索にも現れることを示す。
論文 参考訳(メタデータ) (2021-08-30T08:24:38Z) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳(メタデータ) (2021-07-11T10:56:24Z) - Empirical performance bounds for quantum approximate optimization [0.27998963147546135]
パフォーマンスバウンダリの定量化は、QAOAが現実のアプリケーションの解決に有効である可能性についての洞察を提供する。
QAOA は、ほとんどのグラフに対して有界な Goemans-Williamson 近似比を超える。
得られたデータセットは、QAOAパフォーマンスに関する経験的バウンダリを確立するためのベンチマークとして提示される。
論文 参考訳(メタデータ) (2021-02-12T23:12:09Z) - Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。
任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
論文 参考訳(メタデータ) (2020-11-26T18:22:21Z) - Bridging Classical and Quantum with SDP initialized warm-starts for QAOA [4.76507354067301]
本稿では,QAOAをグラフ内のすべての可能なカットの偏重重ね合わせで初期化する,古典的な前処理ステップを紹介する。
我々は、QAOA-Warmと呼ばれるこのQAOAの変種が、トレーニング時間が少なく、低い回路深度で標準QAOAより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-27T02:57:22Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳(メタデータ) (2020-08-03T18:00:05Z)
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。