論文の概要: Accelerating Grover Adaptive Search: Qubit and Gate Count Reduction Strategies with Higher-Order Formulations
- arxiv url: http://arxiv.org/abs/2308.01572v2
- Date: Sun, 12 May 2024 23:06:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 01:22:32.031363
- Title: Accelerating Grover Adaptive Search: Qubit and Gate Count Reduction Strategies with Higher-Order Formulations
- Title（参考訳）: グローバー適応探索の高速化:高次定式化によるビット数とゲート数削減戦略
- Authors: Yuki Sano, Kosuke Mitarai, Naoki Yamamoto, Naoki Ishikawa,
- Abstract要約: グロバー適応探索(Grover Adaptive Search、GAS)は、二項最適化問題の解法として設計された量子抜粋探索アルゴリズムである。
キュービット数と必要ゲート数を同時に削減できる高階二項式を提案する。
- 参考スコア（独自算出の注目度）: 2.9564164925541503
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Grover adaptive search (GAS) is a quantum exhaustive search algorithm designed to solve binary optimization problems. In this paper, we propose higher-order binary formulations that can simultaneously reduce the numbers of qubits and gates required for GAS. Specifically, we consider two novel strategies: one that reduces the number of gates through polynomial factorization, and the other that halves the order of the objective function, subsequently decreasing circuit runtime and implementation cost. Our analysis demonstrates that the proposed higher-order formulations improve the convergence performance of GAS by both reducing the search space size and the number of quantum gates. Our strategies are also beneficial for general combinatorial optimization problems using one-hot encoding.
- Abstract（参考訳）: グロバー適応探索(Grover Adaptive Search、GAS)は、二項最適化問題の解法として設計された量子抜粋探索アルゴリズムである。
本稿では,GASに必要なキュービット数とゲート数を同時に削減できる高次二項式を提案する。
具体的には、多項式分解によるゲート数を減らし、目的関数の順序を保ち、回路ランタイムと実装コストを減少させる2つの新しい戦略を考える。
解析により,提案した高次定式化により,探索空間サイズと量子ゲート数の両方を削減し,GASの収束性能が向上することが示された。
また,本手法はワンホット符号化を用いた一般的な組合せ最適化問題にも有用である。
関連論文リスト
- Quantum Speedup of the Dispersion and Codebook Design Problems [6.735173690339397]
分散問題はNPハードに分類される最適化問題である。
本稿では,Grover Adaptive Search(GAS)量子アルゴリズムによる解を実現するために,最大値と最大値の分散問題の新しい定式化を提案する。
論文 参考訳（メタデータ） (2024-06-11T12:00:50Z) - Optimizing Variational Circuits for Higher-Order Binary Optimization [2.578242050187029]
本稿では,ハミルトニアンを2量子ゲートのみを含む実装可能な回路に符号化する新しい手法を提案する。
本手法は,回路深度の観点から明らかな利得を示すとともに,技術状況と比較することで評価する。
論文 参考訳（メタデータ） (2023-07-31T15:27:06Z) - Variational quantum algorithm for generalized eigenvalue problems and
its application to the finite element method [2.957189619293782]
一般固有値問題(GEP)は、工学、機械学習、量子化学など様々な分野において重要な役割を果たしている。
本稿では,GEPの逐次量子シーケンシャルを拡張することを目的とする。
論文 参考訳（メタデータ） (2023-02-24T12:39:27Z) - Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価イジングモデルに変換する必要がある。
目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。
その結果,量子近似最適化アルゴリズム (QAOA) が新たに導入された。
論文 参考訳（メタデータ） (2022-09-07T18:01:01Z) - Qubit Reduction and Quantum Speedup for Wireless Channel Assignment
Problem [2.840363325289377]
NPハード無線チャネル割り当て問題を高階非制約バイナリ最適化(HUBO)として定式化する方法を提案する。
我々は、チャネルインデックスの昇降二進符号化を考案し、特定の量子回路を構築し、Grover Adaptive Search(GAS)に必要なキュービットとゲートの正確な数を導出する。
解析により,提案するHUBOの定式化により,従来の2次定式化と比較して,キュービット数やクエリの複雑さが著しく減少することが明らかとなった。
論文 参考訳（メタデータ） (2022-08-10T06:59:43Z) - 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) - Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。
両レベル最適化のための2つの新しいアルゴリズムを提案する。
両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-08T21:05:30Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳（メタデータ） (2021-06-08T15:54:44Z) - 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) - 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) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z)
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。