論文の概要: Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization
- arxiv url: http://arxiv.org/abs/2308.15475v1
- Date: Tue, 29 Aug 2023 17:53:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 12:53:07.752244
- Title: Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization
- Title(参考訳): ポートフォリオ最適化のためのインパルスレジーム内効率的なdcqoアルゴリズム
- Authors: Alejandro Gomez Cadavid, Iraitz Montalban, Archismita Dalal, Enrique
Solano, Narendra N. Hegade
- Abstract要約: 本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
- 参考スコア(独自算出の注目度): 41.94295877935867
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a faster digital quantum algorithm for portfolio optimization
using the digitized-counterdiabatic quantum optimization (DCQO) paradigm in the
impulse regime, that is, where the counterdiabatic terms are dominant. Our
approach notably reduces the circuit depth requirement of the algorithm and
enhances the solution accuracy, making it suitable for current quantum
processors. We apply this protocol to a real-case scenario of portfolio
optimization with 20 assets, using purely quantum and hybrid classical-quantum
paradigms. We experimentally demonstrate the advantages of our protocol using
up to 20 qubits on an IonQ trapped-ion quantum computer. By benchmarking our
method against the standard quantum approximate optimization algorithm and
finite-time digitized-adiabatic algorithms, we obtain a significant reduction
in the circuit depth by factors of 2.5 to 40, while minimizing the dependence
on the classical optimization subroutine. Besides portfolio optimization, the
proposed method is applicable to a large class of combinatorial optimization
problems.
- Abstract(参考訳): 本研究では,デジタル化カウンタダイアバティック量子最適化(dcqo)パラダイムを用いたポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
このプロトコルを、純粋に量子的およびハイブリッドな古典量子パラダイムを用いて、20の資産を持つポートフォリオ最適化の実例に適用する。
我々は、ionqトラップイオン量子コンピュータ上で最大20量子ビットのプロトコルの利点を実験的に実証する。
本手法を標準量子近似最適化アルゴリズムと有限時間デジタル化断熱アルゴリズムに対してベンチマークすることにより,回路の深さを2.5~40倍に低減し,古典的最適化サブルーチンへの依存性を最小化した。
ポートフォリオ最適化の他に,提案手法は大規模な組合せ最適化問題に適用可能である。
関連論文リスト
- Pulse-based variational quantum optimization and metalearning in superconducting circuits [3.770494165043573]
ハードウェアレベルフレームワークとしてパルスベースの変動量子最適化(PBVQO)を導入する。
量子干渉デバイス上での外部超伝導の最適化について説明する。
PBVQOとメタラーニングの相乗効果は、従来のゲートベースの変分アルゴリズムよりも有利である。
論文 参考訳(メタデータ) (2024-07-17T15:05:36Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳(メタデータ) (2024-04-17T11:00:12Z) - Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。
本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
論文 参考訳(メタデータ) (2023-04-27T00:06:48Z) - Quantum approximate optimization via learning-based adaptive
optimization [5.399532145408153]
量子近似最適化アルゴリズム(QAOA)は、目的最適化問題の解法として設計されている。
その結果,アルゴリズムは速度,精度,効率,安定性の点で従来の近似よりも大幅に優れていた。
この研究はQAOAの全パワーを解き放つのに役立ち、実践的な古典的なタスクにおいて量子的優位性を達成するための道を開く。
論文 参考訳(メタデータ) (2023-03-27T02:14:56Z) - 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) - Lyapunov control-inspired strategies for quantum combinatorial
optimization [0.0]
我々は、Lyapunov制御にインスパイアされた量子最適化戦略の拡張的な記述を提供する。
代わりに、これらの戦略は量子ビット測定からのフィードバックを利用して、決定論的に量子回路パラメータに値を割り当てる。
論文 参考訳(メタデータ) (2021-08-12T19:47:59Z) - 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) - 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) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳(メタデータ) (2020-03-11T13:52:41Z)
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。