論文の概要: Iterative Layerwise Training for Quantum Approximate Optimization Algorithm

• arxiv url: http://arxiv.org/abs/2309.13552v1
• Date: Sun, 24 Sep 2023 05:12:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 19:03:23.213113
• Title: Iterative Layerwise Training for Quantum Approximate Optimization Algorithm
• Title（参考訳）: 量子近似最適化アルゴリズムの反復的階層的学習
• Authors: Xinwei Lee, Xinjian Yan, Ningyi Xie, Yoshiyuki Saito, Dongsheng Cai, Nobuyoshi Asai
• Abstract要約: 最適化問題の解法における量子近似最適化アルゴリズム(QAOA)の能力は近年,盛んに研究されている。 本稿では,QAOAによる問題解決における最適化コスト削減の可能性を検討する。
• 参考スコア（独自算出の注目度）: 0.39945675027960637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The capability of the quantum approximate optimization algorithm (QAOA) in solving the combinatorial optimization problems has been intensively studied in recent years due to its application in the quantum-classical hybrid regime. Despite having difficulties that are innate in the variational quantum algorithms (VQA), such as barren plateaus and the local minima problem, QAOA remains one of the applications that is suitable for the recent noisy intermediate scale quantum (NISQ) devices. Recent works have shown that the performance of QAOA largely depends on the initial parameters, which motivate parameter initialization strategies to obtain good initial points for the optimization of QAOA. On the other hand, optimization strategies focus on the optimization part of QAOA instead of the parameter initialization. Instead of having absolute advantages, these strategies usually impose trade-offs to the performance of the optimization problems. One of such examples is the layerwise optimization strategy, in which the QAOA parameters are optimized layer-by-layer instead of the full optimization. The layerwise strategy costs less in total compared to the full optimization, in exchange of lower approximation ratio. In this work, we propose the iterative layerwise optimization strategy and explore the possibility for the reduction of optimization cost in solving problems with QAOA. Using numerical simulations, we found out that by combining the iterative layerwise with proper initialization strategies, the optimization cost can be significantly reduced in exchange for a minor reduction in the approximation ratio. We also show that in some cases, the approximation ratio given by the iterative layerwise strategy is even higher than that given by the full optimization.
• Abstract（参考訳）: 組合せ最適化問題の解法における量子近似最適化アルゴリズム(QAOA)の能力は、量子古典ハイブリッドシステムに応用されているため、近年大きく研究されている。 ヴァレンプラトーや局所ミニマ問題のような変分量子アルゴリズム(VQA)に固有の困難があるにもかかわらず、QAOAは近年のノイズのある中間スケール量子(NISQ)デバイスに適した応用の1つである。 近年の研究では、QAOAの性能は初期パラメータに大きく依存しており、パラメータの初期化戦略を動機付け、QAOAの最適化に優れた初期点を求めることが示されている。 一方、最適化戦略はパラメータ初期化ではなくqaoaの最適化部分に焦点を当てている。 絶対的な利点を持つ代わりに、これらの戦略は通常最適化問題のパフォーマンスにトレードオフを課す。 そのような例の1つは、QAOAパラメータが完全な最適化ではなく層単位で最適化される階層最適化戦略である。 階層戦略は, 近似比の低下と引き換えに, 完全な最適化に比べて総コストが低い。 そこで本研究では,QAOAによる問題解決における最適化コスト削減の可能性を探るため,反復的な階層最適化戦略を提案する。 数値シミュレーションにより,反復的な層分割と適切な初期化戦略を組み合わせることで,近似比のマイナーな低減と引き換えに最適化コストを大幅に削減できることがわかった。 また, ある場合において, 反復層戦略による近似比は, 完全な最適化による近似比よりもさらに高い値を示す。

関連論文リスト

• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• A coherent approach to quantum-classical optimization [0.0]
  ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。 我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。 本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-09-20T22:22:53Z)
• Restricted Global Optimization for QAOA [0.0]
  局所最適化手法はQAOAの複雑なコスト環境において本質的に不十分であることを示す。 代わりに、グローバル最適化技術は様々な問題インスタンスにわたるQAOAのパフォーマンスを大幅に改善する。
  論文  参考訳（メタデータ） (2023-09-21T15:47:07Z)
• 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)
• A Depth-Progressive Initialization Strategy for Quantum Approximate Optimization Algorithm [0.0]
  まず,QAOAにおける最適パラメータのパターンを2方向から議論する。 次に、探索空間の境界を決定するために使用される予想の対称性と周期性について議論する。 本稿では,従来の最適パラメータ間の差を考慮し,新しい初期パラメータを予測する戦略を提案する。
  論文  参考訳（メタデータ） (2022-09-22T23:49:11Z)
• Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm [0.0]
  そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。 我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
  論文  参考訳（メタデータ） (2021-08-11T15:44:16Z)
• Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box Optimization Framework [100.36569795440889]
  この作業は、一階情報を必要としない零次最適化(ZO)の反復である。 座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
  論文  参考訳（メタデータ） (2020-12-21T17:29:58Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• 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)
• 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)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。