Fugu-MT 論文翻訳(概要): A hybrid quantum-classical approach to warm-starting optimization

論文の概要: A hybrid quantum-classical approach to warm-starting optimization

arxiv url: http://arxiv.org/abs/2309.13961v1
Date: Mon, 25 Sep 2023 08:53:54 GMT
ステータス: 処理完了
システム内更新日: 2023-09-26 16:20:17.145971
Title: A hybrid quantum-classical approach to warm-starting optimization
Title（参考訳）: ウォームスタート最適化へのハイブリッド量子古典的アプローチ
Authors: Vanessa Dehn and Thomas Wellens
Abstract要約: ポートフォリオ最適化の観点から,標準QAOAとウォームスタートQAOAのパフォーマンスを比較した。この結果が,従来の問題に先行する純粋に古典的な前処理によって再現されるか,あるいは超えられることを示し,その後に標準的なQAOAが続く。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Quantum Approximate Optimization Algorithm (QAOA) is a promising candidate for solving combinatorial optimization problems more efficiently than classical computers. Recent studies have shown that warm-starting the standard algorithm improves the performance. In this paper we compare the performance of standard QAOA with that of warm-start QAOA in the context of portfolio optimization and investigate the warm-start approach for different problem instances. In particular, we analyze the extent to which the improved performance of warm-start QAOA is due to quantum effects, and show that the results can be reproduced or even surpassed by a purely classical preprocessing of the original problem followed by standard QAOA.
Abstract（参考訳）: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、従来のコンピュータよりも効率的に組合せ最適化問題を解くための有望な候補である。最近の研究では、標準アルゴリズムのウォームスタートが性能を向上させることが示されている。本稿では、ポートフォリオ最適化の文脈における標準QAOAとウォームスタートQAOAのパフォーマンスを比較し、異なる問題インスタンスに対するウォームスタートアプローチについて検討する。特に、ウォームスタートQAOAの性能改善が量子効果によるものであるかを分析し、元の問題を純粋に古典的に前処理し、次に標準QAOAによって結果が再現されるか、さらに超えるかを示す。

関連論文リスト

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)
Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
論文参考訳（メタデータ） (2023-09-28T18:55:22Z)
A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文参考訳（メタデータ） (2023-06-15T15:28:12Z)
Systematic study on the dependence of the warm-start quantum approximate optimization algorithm on approximate solutions [0.0]
近似解の精度がウォームスタートQAOA(WS-QAOA)の性能に与える影響について検討する。 WS-QAOAは、ハミング距離の観点から、近似解が正確な解に近づくにつれてQAOAを上回る傾向にある。また、QAOAを介して得られる近似解を用いてWS-QAOAによるMAX-CUT問題を解く。
論文参考訳（メタデータ） (2022-09-07T05:26:48Z)
Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit Optimization [63.8557841188626]
期待されている改善(EI)アルゴリズムは、不確実性の下で最適化するための最も一般的な戦略の1つである。本稿では,GP予測平均を通した標準既存値を持つEIの変種を提案する。我々のアルゴリズムは収束し、$mathcal O(gamma_TsqrtT)$の累積後悔境界を達成することを示す。
論文参考訳（メタデータ） (2022-03-15T13:17:53Z)
Max-cut Clustering Utilizing Warm-Start QAOA and IBM Runtime [0.7106986689736827]
量子最適化アルゴリズムは、教師なし学習クラスタリングを再現するために使用することができる。本研究は、量子近似最適化(QAOA)アルゴリズムの「ウォームスタート」変種をテストする。
論文参考訳（メタデータ） (2021-08-30T18:21:04Z)
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)
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)
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)
Evaluation of QAOA based on the approximation ratio of individual samples [0.0]
我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。 QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
論文参考訳（メタデータ） (2020-06-08T18:00:18Z)
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。