論文の概要: Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing
- arxiv url: http://arxiv.org/abs/2309.16796v3
- Date: Wed, 17 Jan 2024 18:50:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 20:38:50.766745
- Title: Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing
- Title(参考訳): 量子アニーリングに対するメタヒューリスティック統合QAOAのベンチマーク
- Authors: Arul Rhik Mazumder, Anuvab Sen, Udayon Sen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Quantum Approximate Optimization Algorithm (QAOA) is one of the most
promising Noisy Intermediate Quantum Algorithms (NISQ) in solving combinatorial
optimizations and displays potential over classical heuristic techniques.
Unfortunately, QAOA performance depends on the choice of parameters and
standard optimizers often fail to identify key parameters due to the complexity
and mystery of these optimization functions. In this paper, we benchmark QAOA
circuits modified with metaheuristic optimizers against classical and quantum
heuristics to identify QAOA parameters. The experimental results reveal
insights into the strengths and limitations of both Quantum Annealing and
metaheuristic-integrated QAOA across different problem domains. The findings
suggest that the hybrid approach can leverage classical optimization strategies
to enhance the solution quality and convergence speed of QAOA, particularly for
problems with rugged landscapes and limited quantum resources. Furthermore, the
study provides guidelines for selecting the most appropriate approach based on
the specific characteristics of the optimization problem at hand.
- Abstract(参考訳): 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、合成最適化の解法において最も有望なノイズ中間量子アルゴリズムの一つである。
残念ながら、QAOAのパフォーマンスはパラメータの選択に依存しており、標準的なオプティマイザはこれらの最適化関数の複雑さとミステリーのために重要なパラメータを識別できないことが多い。
本稿では,古典的および量子的ヒューリスティックスに対してメタヒューリスティックオプティマイザで修正したQAOA回路をベンチマークし,QAOAパラメータを同定する。
実験結果から,量子アニーリングとメタヒューリスティック統合QAOAの両領域における強度と限界に関する知見が得られた。
以上の結果から,このハイブリッド手法は古典的最適化戦略を活用し,qaoaの解質向上と収束速度の向上,特に頑丈な景観問題や限られた量子資源問題に対して有効であることが示唆された。
さらに,本研究は最適化問題の具体的特徴に基づいて,最も適切なアプローチを選択するためのガイドラインを提供する。
関連論文リスト
- Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳(メタデータ) (2023-10-14T02:13:26Z) - 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) - 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) - Mean-Field Approximate Optimization Algorithm [0.17812428873698405]
平均場近似最適化アルゴリズム(平均場AOA)は、QAOAの量子進化を古典的なスピン力学に置き換えることで開発された。
我々は,シェリントン・カークパトリック(SK)モデルにおけるQAOAとパーティション問題を比較検討した。
そこで本アルゴリズムは,古典的に解けない問題から解ける最適化問題を記述するためのツールとして機能する。
論文 参考訳(メタデータ) (2023-03-01T08:47:06Z) - 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) - 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) - 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)
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。