論文の概要: From barren plateaus through fertile valleys: Conic extensions of
parameterised quantum circuits
- arxiv url: http://arxiv.org/abs/2310.04255v1
- Date: Fri, 6 Oct 2023 13:56:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-09 16:07:47.566886
- Title: From barren plateaus through fertile valleys: Conic extensions of
parameterised quantum circuits
- Title（参考訳）: 不毛高原から肥厚谷へ:パラメータ化量子回路の円錐拡大
- Authors: Lennart Binkowski, Gereon Ko{\ss}mann, Tobias J. Osborne, Ren\'e
Schwonnek, and Timo Ziegler
- Abstract要約: 我々は、不毛の高原から肥大な谷に飛び降りるのを好むアプローチを導入する。
これらの演算は、パラメータ化されたユニタリ量子回路の円錐拡張によって構成される。
さらに,低次元一般化固有値問題に対する最適跳躍方向を求める問題を小さくする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optimisation via parameterised quantum circuits is the prevalent technique of
near-term quantum algorithms. However, the omnipresent phenomenon of barren
plateaus - parameter regions with vanishing gradients - sets a persistent
hurdle that drastically diminishes its success in practice. In this work, we
introduce an approach - based on non-unitary operations - that favours jumps
out of a barren plateau into a fertile valley. These operations are constructed
from conic extensions of parameterised unitary quantum circuits, relying on
mid-circuit measurements and a small ancilla system. We further reduce the
problem of finding optimal jump directions to a low-dimensional generalised
eigenvalue problem. As a proof of concept we incorporate jumps within
state-of-the-art implementations of the Quantum Approximate Optimisation
Algorithm (QAOA). We demonstrate the extensions' effectiveness on QAOA through
extensive simulations, showcasing robustness against barren plateaus and highly
improved sampling probabilities of optimal solutions.
- Abstract（参考訳）: パラメータ化量子回路による最適化は、短期量子アルゴリズムの一般的な手法である。
しかし、不毛高原(勾配が消失するパラメータ領域)の常在現象は、実際の成功を著しく減少させる永続的なハードルとなっている。
本研究では,非単位的操作に基づくアプローチを導入し,バレン高原から肥大な谷への飛び降りを推奨する。
これらの演算は、パラメータ化されたユニタリ量子回路の円錐拡張から構築され、中間回路の測定と小さなアンシラシステムに依存している。
さらに,低次元一般化固有値問題に対する最適跳躍方向を求める問題を小さくする。
概念の証明として、量子近似最適化アルゴリズム(qaoa)の最先端実装にジャンプを組み込む。
拡張がQAOAに与える影響を広範囲なシミュレーションで示し、バレン高原に対する堅牢性を示し、最適解のサンプリング確率を高度に改善した。
関連論文リスト
- A Survey of Methods for Mitigating Barren Plateaus for Parameterized Quantum Circuits [0.0]
バレンプラトーは、損失関数の平坦なプラトーに繋がるハイブリッド量子古典アルゴリズムにとって、恐ろしい挑戦である。
本稿では, 古典的な勾配の解釈と, コスト関数, 絡み合い, バレン高原への戦略を掘り下げる概念的視点を提供する。
論文 参考訳（メタデータ） (2024-06-20T13:10:26Z) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳（メタデータ） (2024-05-22T18:11:42Z) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳（メタデータ） (2023-02-09T14:05:18Z) - Escaping barren plateaus in approximate quantum compiling [1.3764085113103222]
量子コンパイルは、量子アルゴリズムを高レベルの抽象化で、実際のハードウェア上の量子回路として実装する方法を提供する。
量子コンパイルの1つのアプローチは、パラメータ化された回路を設計し、パラメータ化された回路と興味のあるターゲット回路の間の距離を最小化するパラメータを見つけるために最適化の技法を用いることである。
ここでは、古典的な量子コンパイルに応用できるような一連の関連技術を開発し、実装する。
論文 参考訳（メタデータ） (2022-10-17T15:44:52Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Bayesian Learning of Parameterised Quantum Circuits [0.0]
我々はベイズ後部の近似として古典的最適化の確率論的視点を取り、再定式化する。
ラプラスを用いた最大後点推定に基づく次元縮小戦略について述べる。
量子H1-2コンピュータの実験では、結果として得られる回路は勾配なしで訓練された回路よりも高速でノイズが少ないことが示されている。
論文 参考訳（メタデータ） (2022-06-15T14:20:14Z) - BEINIT: Avoiding Barren Plateaus in Variational Quantum Algorithms [0.7462336024223667]
バレンプラトーは変分量子アルゴリズムの最適化において悪名高い問題である。
ベータ分布から引き出すことで、ユニタリゲートのパラメータを初期化する代替戦略を提案する。
提案手法は, 複雑な量子ニューラルネットワークがバレン高原で立ち往生する可能性を大幅に低減することを示す。
論文 参考訳（メタデータ） (2022-04-28T19:46:10Z) - Gaussian initializations help deep variational quantum circuits escape
from the barren plateau [87.04438831673063]
近年、変分量子回路は量子シミュレーションや量子機械学習に広く用いられている。
しかし、ランダムな構造を持つ量子回路は、回路深さと量子ビット数に関して指数関数的に消える勾配のため、トレーニング容易性が低い。
この結果、ディープ量子回路は実用的なタスクでは実現できないという一般的な信念が導かれる。
論文 参考訳（メタデータ） (2022-03-17T15:06:40Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - FLIP: A flexible initializer for arbitrarily-sized parametrized quantum
circuits [105.54048699217668]
任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。
FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。
本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
論文 参考訳（メタデータ） (2021-03-15T17:38:33Z) - 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)
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。