論文の概要: Quantum Shadow Gradient Descent for Quantum Learning
- arxiv url: http://arxiv.org/abs/2310.06935v1
- Date: Tue, 10 Oct 2023 18:45:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-13 01:23:55.149662
- Title: Quantum Shadow Gradient Descent for Quantum Learning
- Title(参考訳): 量子学習のための量子シャドウ勾配Descent
- Authors: Mohsen Heidari, Mobasshir A Naved, Wenbo Xie, Arjun Jacob Grama,
Wojciech Szpankowski
- Abstract要約: そこで本研究では,従来の量子影とは対照的に量子影を生成する量子影サンプル(QSS)を新たに生成する手法を提案する。
第2の寄与として、より一般的な非積アンザッツを $expisum_jtheta_j A_j$ というモデルで調べる。
我々の証明はスズキ・トロッター近似に基づいているが、非積作用素を近似する以前の試みとは異なり、我々の表現は正確である。
- 参考スコア(独自算出の注目度): 16.24064857928871
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a new procedure called quantum shadow gradient descent
(QSGD) that addresses these key challenges. Our method has the benefits of a
one-shot approach, in not requiring any sample duplication while having a
convergence rate comparable to the ideal update rule using exact gradient
computation. We propose a new technique for generating quantum shadow samples
(QSS), which generates quantum shadows as opposed to classical shadows used in
existing works. With classical shadows, the computations are typically
performed on classical computers and, hence, are prohibitive since the
dimension grows exponentially. Our approach resolves this issue by measurements
of quantum shadows. As the second main contribution, we study more general
non-product ansatz of the form $\exp\{i\sum_j \theta_j A_j\}$ that model
variational Hamiltonians. We prove that the gradient can be written in terms of
the gradient of single-parameter ansatzes that can be easily measured. Our
proof is based on the Suzuki-Trotter approximation; however, our expressions
are exact, unlike prior efforts that approximate non-product operators. As a
result, existing gradient measurement techniques can be applied to more general
VQAs followed by correction terms without any approximation penalty. We provide
theoretical proofs, convergence analysis and verify our results through
numerical experiments.
- Abstract(参考訳): 本稿では,これらの課題に対処する量子影勾配降下法(QSGD)を提案する。
本手法は, サンプル重複を必要とせず, 正確な勾配計算を用いた理想更新則に匹敵する収束率を持つ, ワンショット方式の利点がある。
そこで本研究では,従来の量子影とは対照的に量子影を生成する量子影サンプル(QSS)を新たに生成する手法を提案する。
古典的な影では、計算は通常古典的なコンピュータ上で行われ、したがって次元が指数関数的に大きくなるため禁止される。
我々の手法は量子影の測定によってこの問題を解決する。
第二の主な貢献として、より一般的な非生成物のアンサッツをモデル変分ハミルトニアンである$\exp\{i\sum_j \theta_j a_j\}$で研究する。
グラデーションは、容易に測定できる単パラメータアンサtzeのグラデーションを用いて記述できることを証明できる。
この証明は鈴木-トロッター近似に基づいているが、非積作用素を近似する以前の努力とは異なり、式は正確である。
その結果、既存の勾配測定技術はより一般的なVQAに適用でき、近似ペナルティを伴わない補正項が続く。
理論実証,収束解析を行い,数値実験により結果の検証を行う。
関連論文リスト
- Denoising Gradient Descent in Variational Quantum Algorithms [0.0]
本稿では,変分量子アルゴリズムの勾配降下に対する雑音の悪影響を緩和するアルゴリズムを提案する。
ランダム化パラメタライズド量子回路におけるアルゴリズムの利点を実証的に示す。
論文 参考訳(メタデータ) (2024-03-06T16:15:25Z) - Bridging Discrete and Backpropagation: Straight-Through and Beyond [62.46558842476455]
本稿では,離散潜在変数の生成に関わるパラメータの勾配を近似する新しい手法を提案する。
本稿では,Hunの手法とODEを解くための2次数値法を統合することで,2次精度を実現するReinMaxを提案する。
論文 参考訳(メタデータ) (2023-04-17T20:59:49Z) - Quantum Gate Generation in Two-Level Open Quantum Systems by Coherent
and Incoherent Photons Found with Gradient Search [77.34726150561087]
我々は、非コヒーレント光子によって形成される環境を、非コヒーレント制御によるオープン量子系制御の資源とみなす。
我々は、ハミルトニアンにおけるコヒーレント制御と、時間依存デコヒーレンス率を誘導する散逸器における非コヒーレント制御を利用する。
論文 参考訳(メタデータ) (2023-02-28T07:36:02Z) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳(メタデータ) (2022-08-01T12:48:48Z) - Faster One-Sample Stochastic Conditional Gradient Method for Composite
Convex Minimization [61.26619639722804]
滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。
提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
論文 参考訳(メタデータ) (2022-02-26T19:10:48Z) - On Training Implicit Models [75.20173180996501]
ファントム勾配(ファントム勾配)と呼ばれる暗黙モデルに対する新しい勾配推定法を提案し、正確な勾配の計算コストを抑える。
大規模タスクの実験では、これらの軽量ファントム勾配が暗黙の訓練モデルの後方通過を約1.7倍加速することを示した。
論文 参考訳(メタデータ) (2021-11-09T14:40:24Z) - Classical Shadows for Quantum Process Tomography on Near-term Quantum
Computers [0.9208007322096533]
量子プロセストモグラフィーは、量子チャネルを理解し、量子デバイスの特性を特徴づける強力なツールである。
我々は,量子プロセストモグラフィーのための古典的シャドウ手法であるShadowQPTを開発した。
我々は、IonQトラップイオン量子コンピュータ上で、PauliとCliffordの測定値を用いてShadowQPTを実装した。
論文 参考訳(メタデータ) (2021-10-06T18:00:01Z) - Normalized Gradient Descent for Variational Quantum Algorithms [4.403985869332685]
VQA(Vari quantum algorithm)は、ノイズの多い量子コンピュータを利用する有望な手法である。
パラメータの更新に正規化勾配ベクトルを用いるNGD法は、いくつかの最適化問題においてうまく活用されている。
本稿では,通常のNGDよりも高速な収束を実現する新しいNGDを提案する。
論文 参考訳(メタデータ) (2021-06-21T11:03:12Z) - 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) - A Unified Analysis of First-Order Methods for Smooth Games via Integral
Quadratic Constraints [10.578409461429626]
本研究では、滑らかで強可変なゲームやイテレーションのための一階法に積分二次的制約理論を適用する。
我々は、負の運動量法(NM)に対して、既知の下界と一致する複雑性$mathcalO(kappa1.5)$で、初めて大域収束率を与える。
一段階のメモリを持つアルゴリズムでは,バッチ毎に1回だけ勾配を問合せすれば,高速化は不可能であることを示す。
論文 参考訳(メタデータ) (2020-09-23T20:02:00Z) - Measuring Analytic Gradients of General Quantum Evolution with the
Stochastic Parameter Shift Rule [0.0]
本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。
マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。
私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
論文 参考訳(メタデータ) (2020-05-20T18:24:11Z)
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。