論文の概要: Connection between single-layer Quantum Approximate Optimization Algorithm interferometry and thermal distributions sampling

• arxiv url: http://arxiv.org/abs/2310.09172v1
• Date: Fri, 13 Oct 2023 15:06:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-16 12:30:56.032521
• Title: Connection between single-layer Quantum Approximate Optimization Algorithm interferometry and thermal distributions sampling
• Title（参考訳）: 単層量子近似最適化アルゴリズム干渉法と熱分布サンプリングの関連
• Authors: Pablo D\'iez-Valle, Diego Porras, and Juan Jos\'e Garc\'ia-Ripoll
• Abstract要約: 固有状態の振幅と単層QAOAによって生成されるボルツマン分布の理論的導出を拡張する。 我々はまた、この行動が実践的および基本的視点の両方から持つ意味についてもレビューする。
• 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 an algorithm originally proposed to find approximate solutions to Combinatorial Optimization problems on quantum computers. However, the algorithm has also attracted interest for sampling purposes since it was theoretically demonstrated under reasonable complexity assumptions that one layer of the algorithm already engineers a probability distribution beyond what can be simulated by classical computers. In this regard, a recent study has shown as well that, in universal Ising models, this global probability distribution resembles pure but thermal-like distributions at a temperature that depends on internal correlations of the spin model. In this work, through an interferometric interpretation of the algorithm, we extend the theoretical derivation of the amplitudes of the eigenstates, and the Boltzmann distributions generated by single-layer QAOA. We also review the implications that this behavior has from both a practical and fundamental perspective.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(quantum approximation optimization algorithm,qaoa)は、量子コンピュータ上の組合せ最適化問題の近似解を求めるアルゴリズムである。 しかし、アルゴリズムの1つの層が既に古典的なコンピュータでシミュレートできる範囲を超えて確率分布を設計しているという合理的な複雑性仮定の下で理論的に実証されたため、サンプリング目的にも関心が集まっている。 この点に関して、近年の研究では、普遍イジングモデルにおいて、この大域的確率分布はスピン模型の内部相関に依存する温度における純だが熱的な分布に似ていることが示されている。 本研究では,アルゴリズムの干渉論的解釈により,固有状態の振幅と単層QAOAによって生成されるボルツマン分布の理論的導出を拡張する。 また,本行動が実用的かつ根本的な視点から与える影響についても考察する。

関連論文リスト

• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and Optimal Algorithms [64.10576998630981]
  最適なヘッセン依存型サンプルの複雑さを, 初めて厳密に評価した。 ヘシアン非依存のアルゴリズムは、すべてのヘシアンインスタンスに対して最適なサンプル複雑さを普遍的に達成する。 本アルゴリズムにより得られたサンプルの最適複雑さは,重み付き雑音分布においても有効である。
  論文  参考訳（メタデータ） (2023-06-21T17:03:22Z)
• Algorithmic Cluster Expansions for Quantum Problems [0.0]
  計算問題のクラスに対して近似アルゴリズムを開発するための一般的な枠組みを確立する。 我々は,その同一性に近い量子回路の確率振幅を近似するために,我々の枠組みを適用した。 我々のアルゴリズム条件は期待値に対してほぼ最適であり、ゼロ自由度という意味での熱予測値に対して最適であることを示す。
  論文  参考訳（メタデータ） (2023-06-15T09:11:48Z)
• A Bregman Proximal Perspective on Classical and Quantum Blahut-Arimoto Algorithms [6.281229317487581]
  Blahut-Arimotoアルゴリズムは、古典的なチャネル容量とレート歪み関数を計算するためのよく知られた方法である。 近年の研究では、様々な量子アナログを計算するためにこのアルゴリズムを拡張している。 このBlahut-Arimotoアルゴリズムがミラー降下の特別な例であることを示す。
  論文  参考訳（メタデータ） (2023-06-07T15:02:10Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Quantization-Based Optimization: Alternative Stochastic Approximation of Global Optimization [0.0]
  NP-hard問題における目的関数のエネルギーレベルを定量化するための大域的最適化アルゴリズムを提案する。 数値実験により,提案アルゴリズムはNP-ハード最適化問題の解法において従来の学習法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-08T03:01:45Z)
• Stochastic Approximation with Decision-Dependent Distributions: Asymptotic Normality and Optimality [8.771678221101368]
  我々は、アルゴリズムが使用するデータ分布が反復列に沿って進化する決定依存問題に対する近似を解析する。 軽微な仮定の下では、アルゴリズムの反復と解の偏差は正規であることを示す。 また,平均化アルゴリズムの性能は局所的に最小限であることを示す。
  論文  参考訳（メタデータ） (2022-07-09T01:44:17Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)

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。