論文の概要: ADAPT-QAOA with a classically inspired initial state
- arxiv url: http://arxiv.org/abs/2310.09694v1
- Date: Sun, 15 Oct 2023 01:12:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 18:40:11.403406
- Title: ADAPT-QAOA with a classically inspired initial state
- Title(参考訳): 古典的な初期状態を持つADAPT-QAOA
- Authors: Vishvesha K. Sridhar, Yanzhu Chen, Bryan Gard, Edwin Barnes and Sophia
E. Economou
- Abstract要約: 我々は古典近似アルゴリズムにインスパイアされた初期状態でADAPT-QAOAを開始することを提案する。
このアルゴリズムは,従来のQAOAやADAPT-QAOAと同等の精度を達成できることを示す。
- 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: Quantum computing may provide advantage in solving classical optimization
problems. One promising algorithm is the quantum approximate optimization
algorithm (QAOA). There have been many proposals for improving this algorithm,
such as using an initial state informed by classical approximation solutions. A
variation of QAOA called ADAPT-QAOA constructs the ansatz dynamically and can
speed up convergence. However, it faces the challenge of frequently converging
to excited states which correspond to local minima in the energy landscape,
limiting its performance. In this work, we propose to start ADAPT-QAOA with an
initial state inspired by a classical approximation algorithm. Through
numerical simulations we show that this new algorithm can reach the same
accuracy with fewer layers than the standard QAOA and the original ADAPT-QAOA.
It also appears to be less prone to the problem of converging to excited
states.
- Abstract(参考訳): 量子コンピューティングは古典的な最適化問題を解くのに有利である。
1つの有望なアルゴリズムは量子近似最適化アルゴリズム(QAOA)である。
このアルゴリズムを改善するための提案は数多くあり、例えば古典近似解から情報を得た初期状態の使用などである。
ADAPT-QAOAと呼ばれるQAOAの変種はアンザッツを動的に構築し、収束を高速化する。
しかし、エネルギーランドスケープの局所的なミニマに対応する励起状態に頻繁に収束し、その性能を制限するという課題に直面している。
本研究では,従来の近似アルゴリズムにインスパイアされた初期状態からADAPT-QAOAを開始することを提案する。
数値シミュレーションにより,本アルゴリズムは標準QAOAと本来のADAPT-QAOAよりも少ない層で同じ精度で到達可能であることを示す。
また、励起状態への収束の問題も少ないようである。
関連論文リスト
- Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている
SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。
この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文 参考訳(メタデータ) (2024-08-14T19:04:13Z) - Multiscale Quantum Approximate Optimization Algorithm [0.0]
量子近似最適化アルゴリズム(QAOA)は、最適化問題の近似解を見つけるために設計された標準アルゴリズムの1つである。
本稿では,QAOAの能力と実空間再正規化群変換を取り入れたQAOAの新バージョンを提案する。
論文 参考訳(メタデータ) (2023-12-11T07:47:16Z) - 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) - How Much Entanglement Do Quantum Optimization Algorithms Require? [0.0]
ADAPT-QAOA施行時に発生する絡みについて検討した。
この柔軟性を漸進的に制限することにより、初期におけるより多くの絡み合いエントロピーが、後段におけるより速い収束と一致していることが分かる。
論文 参考訳(メタデータ) (2022-05-24T18:00:02Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳(メタデータ) (2022-03-01T19:47:16Z) - Quantum Computational Phase Transition in Combinatorial Problems [0.966840768820136]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、量子コンピュータにおける離散最適化問題の近似解を求めることを目的としたアルゴリズムである。
SATのような難解な問題を解く際に,QAOAの計算位相遷移を同定する。
本稿では,QAOAの性能に限界がある高問題密度領域が,実際はQAOAを利用するのに最適であることを示す。
論文 参考訳(メタデータ) (2021-09-27T20:46:52Z) - 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) - Digitized-counterdiabatic quantum approximate optimization algorithm [3.0638256603183054]
そこで本研究では, 短絡を用いて拡張したQAOAのディジタル化バージョンを提案する。
我々は,Isingモデル,古典最適化問題,P-スピンモデルにディジタルカウンセバティックQAOAを適用し,すべての場合において標準QAOAより優れていることを示す。
論文 参考訳(メタデータ) (2021-07-06T17:57:32Z) - Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。
任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
論文 参考訳(メタデータ) (2020-11-26T18:22:21Z) - An adaptive quantum approximate optimization algorithm for solving
combinatorial problems on a quantum computer [0.0]
量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くハイブリッド変分量子古典アルゴリズムである。
我々は,QAOAの反復バージョンを開発し,特定のハードウェア制約に適応することができる。
アルゴリズムをMax-Cutグラフのクラス上でシミュレートし、標準QAOAよりもはるかに高速に収束することを示す。
論文 参考訳(メタデータ) (2020-05-20T18:00:01Z) - 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。