Fugu-MT 論文翻訳(概要): Vanishing performance of the parity-encoded quantum approximate optimization algorithm applied to spin-glass models

論文の概要: Vanishing performance of the parity-encoded quantum approximate optimization algorithm applied to spin-glass models

arxiv url: http://arxiv.org/abs/2311.02151v1
Date: Fri, 3 Nov 2023 18:00:00 GMT
ステータス: 処理完了
システム内更新日: 2023-11-07 19:09:46.493987
Title: Vanishing performance of the parity-encoded quantum approximate optimization algorithm applied to spin-glass models
Title（参考訳）: スピングラスモデルに適用したパリティエンコード量子近似最適化アルゴリズムの消滅性能
Authors: Elisabeth Wybo and Martin Leib
Abstract要約: パリティマッピングは、量子近似最適化アルゴリズム(QAOA)の幾何学的に局所的な符号化を提供するスピングラスモデルを用いたパリティ符号化QAOAのベンチマークを行った。パリティエンコードされたQAOA層の固定数に対して、性能は$N-1/2$と低下することを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The parity mapping provides a geometrically local encoding of the Quantum Approximate Optimization Algorithm (QAOA), at the expense of having a quadratic qubit overhead for all-to-all connected problems. In this work, we benchmark the parity-encoded QAOA on spin-glass models. We address open questions in the scaling of this algorithm, and show that for fixed number of parity-encoded QAOA layers, the performance drops as $N^{-1/2}$. We perform tensor-network calculations to confirm this result, and comment on the concentration of optimal QAOA parameters over problem instances.
Abstract（参考訳）: パリティマッピングは量子近似最適化アルゴリズム(QAOA)を幾何学的に局所的に符号化し、全接続問題に対する2次量子ビットオーバーヘッドを犠牲にしている。本研究では,スピングラスモデル上でのパリティ符号化QAOAをベンチマークする。このアルゴリズムのスケーリングにおけるオープンな問題に対処し、パリティエンコードされたQAOA層の固定数に対して、性能が$N^{-1/2}$となることを示す。この結果を確認するためにテンソルネットワーク計算を行い、問題インスタンスに対する最適QAOAパラメータの集中についてコメントする。

関連論文リスト

Performance of Parity QAOA for the Signed Max-Cut Problem [0.0]
パリティアーキテクチャにおける量子近似アルゴリズムの最適化性能(パリティQAOA)について検討する。固定回路深さでのアルゴリズムの比較により、Parity QAOAはSWAPネットワークに基づく従来のQAOA実装よりも優れていることを示す。
論文参考訳（メタデータ） (2024-09-23T08:00:03Z)
On the Global Convergence of Fitted Q-Iteration with Two-layer Neural Network Parametrization [33.12181620473604]
本稿では,2層型ReLUニューラルネットワークを用いたQ-Iterationについて検討し,アルゴリズムの複雑さの保証を求める。このアプローチは,オーダー最適化である $tildemathcalO (1/epsilon2)$ のサンプル複雑性を実現する。
論文参考訳（メタデータ） (2022-11-14T19:00:24Z)
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)
Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。問題の大きさと問題グラフの次数で指数関数的に増大する。これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文参考訳（メタデータ） (2022-01-06T21:02:30Z)
Quantum Approximate Optimization Algorithm applied to the binary perceptron [0.46664938579243564]
本稿では,量子アニーリング(QA)と量子近似最適化アルゴリズム(QAOA)を,ニューラルネットワークにおける教師あり学習のパラダイムタスクに適用する。我々はQAOAパラメータに対する最適滑らかな解の存在を証明し、同じ問題の典型例間で伝達可能であることを示す。従来のQAよりもQAOAの性能が向上したことを示す。
論文参考訳（メタデータ） (2021-12-19T18:33:22Z)
Solving correlation clustering with QAOA and a Rydberg qudit system: a full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文参考訳（メタデータ） (2021-06-22T11:07:38Z)
Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文参考訳（メタデータ） (2021-05-06T17:59:38Z)
Empirical performance bounds for quantum approximate optimization [0.27998963147546135]
パフォーマンスバウンダリの定量化は、QAOAが現実のアプリケーションの解決に有効である可能性についての洞察を提供する。 QAOA は、ほとんどのグラフに対して有界な Goemans-Williamson 近似比を超える。得られたデータセットは、QAOAパフォーマンスに関する経験的バウンダリを確立するためのベンチマークとして提示される。
論文参考訳（メタデータ） (2021-02-12T23:12:09Z)
Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文参考訳（メタデータ） (2020-06-11T17:43:19Z)
Evaluation of QAOA based on the approximation ratio of individual samples [0.0]
我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。 QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
論文参考訳（メタデータ） (2020-06-08T18:00:18Z)
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。