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/2311.02151v2
• Date: Thu, 05 Dec 2024 12:17:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:37:08.023284
• 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応用したパリティ符号化量子近似最適化アルゴリズムの減衰特性
• Authors: Elisabeth Wybo, 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 パリティ符号化されたQAOA層が一定個ある場合、その性能や出力エネルギーはゼロになる。 その結果,パリティエンコードされたQAOAは,QAOAの標準バージョンと比較して,有望なスケーリングを行なわないことが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• 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. In particular, we show that for fixed number of parity-encoded QAOA layers, the performance or the output energy, vanishes towards zero (the value achieved by random guessing) with problem size $N$ as $N^{-1/2}$. Our results suggest that the parity-encoded QAOA does not have a promising scaling compared to the standard version of QAOA. We perform tensor-network calculations to confirm our results, 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、全対全連結問題に対する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する。 特に、パリティ符号化されたQAOA層の固定個数、性能または出力エネルギーに対して、問題サイズ$N$ as$N^{-1/2}$でゼロ(ランダムな推測によって達成された値)に向かって消滅することを示す。 その結果,パリティエンコードされたQAOAは,QAOAの標準バージョンと比較して,有望なスケーリングを行なわないことが示唆された。 テンソルネットワーク計算を行い、結果を確認し、問題インスタンスに対する最適QAOAパラメータの濃度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)
• Hybrid Classical-Quantum Simulation of MaxCut using QAOA-in-QAOA [0.0]
  そこで本研究では,MaxCut問題のスケーラブルな解に対するQAOA2法の実装について述べる。 The limit of the Goemans-Williamson (GW) algorithm as a purely classical alternative to QAOA。 最大33量子ビットの大規模シミュレーションの結果は、ある場合におけるQAOAの利点と実装の効率性を示す。
  論文  参考訳（メタデータ） (2024-06-25T09:02:31Z)
• An Expressive Ansatz for Low-Depth Quantum Approximate Optimisation [0.23999111269325263]
  量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くために用いられるハイブリッド量子古典アルゴリズムである。 QAOAはNISQデバイスに実装できるが、物理的制限は回路深さを制限し、性能を低下させる。 この研究は、より古典的なパラメータをアンサッツに割り当て、低深さでの性能を改善するeXpressive QAOA (XQAOA)を導入している。
  論文  参考訳（メタデータ） (2023-02-09T07:47:06Z)
• Solving boolean satisfiability problems with the quantum approximate optimization algorithm [0.05076419064097732]
  量子コンピューティング問題とは対照的に,QAOAがハード制約満足度問題を解く能力について検討する。 我々は,QAOAの平均成功確率を,満足度しきい値のランダムな式上で解析的に評価する。 約14のアンザッツ層に対して、QAOAは高性能な古典解法のスケーリング性能と一致することがわかった。
  論文  参考訳（メタデータ） (2022-08-14T20:39:48Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。 提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2022-05-24T03:49:10Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$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$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Solving correlation clustering with QAOA and a Rydberg qudit system: a full-stack approach [94.37521840642141]
  量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。 具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。 ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-22T11:07:38Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$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)

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。