論文の概要: Scaling Whole-Chip QAOA for Higher-Order Ising Spin Glass Models on Heavy-Hex Graphs

• arxiv url: http://arxiv.org/abs/2312.00997v1
• Date: Sat, 2 Dec 2023 01:47:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 20:07:31.378555
• Title: Scaling Whole-Chip QAOA for Higher-Order Ising Spin Glass Models on Heavy-Hex Graphs
• Title（参考訳）: ヘビーヘックスグラフ上の高次スピングラスモデルのための全チップQAOAのスケーリング
• Authors: Elijah Pelofske, Andreas B\"artschi, Lukasz Cincio, John Golden, Stephan Eidenbenz
• Abstract要約: 量子交互演算子アンザッツ(QAOA)は,高次,ランダム係数,ヘックス適合性スピングラスIsingモデルにおいて,問題サイズに対して強いパラメータ濃度を有することを示す。 量子プロセッサでは、27量子ビット系では最大$p=3$、127量子ビット系では最大$p=2$となる。
• 参考スコア（独自算出の注目度）: 1.1549572298362787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We show through numerical simulation that the Quantum Alternating Operator Ansatz (QAOA) for higher-order, random-coefficient, heavy-hex compatible spin glass Ising models has strong parameter concentration across problem sizes from $16$ up to $127$ qubits for $p=1$ up to $p=5$, which allows for straight-forward transfer learning of QAOA angles on instance sizes where exhaustive grid-search is prohibitive even for $p>1$. We use Matrix Product State (MPS) simulation at different bond dimensions to obtain confidence in these results, and we obtain the optimal solutions to these combinatorial optimization problems using CPLEX. In order to assess the ability of current noisy quantum hardware to exploit such parameter concentration, we execute short-depth QAOA circuits (with a CNOT depth of 6 per $p$, resulting in circuits which contain $1420$ two qubit gates for $127$ qubit $p=5$ QAOA) on $100$ higher-order (cubic term) Ising models on IBM quantum superconducting processors with $16, 27, 127$ qubits using QAOA angles learned from a single $16$-qubit instance. We show that (i) the best quantum processors generally find lower energy solutions up to $p=3$ for 27 qubit systems and up to $p=2$ for 127 qubit systems and are overcome by noise at higher values of $p$, (ii) the best quantum processors find mean energies that are about a factor of two off from the noise-free numerical simulation results. Additional insights from our experiments are that large performance differences exist among different quantum processors even of the same generation and that dynamical decoupling significantly improve performance for some, but decrease performance for other quantum processors. Lastly we show $p=1$ QAOA angle mean energy landscapes computed using up to a $414$ qubit quantum computer, showing that the mean QAOA energy landscapes remain very similar as the problem size changes.
• Abstract（参考訳）: 量子交互演算子Ansatz (QAOA) は高次、ランダム係数、ヘキシルヘキシルなスピングラスに対して、16$から127$ qubits for $p=1$ to $p=5$まで強力なパラメータ集中を持ち、網羅探索が禁止されているインスタンスサイズでのQAOA角の直接転送学習を可能にする。 CPLEX を用いたこれらの組合せ最適化問題に対する最適解を得るために, 異なる結合次元での Matrix Product State (MPS) シミュレーションを用いた。 現在ノイズの多い量子ハードウェアがそのようなパラメータの集中力を利用する能力を評価するために、我々は、100ドルの高次(キュービック項)イジングモデルでibm量子超伝導プロセッサ上で、1つの16, 27, 127$ qubitsで1つの16ドルの量子ビットインスタンスから得られたqaoaアングルを用いて、1420ドルの2つの量子ビットゲートを含む回路(cnotの深さは$p$6で、結果として1,420ドルの量子ビットゲートを含む回路)を実行する。 私たちはそれを示します i) 最高の量子プロセッサは、一般に27量子ビット系に対して$p=3$、127量子ビット系に対して$p=2$まで低いエネルギーソリューションを見つけ、より高い値でノイズに打ち消される。 (ii)最も優れた量子プロセッサは、ノイズのない数値シミュレーション結果から約2分の1の平均エネルギーを求める。 実験から得られたさらなる知見は、同じ世代であっても異なる量子プロセッサ間で大きな性能差が存在し、動的デカップリングによって性能が大幅に向上するが、他の量子プロセッサの性能は低下するということである。 最後に、$p=1$ QAOA角の平均エネルギーランドスケープは、最大414ドルの量子コンピュータを用いて計算され、QAOAの平均エネルギーランドスケープは、問題のサイズが変化するにつれて非常によく似ていることを示す。

関連論文リスト

• Optimizing random local Hamiltonians by dissipation [44.99833362998488]
  簡単な量子ギブスサンプリングアルゴリズムが最適値の$Omega(frac1k)$-fraction近似を達成することを証明した。 この結果から, 局所スピンおよびフェルミオンモデルに対する低エネルギー状態の発見は量子的に容易であるが, 古典的には非自明であることが示唆された。
  論文  参考訳（メタデータ） (2024-11-04T20:21:16Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Single-Layer Digitized-Counterdiabatic Quantum Optimization for $p$-spin Models [8.463477025989542]
  我々は、デジタルカウンタダイバティック量子最適化(DCQO)アルゴリズムを利用して、4つの局所相互作用までの$p$-spinモデルの最適解を求める。 変分法を用いてパラメータを最適化することにより,それぞれ100ドル,93%,83%のインスタンスに対して,単位精度2-スピン,3-スピン,4-スピンの問題を解く。
  論文  参考訳（メタデータ） (2023-11-11T22:49:16Z)
• Simulation of IBM's kicked Ising experiment with Projected Entangled Pair Operator [71.10376783074766]
  我々は最近,誤りを軽減した量子回路を用いてエミュレートされた127量子ビットキックド・イジングモデルの古典的シミュレーションを行った。 提案手法はハイゼンベルク図の射影的絡み合ったペア作用素(PEPO)に基づいている。 我々はクリフォード展開理論を開発し、正確な期待値を計算し、それらをアルゴリズムの評価に利用する。
  論文  参考訳（メタデータ） (2023-08-06T10:24:23Z)
• QAOA with $N\cdot p\geq 200$ [2.926192989090622]
  我々は、高Ncdot p$のハイブリッド量子/古典最適化アルゴリズムの実行を実演する。 これは、これまでハードウェア上で実証された最高額の$Ncdot p$だ。
  論文  参考訳（メタデータ） (2023-03-03T16:32:49Z)
• Quantum Annealing vs. QAOA: 127 Qubit Higher-Order Ising Problems on NISQ Computers [0.0]
  QAOA(Quantum Alternating Operator Ansatz)は、最適化問題の最適解を目的とした量子アルゴリズムである。 我々は、D-Waveハードウェア上のQAとIBMQハードウェア上のQAOAの厳密な比較を実装した。 QAがすべての問題インスタンスでQAOAを上回っていることが分かりました。
  論文  参考訳（メタデータ） (2023-01-02T04:19:46Z)
• Calibrating the Classical Hardness of the Quantum Approximate Optimization Algorithm [0.0]
  スケールのためのトレーディング忠実さは、近似古典的シミュレーターが正確な方法を超える量子回路を走らせることを可能にする。 最小化を目指すコスト関数の期待値を用いて、量子近似最適化アルゴリズムの忠実度を特徴付ける。 現実的な設定で量子ハードウェアの性能をベンチマークする。
  論文  参考訳（メタデータ） (2022-06-13T17:45:59Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)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)
• Unimon qubit [42.83899285555746]
  超伝導量子ビットは、量子コンピュータを実装する最も有望な候補の1つである。 本稿では,高非線形性,dc電荷雑音に対する完全な感度,フラックス雑音に対する感度,共振器内の1つのジョセフソン接合のみからなる単純な構造を結合した超伝導量子ビット型ユニモンについて紹介し,実演する。
  論文  参考訳（メタデータ） (2022-03-11T12:57:43Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。