Fugu-MT 論文翻訳(概要): Using non-convex optimization in quantum process tomography: Factored gradient descent is tough to beat

論文の概要: Using non-convex optimization in quantum process tomography: Factored gradient descent is tough to beat

arxiv url: http://arxiv.org/abs/2312.01311v1
Date: Sun, 3 Dec 2023 07:44:17 GMT
ステータス: 処理完了
システム内更新日: 2023-12-05 17:41:13.842969
Title: Using non-convex optimization in quantum process tomography: Factored gradient descent is tough to beat
Title（参考訳）: 量子プロセストモグラフィーにおける非凸最適化の利用:因子勾配降下は打ち勝つのが難しい
Authors: David A. Quiroga, Anastasios Kyrillidis
Abstract要約: 我々のアルゴリズムは、設定と雑音耐性の両面において、アートを述べるよりも早く収束し、高い忠実性を達成する。我々のアルゴリズムは、設定と雑音耐性の両面において、より高速に収束し、技術よりも高い忠実性を達成する。
参考スコア（独自算出の注目度）: 11.893324664457552
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a non-convex optimization algorithm, based on the Burer-Monteiro (BM) factorization, for the quantum process tomography problem, in order to estimate a low-rank process matrix $\chi$ for near-unitary quantum gates. In this work, we compare our approach against state of the art convex optimization approaches based on gradient descent. We use a reduced set of initial states and measurement operators that require $2 \cdot 8^n$ circuit settings, as well as $\mathcal{O}(4^n)$ measurements for an underdetermined setting. We find our algorithm converges faster and achieves higher fidelities than state of the art, both in terms of measurement settings, as well as in terms of noise tolerance, in the cases of depolarizing and Gaussian noise models.
Abstract（参考訳）: 本稿では, 量子プロセストモグラフィー問題に対するBurer-Monteiro (BM) 係数化に基づく非凸最適化アルゴリズムを提案し, 近単位量子ゲートに対する低ランクプロセス行列$\chi$を推定する。本研究では,勾配勾配に基づくアート凸最適化手法の状況に対するアプローチを比較した。 2\cdot 8^n$ の回路設定と$\mathcal{o}(4^n)$ 測定を必要とする初期状態と測定演算子の削減セットを使用する。我々は,非分極モデルとガウス雑音モデルにおいて,測定条件と耐雑音性の両方において,アルゴリズムがより高速に収束し,最先端よりも高いフィディティを達成することを見出した。

関連論文リスト

Improving Quantum Approximate Optimization by Noise-Directed Adaptive Remapping [3.47862118034022]
ノイズ指向リマッピング(Noss-Directed Remapping, NDAR)は、ある種のノイズを利用して二進最適化問題を解決するアルゴリズムである。我々は、グローバルなアトラクタ状態を特徴とするダイナミックスを備えたノイズの多い量子プロセッサへのアクセスを検討する。我々のアルゴリズムは、ノイズアトラクターを高品質な解に変換する方法で、コスト関数ハミルトニアンを反復的にゲージ変換することでノイズアトラクター状態をブートストラップする。
論文参考訳（メタデータ） (2024-04-01T18:28:57Z)
Variational quantum algorithm for enhanced continuous variable optical phase sensing [0.0]
変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
論文参考訳（メタデータ） (2023-12-21T14:11:05Z)
Random coordinate descent: a simple alternative for optimizing parameterized quantum circuits [4.112419132722306]
本稿では、全勾配降下アルゴリズムに代わる実用的で実装が容易なランダム座標降下アルゴリズムを提案する。本稿では,パラメータ化量子回路の実用最適化における計測ノイズの挙動から,解析可能な最適化問題を提案する。
論文参考訳（メタデータ） (2023-10-31T18:55:45Z)
First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities [91.46841922915418]
本稿では,一階変分法の理論解析のための統一的アプローチを提案する。提案手法は非線形勾配問題とモンテカルロの強い問題の両方をカバーする。凸法最適化問題の場合、オラクルに強く一致するような境界を与える。
論文参考訳（メタデータ） (2023-05-25T11:11:31Z)
Quantum Approximate Optimization Algorithm with Cat Qubits [0.0]
猫の量子ビットを用いたQAOAを用いてMaxCut問題の解法を数値シミュレーションする。猫の量子ビットを用いたQAOAの実行は、2レベルシステムに符号化された量子ビットに対して、MaxCutのランダムなインスタンスに対する近似比を増大させることを示す。
論文参考訳（メタデータ） (2023-05-09T15:44:52Z)
Gradient-Free optimization algorithm for single-qubit quantum classifier [0.3314882635954752]
量子デバイスによるバレンプラトーの影響を克服するために、勾配のない最適化アルゴリズムを提案する。提案アルゴリズムは分類タスクに対して実証され,Adamを用いた手法と比較される。提案アルゴリズムはAdamよりも高速に精度を向上できる。
論文参考訳（メタデータ） (2022-05-10T08:45:03Z)
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)
Gradient Free Minimax Optimization: Variance Reduction and Faster Convergence [120.9336529957224]
本稿では、勾配のないミニマックス最適化問題の大きさを非強設定で表現する。本稿では,新しいゼロ階分散還元降下アルゴリズムが,クエリの複雑さを最もよく表すことを示す。
論文参考訳（メタデータ） (2020-06-16T17:55:46Z)
Exploiting Higher Order Smoothness in Derivative-free Optimization and Continuous Bandits [99.70167985955352]
強凸関数のゼロ次最適化問題について検討する。予測勾配降下アルゴリズムのランダム化近似を考察する。その結果,0次アルゴリズムはサンプルの複雑性や問題パラメータの点でほぼ最適であることが示唆された。
論文参考訳（メタデータ） (2020-06-14T10:42:23Z)
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)
Towards Better Understanding of Adaptive Gradient Algorithms in Generative Adversarial Nets [71.05306664267832]
適応アルゴリズムは勾配の歴史を用いて勾配を更新し、深層ニューラルネットワークのトレーニングにおいてユビキタスである。本稿では,非コンケーブ最小値問題に対するOptimisticOAアルゴリズムの変種を解析する。実験の結果,適応型GAN非適応勾配アルゴリズムは経験的に観測可能であることがわかった。
論文参考訳（メタデータ） (2019-12-26T22:10:10Z)

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。