論文の概要: SantaQlaus: A resource-efficient method to leverage quantum shot-noise
for optimization of variational quantum algorithms
- arxiv url: http://arxiv.org/abs/2312.15791v1
- Date: Mon, 25 Dec 2023 18:58:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 16:32:23.449055
- Title: SantaQlaus: A resource-efficient method to leverage quantum shot-noise
for optimization of variational quantum algorithms
- Title(参考訳): SantaQlaus: 変分量子アルゴリズムの最適化に量子ショットノイズを利用するリソース効率のよい方法
- Authors: Kosuke Ito and Keisuke Fujii
- Abstract要約: 変分量子アルゴリズム(VQA)に適した資源効率最適化アルゴリズムであるSantaQlausを紹介する。
サンタクロースは, 地域最適度の低さに収束するリスクを軽減するために, 既存のアルゴリズムよりも優れていることを示す。
これは、量子変分モデルの効率的で堅牢なトレーニングの道を開く。
- 参考スコア(独自算出の注目度): 1.0634978400374293
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce SantaQlaus, a resource-efficient optimization algorithm tailored
for variational quantum algorithms (VQAs), including applications in the
variational quantum eigensolver (VQE) and quantum machine learning (QML).
Classical optimization strategies for VQAs are often hindered by the complex
landscapes of local minima and saddle points. Although some existing
quantum-aware optimizers adaptively adjust the number of measurement shots,
their primary focus is on maximizing gain per iteration rather than
strategically utilizing quantum shot-noise (QSN) to address these challenges.
Inspired by the classical Stochastic AnNealing Thermostats with Adaptive
momentum (Santa) algorithm, SantaQlaus explicitly leverages inherent QSN for
optimization. The algorithm dynamically adjusts the number of quantum
measurement shots in an annealing framework: fewer shots are allocated during
the early, high-temperature stages for efficient resource utilization and
landscape exploration, while more shots are employed later for enhanced
precision. Numerical simulations on VQE and QML demonstrate that SantaQlaus
outperforms existing optimizers, particularly in mitigating the risks of
converging to poor local optima, all while maintaining shot efficiency. This
paves the way for efficient and robust training of quantum variational models.
- Abstract(参考訳): 変動量子固有解法(VQE)と量子機械学習(QML)を応用した,変動量子アルゴリズム(VQA)に適した資源効率最適化アルゴリズムであるSantaQlausを紹介する。
VQAの古典的な最適化戦略は、しばしば局所的なミニマ点とサドル点の複雑な景観によって妨げられる。
既存のquantum-awareオプティマイザの中には,計測ショット数を適応的に調整するものもあるが,これらの課題に対処するためにqsn(quantum shot-noise)を戦略的に活用するよりも,イテレーション毎のゲインを最大化することを重視するものが多い。
古典的確率的アンネリングサーモスタットと適応運動量(Santa)アルゴリズムにインスパイアされたサンタクロースは、固有のQSNを最適化に用いている。
このアルゴリズムはアニーリングフレームワークにおける量子計測ショットの数を動的に調整する: 資源利用とランドスケープ探査を効率的に行うため、早期、高温の段階ではショット数が少ないが、精度を高めるために後にショット数を増やす。
VQE と QML の数値シミュレーションにより、サンタクロースは既存のオプティマイザよりも優れており、特に、ショット効率を維持しながら、局所最適度が低いことのリスクを軽減している。
これは量子変分モデルの効率的で堅牢なトレーニングの道を開く。
関連論文リスト
- Non-Variational Quantum Random Access Optimization with Alternating Operator Ansatz [3.5773675235837974]
量子ランダムアクセス最適化(QRAO)は、量子最適化の空間要求を減らすために提案されている。
インスタンスに依存しない'固定'パラメータは優れた性能を示し、変分パラメータ最適化の必要性を排除した。
本研究は,早期のフォールトトレラント量子コンピュータ上でのQRAOの実践的実行の道を開くものである。
論文 参考訳(メタデータ) (2025-02-06T18:25:31Z) - Q-MAML: Quantum Model-Agnostic Meta-Learning for Variational Quantum Algorithms [4.525216077859531]
モデル非依存メタラーニング(MAML)技術にインスパイアされた古典的手法を用いて,パラメータ化量子回路(PQC)を最適化するための新しいフレームワークを提案する。
我々のフレームワークはLearnerと呼ばれる古典的なニューラルネットワークを備えており、Learnerの出力を初期パラメータとしてPQCと相互作用する。
適応フェーズでは、学習者は変わらないまま、より正確な値に収束するために、いくつかのPQC更新しか必要としない。
論文 参考訳(メタデータ) (2025-01-10T12:07:00Z) - Challenges of variational quantum optimization with measurement shot noise [0.0]
問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。
この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
論文 参考訳(メタデータ) (2023-07-31T18:01:15Z) - Scaling Limits of Quantum Repeater Networks [62.75241407271626]
量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。
量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。
本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
論文 参考訳(メタデータ) (2023-05-15T14:57:01Z) - Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。
本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
論文 参考訳(メタデータ) (2023-04-27T00:06:48Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳(メタデータ) (2021-06-24T20:16:02Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳(メタデータ) (2020-09-15T18:17:27Z) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳(メタデータ) (2020-04-06T21:31:22Z) - 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。