Fugu-MT 論文翻訳(概要): Combinatorial optimization with quantum imaginary time evolution

論文の概要: Combinatorial optimization with quantum imaginary time evolution

arxiv url: http://arxiv.org/abs/2312.16664v1
Date: Wed, 27 Dec 2023 18:18:12 GMT
ステータス: 処理完了
システム内更新日: 2023-12-29 18:28:28.081831
Title: Combinatorial optimization with quantum imaginary time evolution
Title（参考訳）: 量子イマジナリー時間発展による組合せ最適化
Authors: Nora M. Bauer, Rizwanul Alam, James Ostrowski, George Siopsis
Abstract要約: 線形アンザッツは、幅広いPUBO問題に対して良い結果をもたらすことを示す。我々は,Low Autocorrelation Binary Sequences (LABS) と重み付きMaxCut最適化問題の数値結果を得た。
参考スコア（独自算出の注目度）: 2.048226951354646
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We use Quantum Imaginary Time Evolution (QITE) to solve polynomial unconstrained binary optimization (PUBO) problems. We show that a linear Ansatz yields good results for a wide range of PUBO problems, often outperforming standard classical methods, such as the Goemans-Williamson (GW) algorithm. We obtain numerical results for the Low Autocorrelation Binary Sequences (LABS) and weighted MaxCut combinatorial optimization problems, thus extending an earlier demonstration of successful application of QITE on MaxCut for unweighted graphs. We find the performance of QITE on the LABS problem with a separable Ansatz comparable with p=10 QAOA, and do not see a significant advantage with an entangling Ansatz. On weighted MaxCut, QITE with a separable Ansatz often outperforms the GW algorithm on graphs up to 150 vertices.
Abstract（参考訳）: 多項式非拘束二元最適化 (pubo) 問題を解くために量子虚時発展 (qite) を用いる。線形アンザッツは幅広いPUBO問題に対して良い結果をもたらすことを示し、ゲーマン・ウィリアムソン(GW)アルゴリズムのような標準的な古典的手法よりも優れていることがよく示されている。我々は,Low Autocorrelation Binary Sequences (LABS) と重み付きMaxCut組合せ最適化問題の数値結果を得た。 LABS問題におけるQITEの性能は, p=10 QAOA に匹敵する分離可能な Ansatz と同等であり, 絡み合う Ansatz では大きな優位性は得られない。重み付きmaxcutでは、分離可能なansatzを持つqiteは、グラフ上のgwアルゴリズムを150頂点まで上回ることが多い。

関連論文リスト

Imaginary Hamiltonian variational ansatz for combinatorial optimization problems [3.14105061893604]
パラメタライズド量子ゲートのツリー配置を導入し、1ラウンド$i$HVAを用いて任意のツリーグラフを正確に解けるようにする。我々のアンサッツは、最大24ノードと$D leq 5$のグラフに対して、MaxCutを正確に解く。
論文参考訳（メタデータ） (2024-08-17T03:34:17Z)
Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文参考訳（メタデータ） (2024-08-14T19:04:13Z)
An Analysis of Quantum Annealing Algorithms for Solving the Maximum Clique Problem [49.1574468325115]
我々は、QUBO問題として表されるグラフ上の最大傾きを見つける量子D波アンナーの能力を解析する。本稿では, 相補的な最大独立集合問題に対する分解アルゴリズムと, ノード数, 傾き数, 密度, 接続率, 解サイズの他のノード数に対する比を制御するグラフ生成アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-06-11T04:40:05Z)
NISQ-compatible approximate quantum algorithm for unconstrained and constrained discrete optimization [0.0]
本稿では,振幅符号化を用いたハードウェア効率の高い回路に対する近似勾配型量子アルゴリズムを提案する。目的関数にペナルティ項を加えることなく, 単純な線形制約を回路に直接組み込むことができることを示す。
論文参考訳（メタデータ） (2023-05-23T16:17:57Z)
Quantum Goemans-Williamson Algorithm with the Hadamard Test and Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文参考訳（メタデータ） (2022-06-30T03:15:23Z)
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$)を提案する。提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文参考訳（メタデータ） (2022-05-24T03:49:10Z)
Combinatorial Optimization with Physics-Inspired Graph Neural Networks [0.0]
最適化問題の解法としてグラフニューラルネットワークを用いる方法を示す。ニューラルネットワークは、既存の解法よりも優れているか、あるいは優れていることが分かりました。
論文参考訳（メタデータ） (2021-07-02T16:54:35Z)
Improving the Quantum Approximate Optimization Algorithm with postselection [0.0]
組合せ最適化は、短期的およびフォールトトレラントな量子コンピュータに想定される主な応用の1つである。量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は3つの正則グラフ上のMaxCut問題に適用される。理論上界と下界を導いており、満たされた辺の分数の一定(小さい)増加が実際に達成可能であることを示す。
論文参考訳（メタデータ） (2020-11-10T22:17:50Z)
Warm-starting quantum optimization [6.832341432995627]
最適化問題の緩和解に対応する初期状態を用いて量子最適化を温める方法について論じる。これにより、量子アルゴリズムは古典的なアルゴリズムの性能保証を継承することができる。同じ考えを他のランダム化ラウンドスキームや最適化問題に適用するのは簡単である。
論文参考訳（メタデータ） (2020-09-21T18:00:09Z)
Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$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)
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。