論文の概要: Scaling Advantage in Approximate Optimization with Quantum Annealing
- arxiv url: http://arxiv.org/abs/2401.07184v1
- Date: Sun, 14 Jan 2024 01:38:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 19:18:50.023794
- Title: Scaling Advantage in Approximate Optimization with Quantum Annealing
- Title（参考訳）: 量子アニーリングによる近似最適化におけるスケーリングアドバンテージ
- Authors: Humberto Munoz Bauza and Daniel A. Lidar
- Abstract要約: 近似最適化における量子アニールスケーリングの利点を示す。
利点は古典的アルゴリズムに比較して、等エネルギークラスター移動による並列テンパリング(PT-ICM)である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum annealing is a heuristic optimization algorithm that exploits quantum
evolution to approximately find lowest energy states. Quantum annealers have
scaled up in recent years to tackle increasingly larger and more highly
connected discrete optimization and quantum simulation problems. Nevertheless,
despite numerous attempts, a computational quantum advantage in exact
optimization using quantum annealing hardware has so far remained elusive.
Here, we present evidence for a quantum annealing scaling advantage in
approximate optimization. The advantage is relative to the top classical
heuristic algorithm: parallel tempering with isoenergetic cluster moves
(PT-ICM). The setting is a family of 2D spin-glass problems with high-precision
spin-spin interactions. To achieve this advantage, we implement quantum
annealing correction (QAC): an embedding of a bit-flip error-correcting code
with energy penalties that leverages the properties of the D-Wave Advantage
quantum annealer to yield over 1,300 error-suppressed logical qubits on a
degree-5 interaction graph. We generate random spin-glass instances on this
graph and benchmark their time-to-epsilon, a generalization of the
time-to-solution metric for low-energy states. We demonstrate that with QAC,
quantum annealing exhibits a scaling advantage over PT-ICM at sampling low
energy states with an optimality gap of at least 1.0%. This amounts to the
first demonstration of an algorithmic quantum speedup in approximate
optimization.
- Abstract（参考訳）: 量子アニーリング(quantum annealing)は、量子進化を利用して最低エネルギー状態を見つけるヒューリスティック最適化アルゴリズムである。
量子アニーラは近年、より大きく、より高度に連結された離散最適化と量子シミュレーションの問題に取り組むために拡大している。
しかし、多くの試みにもかかわらず、量子アニールハードウェアを用いた正確な最適化における計算量子の優位性はいまだ解明されていない。
ここでは、近似最適化における量子アニールスケーリングの利点を示す。
利点は古典的ヒューリスティックアルゴリズム(PT-ICM)に比較して、アイソエネルゲティッククラスタ移動(PT-ICM)による並列テンパリングである。
このセッティングは、高精度スピンスピン相互作用を持つ2次元スピングラス問題の族である。
この利点を得るために、我々は量子アニール補正(QAC)を実装し、D波アドバンテージ量子アニールの性質を利用したビットフリップ誤り訂正符号をエネルギーペナルティで埋め込み、次数5の相互作用グラフ上で1300以上の誤り抑制論理量子ビットを生成する。
このグラフ上でランダムなスピングラスのインスタンスを生成し、低エネルギー状態に対する時間-解法の一般化である時間-エプシロンをベンチマークする。
その結果,QACではPT-ICMよりも少なくとも1.0%の最適性ギャップを有する低エネルギー状態のサンプリングにおいて,量子アニールがスケーリング上の優位性を示すことがわかった。
これは近似最適化におけるアルゴリズム量子スピードアップの最初の実演である。
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) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳（メタデータ） (2024-05-22T18:11:42Z) - 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) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Effectiveness of quantum annealing for continuous-variable optimization [0.0]
粗いエネルギー景観を持つ一次元連続変数関数に適用した量子アニールの性能を検証した。
量子アニールのハードウェア実現は、古典的アルゴリズムよりもはるかに優れている可能性があると結論付けている。
論文 参考訳（メタデータ） (2023-05-11T07:59:19Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Surviving The Barren Plateau in Variational Quantum Circuits with
Bayesian Learning Initialization [0.0]
変分量子古典ハイブリッドアルゴリズムは、近い将来に量子コンピュータの実用的な問題を解くための有望な戦略と見なされている。
本稿では,ベイズ空間における有望な領域を特定するために勾配を用いた高速・スローアルゴリズムを提案する。
本研究は, 量子化学, 最適化, 量子シミュレーション問題における変分量子アルゴリズムの応用に近づいたものである。
論文 参考訳（メタデータ） (2022-03-04T17:48:57Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - 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) - Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial
Optimization [0.14755786263360526]
最小限のフォールトトレラント量子コンピュータで試すのに、最適化のための量子アルゴリズムが最も実用的であるかを探る。
この結果から,2次高速化のみを実現する量子最適化が,古典的アルゴリズムよりも有利であるという考えが否定される。
論文 参考訳（メタデータ） (2020-07-14T22:54:04Z)
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。