論文の概要: Transfer learning of optimal QAOA parameters in combinatorial
optimization
- arxiv url: http://arxiv.org/abs/2402.05549v1
- Date: Thu, 8 Feb 2024 10:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 15:57:01.871793
- Title: Transfer learning of optimal QAOA parameters in combinatorial
optimization
- Title（参考訳）: 組合せ最適化における最適QAOAパラメータの伝達学習
- Authors: J. A. Montanez-Barrera, Dennis Willsch, Kristel Michielsen
- Abstract要約: 本研究では,ある問題インスタンスの事前学習されたQAOAパラメータを異なるCOPインスタンスに再利用するために,転送学習(TL)手法について検討する。
本研究では、旅行セールスマン問題(TSP)、ビン包装問題(BPP)、クナップサック問題(KP)、最大カット問題(MaxCut)、ポートフォリオ最適化問題(PO)の小さな事例を選択する。
我々は,BPP のパラメータを持つ D-Wave Advantage 量子アニールを用いて,クロスプラットフォーム TL が可能であることを示す。
- 参考スコア（独自算出の注目度）: 0.46040036610482665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Solving combinatorial optimization problems (COPs) is a promising application
of quantum computation, with the Quantum Approximate Optimization Algorithm
(QAOA) being one of the most studied quantum algorithms for solving them.
However, multiple factors make the parameter search of the QAOA a hard
optimization problem. In this work, we study transfer learning (TL), a
methodology to reuse pre-trained QAOA parameters of one problem instance into
different COP instances. To this end, we select small cases of the traveling
salesman problem (TSP), the bin packing problem (BPP), the knapsack problem
(KP), the weighted maximum cut (MaxCut) problem, the maximal independent set
(MIS) problem, and portfolio optimization (PO), and find optimal $\beta$ and
$\gamma$ parameters for $p$ layers. We compare how well the parameters found
for one problem adapt to the others. Among the different problems, BPP is the
one that produces the best transferable parameters, maintaining the probability
of finding the optimal solution above a quadratic speedup for problem sizes up
to 42 qubits and p = 10 layers. Using the BPP parameters, we perform
experiments on IonQ Harmony and Aria, Rigetti Aspen-M-3, and IBM Brisbane of
MIS instances for up to 18 qubits. The results indicate IonQ Aria yields the
best overlap with the ideal probability distribution. Additionally, we show
that cross-platform TL is possible using the D-Wave Advantage quantum annealer
with the parameters found for BPP. We show an improvement in performance
compared to the default protocols for MIS with up to 170 qubits. Our results
suggest that there are QAOA parameters that generalize well for different COPs
and annealing protocols.
- Abstract（参考訳）: 組合せ最適化問題の解法(COPs)は量子計算の有望な応用であり、量子近似最適化アルゴリズム(QAOA)はそれらを解決するための最も研究されている量子アルゴリズムの1つである。
しかし、複数の要因がQAOAのパラメータ探索を難しい最適化問題にしている。
本研究では,ある問題インスタンスの事前学習されたQAOAパラメータを異なるCOPインスタンスに再利用する手法であるTransfer Learning(TL)について検討する。
この目的のために,旅行セールスマン問題(tsp),ビンパッキング問題(bpp),ナップサック問題(kp),重み付き最大カット(maxcut)問題,最大独立集合(mis)問題,ポートフォリオ最適化(po)の小さなケースを選択し,$p$層に対して最適な$\beta$と$\gamma$パラメータを求める。
我々は、ある問題のパラメータが他の問題にどのように適応するかを比較する。
異なる問題の中で、BPPは最良の転送可能なパラメータを生成し、最大42キュービットとp = 10層までの問題の2次高速化より上の最適解を見つける確率を維持する。
BPPパラメータを用いて、最大18キュービットのMISインスタンスのIonQ HarmonyとAria、Rigetti Aspen-M-3、IBM Brisbaneの実験を行う。
その結果、IonQ Aria は理想的な確率分布と最も重なり合うことを示した。
さらに、BPP のパラメータを持つ D-Wave Advantage 量子アニールを用いて、クロスプラットフォーム TL が可能であることを示す。
最大170キュービットのMISのデフォルトプロトコルと比較して,性能が向上したことを示す。
以上の結果から,様々なコップやアニーリングプロトコルに適したqaoaパラメータが存在することが示唆された。
関連論文リスト
- End-to-End Protocol for High-Quality QAOA Parameters with Few Shots [2.906880059847219]
我々は,複数のパラメータ設定と微調整技術を組み合わせたエンドツーエンドプロトコルを開発した。
最大32キュービットと5QAOA層を用いたトラップイオンプロセッサを実装した。
パイプラインは少量のハードウェアノイズに対して堅牢であることを示す。
論文 参考訳（メタデータ） (2024-08-01T13:39:40Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Parameter Setting in Quantum Approximate Optimization of Weighted
Problems [10.396104620517171]
本研究では,重み付き問題の一般的なクラスに適用したQAOAのパラメータ設定を開発する。
まず、重み付けされたMaxCut問題に適用した深さ$p=1$のQAOAに対する最適パラメータを、重み付けの異なる仮定の下で導出する。
第二に、$pgeq 1$ の場合、重み付き MaxCut の QAOA エネルギーランドスケープが、パラメータの単純な再スケーリングの下での未重み付きケースにアプローチすることを証明します。
第三に、重み付きMaxCutの解析結果から着想を得た一般的な再スケーリング手法を提案し、その効果を実証する。
論文 参考訳（メタデータ） (2023-05-24T14:37:33Z) - Unbalanced penalization: A new approach to encode inequality constraints of combinatorial problems for quantum optimization algorithms [42.29248343585333]
余分なスラック変数を必要としない代替手法を提案する。
我々は,旅行セールスマン問題,ビン包装問題,ナプサック問題に対するアプローチを評価した。
この新しいアプローチは、リソースの少ない不等式制約の問題を解決するために使用できる。
論文 参考訳（メタデータ） (2022-11-25T06:05:18Z) - A Parameter Setting Heuristic for the Quantum Alternating Operator
Ansatz [0.0]
本稿では,問題の大きさに応じて異なるコスト値の数が増加する場合に適したパラメータ設定戦略を提案する。
我々は、完全均一性が正確に保持され、状態と期待値の両方を記述する情報が得られるQAOAの古典的同次プロキシを定義する。
最大3ドルのQAOAレベルでは、これまでのグローバルに最適化されたアプローチによって返される近似比にマッチするパラメータを容易に見つけることができます。
論文 参考訳（メタデータ） (2022-11-17T00:18:06Z) - 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$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$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) - Unsupervised strategies for identifying optimal parameters in Quantum
Approximate Optimization Algorithm [3.508346077709686]
最適化なしでパラメータを設定するための教師なし機械学習手法について検討する。
繰り返しに使用するQAOAパラメータの数が3ドルに制限された場合、これらをRecursive-QAOAで3ドルまで紹介します。
我々は、アングルを広範囲に最適化し、多数のサーキットコールを省く場合と同じような性能を得る。
論文 参考訳（メタデータ） (2022-02-18T19:55:42Z) - STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。
我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
論文 参考訳（メタデータ） (2021-11-01T15:43:36Z) - Parameters Fixing Strategy for Quantum Approximate Optimization
Algorithm [0.0]
そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。
我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
論文 参考訳（メタデータ） (2021-08-11T15:44:16Z) - 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。