論文の概要: Trainability Barriers in Low-Depth QAOA Landscapes

• arxiv url: http://arxiv.org/abs/2402.10188v2
• Date: Wed, 09 Oct 2024 14:51:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-10 14:26:20.885361
• Title: Trainability Barriers in Low-Depth QAOA Landscapes
• Title（参考訳）: 低深度QAOA景観におけるトレーサビリティバリア
• Authors: Joel Rajakumar, John Golden, Andreas Bärtschi, Stephan Eidenbenz,
• Abstract要約: QAOA(Quantum Alternating Operator Ansatz)は最適化問題を解くための変分量子アルゴリズムである。 以前の結果から、小さなパラメータの固定数の解析性能が保証された。 本研究は,近年の数値研究の焦点である中間体制における訓練の難しさについて考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The Quantum Alternating Operator Ansatz (QAOA) is a prominent variational quantum algorithm for solving combinatorial optimization problems. Its effectiveness depends on identifying input parameters that yield high-quality solutions. However, understanding the complexity of training QAOA remains an under-explored area. Previous results have given analytical performance guarantees for a small, fixed number of parameters. At the opposite end of the spectrum, barren plateaus are likely to emerge at $\Omega(n)$ parameters for $n$ qubits. In this work, we study the difficulty of training in the intermediate regime, which is the focus of most current numerical studies and near-term hardware implementations. Through extensive numerical analysis of the quality and quantity of local minima, we argue that QAOA landscapes can exhibit a superpolynomial growth in the number of low-quality local minima even when the number of parameters scales logarithmically with $n$. This means that the common technique of gradient descent from randomly initialized parameters is doomed to fail beyond small $n$, and emphasizes the need for good initial guesses of the optimal parameters.
• Abstract（参考訳）: QAOA(Quantum Alternating Operator Ansatz)は、組合せ最適化問題の解法である。 その有効性は、高品質な解を生み出す入力パラメータの同定に依存する。 しかし、QAOAの訓練の複雑さを理解することは、まだ未調査の領域である。 以前の結果から、小さなパラメータの固定数の解析性能が保証された。 スペクトルの反対の端では、バレンプラトーは$n$ qubitsに対して$\Omega(n)$パラメータで現れる。 本研究は,近年の数値研究と短期ハードウェア実装の焦点である中間体制における訓練の難しさについて考察する。 QAOAランドスケープは局所的最小値の品質と量に関する広範な数値解析を通じて、パラメータ数が$n$と対数的にスケールしても、低品質な局所的最小値の数でスーパーポリノミカルな成長を示すことができると論じる。 これは、ランダムに初期化されたパラメータからの勾配降下の一般的なテクニックは、小さな$n$を超える失敗を免れ、最適なパラメータの適切な初期推定の必要性を強調することを意味する。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• Linearly simplified QAOA parameters and transferability [0.6834295298053009]
  量子近似アルゴリズム最適化(QAOA)は、量子コンピュータを用いて最適化問題を解く方法を提供する。 ランダムイジングモデルのインスタンスと最大カット問題のインスタンスに対して得られた数値結果について述べる。
  論文  参考訳（メタデータ） (2024-05-01T17:34:32Z)
• A Mean-Field Analysis of Neural Stochastic Gradient Descent-Ascent for Functional Minimax Optimization [90.87444114491116]
  本稿では,超パラメトリック化された2層ニューラルネットワークの無限次元関数クラス上で定義される最小最適化問題について検討する。 i) 勾配降下指数アルゴリズムの収束と, (ii) ニューラルネットワークの表現学習に対処する。 その結果、ニューラルネットワークによって誘導される特徴表現は、ワッサーシュタイン距離で測定された$O(alpha-1)$で初期表現から逸脱することが許された。
  論文  参考訳（メタデータ） (2024-04-18T16:46:08Z)
• 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)
• 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)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• 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)
• Parameter Concentration in Quantum Approximate Optimization [0.0]
  最適QAOA回路パラメータは問題の大きさの逆として集中していることがわかった。 p=1,2$(それぞれ2パラメータと4パラメータに対応)の変動状態の準備について解析的に検討した。
  論文  参考訳（メタデータ） (2021-03-22T16:24:00Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)

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。