論文の概要: Compressed sensing enhanced by quantum approximate optimization algorithm

• arxiv url: http://arxiv.org/abs/2403.17399v1
• Date: Tue, 26 Mar 2024 05:26:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-27 16:36:05.450186
• Title: Compressed sensing enhanced by quantum approximate optimization algorithm
• Title（参考訳）: 量子近似最適化アルゴリズムによる圧縮センシング
• Authors: Baptiste Chevalier, Wojciech Roga, Masahiro Takeoka,
• Abstract要約: 本稿では,量子サブルーチンを用いた大規模圧縮センシング問題に対処する枠組みを提案する。 本研究は, 量子コンピュータを圧縮センシング分野に適用する有望な方法を探るものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a framework to deal with a range of large scale compressive sensing problems using a quantum subroutine. We apply a quantum approximate optimization algorithm (QAOA) to support detection in a sparse signal reconstruction algorithm: matching pursuit. The constrained optimization required in this algorithm is difficult to handle when the size of the problem is large and constraints are given by unstructured patterns. Our framework utilizes specially designed structured constraints that are easy to manipulate and reduce the optimization problem to the solution of an Ising model which can be found using Ising solvers. In this research, we test the performance of QAOA for this purpose on a simulator of quantum computer. We observe that our method can outperform reference classical methods. Our results explore a promising path of applying quantum computers in the compressive sensing field.
• Abstract（参考訳）: 本稿では,量子サブルーチンを用いた大規模圧縮センシング問題に対処する枠組みを提案する。 スパース信号再構成アルゴリズムにおける検出を支援するために,量子近似最適化アルゴリズム(QAOA)を適用した。 このアルゴリズムで必要とされる制約付き最適化は、問題のサイズが大きく、制約が非構造化パターンによって与えられる場合、処理が困難である。 本フレームワークでは,Isingソルバを用いて検索可能なIsingモデルの解に対する最適化問題を操作しやすくする,特別に設計された制約を利用する。 本研究では,量子コンピュータのシミュレータ上でQAOAの性能を検証した。 提案手法は,従来の手法よりも優れた性能を示す。 本研究は, 量子コンピュータを圧縮センシング分野に適用する有望な方法を探るものである。

関連論文リスト

• Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
  本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。 そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
  論文  参考訳（メタデータ） (2024-05-01T20:49:50Z)
• 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)
• Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
  近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。 我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。 我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T06:59:23Z)
• Squeezing and quantum approximate optimization [0.6562256987706128]
  変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。 しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。 我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-20T18:00:06Z)
• Adapting Quantum Approximation Optimization Algorithm (QAOA) for Unit Commitment [2.8060379263058794]
  ユニットコミットと呼ばれる電力系統最適化問題に対して,ハイブリッド量子古典アルゴリズムを定式化し,適用する。 提案アルゴリズムは、量子近似最適化アルゴリズム(QAOA)を古典最小値で拡張し、混合二元最適化をサポートする。 提案手法は,400個の発電ユニット未満のシミュレーション単位コミットに対して,古典的解法が有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-25T03:37:34Z)
• Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
  本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2021-08-18T09:26:17Z)
• Polynomial unconstrained binary optimisation inspired by optical simulation [52.11703556419582]
  制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。 提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。 タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
  論文  参考訳（メタデータ） (2021-06-24T16:39:31Z)
• Quantum constraint learning for quantum approximate optimization algorithm [0.0]
  本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。 学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。 また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
  論文  参考訳（メタデータ） (2021-05-14T11:31:14Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• 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)
• 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。