論文の概要: Quantum Graph Optimization Algorithm

• arxiv url: http://arxiv.org/abs/2404.06434v1
• Date: Tue, 9 Apr 2024 16:25:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-10 14:01:33.811769
• Title: Quantum Graph Optimization Algorithm
• Title（参考訳）: 量子グラフ最適化アルゴリズム
• Authors: Yuhan Huang, Ferris Prima Nugraha, Siyuan Jin, Yichi Zhang, Bei Zeng, Qiming Shao,
• Abstract要約: 本研究では,メッセージパス機構を統合した新しい変分量子グラフ最適化アルゴリズムを提案する。 QUBOタスクのスケーラビリティに関して,本アルゴリズムはQAOAよりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 7.788671046805509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadratic unconstrained binary optimization (QUBO) tasks are very important in chemistry, finance, job scheduling, and so on, which can be represented using graph structures, with the variables as nodes and the interaction between them as edges. Variational quantum algorithms, especially the Quantum Approximate Optimization Algorithm (QAOA) and its variants, present a promising way, potentially exceeding the capabilities of classical algorithms, for addressing QUBO tasks. However, the possibility of using message-passing machines, inspired by classical graph neural networks, to enhance the power and performance of these quantum algorithms for QUBO tasks was not investigated. This study introduces a novel variational quantum graph optimization algorithm that integrates the message-passing mechanism, which demonstrates significant improvements in performance for solving QUBO problems in terms of resource efficiency and solution precision, compared to QAOA, its variants, and other quantum graph neural networks. Furthermore, in terms of scalability on QUBO tasks, our algorithm shows superior performance compared to QAOA, presenting a substantial advancement in the field of quantum approximate optimization.
• Abstract（参考訳）: 二次非拘束バイナリ最適化(QUBO)タスクは、グラフ構造を用いて表現できる化学、金融、ジョブスケジューリングなどにおいて非常に重要であり、変数をノードとして、それらの間の相互作用をエッジとして表現する。 変分量子アルゴリズム、特に量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)とその変種は、古典的なアルゴリズムの能力を超え、QUBOタスクに対処するための有望な方法を提供する。 しかし、従来のグラフニューラルネットワークにインスパイアされたメッセージパッシングマシンを用いて、QUBOタスクにおけるこれらの量子アルゴリズムのパワーと性能を向上させる可能性については検討されなかった。 本研究では,QAOAや変種,その他の量子グラフニューラルネットワークと比較して,QUBO問題の解法性能が,資源効率と解精度で大幅に向上したことを示す,メッセージパッシング機構を統合した新しい変分量子グラフ最適化アルゴリズムを提案する。 さらに,QUBOタスクのスケーラビリティに関しては,QAOAよりも優れた性能を示し,量子近似最適化の分野ではかなり進歩している。

関連論文リスト

• 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)
• Graph Learning for Parameter Prediction of Quantum Approximate Optimization Algorithm [14.554010382366302]
  量子近似最適化(Quantum Approximate Optimization, QAOA)は、Max-Cutの問題を効率的に解く可能性において際立っている。 我々は,GNNをウォームスタート手法として,グラフニューラルネットワーク(GNN)を用いてQAOAを最適化する。 以上の結果から,量子コンピューティングにおけるGNNのQAOA性能向上の可能性が示唆され,量子古典的ハイブリッドコンピューティングへの新たな道が開かれた。
  論文  参考訳（メタデータ） (2024-03-05T20:23:25Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
  古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。 量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
  論文  参考訳（メタデータ） (2023-10-14T02:13:26Z)
• Quantum-Informed Recursive Optimization Algorithms [0.0]
  最適化問題に対する量子インフォームド再帰最適化(QIRO)アルゴリズムのファミリを提案し,実装する。 提案手法は、量子資源を利用して、問題固有の古典的還元ステップで使用される情報を得る。 バックトラック技術を用いて、量子ハードウェアの要求を増大させることなく、アルゴリズムの性能をさらに向上させる。
  論文  参考訳（メタデータ） (2023-08-25T18:02:06Z)
• A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。 この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。 我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
  論文  参考訳（メタデータ） (2023-06-15T15:28:12Z)
• A Comparative Study On Solving Optimization Problems With Exponentially Fewer Qubits [0.0]
  変分量子固有解法(VQE)に基づくアルゴリズムの評価と改良を行った。 我々は,問題を変分アンサッツにエンコードすることで生じる数値不安定性を強調する。 より少ないイテレーションでアンザッツの基底状態を求めるための古典的な最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-10-21T08:54:12Z)
• 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)
• Quantum variational optimization: The role of entanglement and problem hardness [0.0]
  本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。 数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。 リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
  論文  参考訳（メタデータ） (2021-03-26T14:06:54Z)
• 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)

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。