論文の概要: An Enhanced Hybrid HHL Algorithm
- arxiv url: http://arxiv.org/abs/2404.10103v1
- Date: Mon, 15 Apr 2024 19:26:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 20:48:29.926226
- Title: An Enhanced Hybrid HHL Algorithm
- Title(参考訳): 拡張ハイブリッドHHLアルゴリズム
- Authors: Jack Morgan, Eric Ghysels, Hamed Mohammadbagherpoor,
- Abstract要約: 本研究では,Harrow,Hassidim,Roydによって提案された方程式の線形系を解くために,量子アルゴリズムのハイブリッド変種(Hybrid HHL)の精度を向上させる。
我々は,2x2系の代表サンプルに対する理想量子プロセッサにおいて,ハイブリッドHHLの誤差を平均57%低減することを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a classical enhancement to improve the accuracy of the Hybrid variant (Hybrid HHL) of the quantum algorithm for solving liner systems of equations proposed by Harrow, Hassidim, and Lloyd (HHL). We achieve this by using higher precision quantum estimates of the eigenvalues relevant to the linear system, and an enhanced classical processing step to guide the eigenvalue inversion part of Hybrid HHL. We show that eigenvalue estimates with just two extra bits of precision results in tighter error bounds for our Enhanced Hybrid HHL compared to HHL. We also show that our enhancement reduces the error of Hybrid HHL by an average of 57 percent on an ideal quantum processor for a representative sample of 2x2 systems. On IBM Hanoi and IonQ Aria-1 hardware, we see that the error of Enhanced Hybrid HHL algorithm is on average 13 percent and 20 percent (respecitvely) less than that of HHL for a similar set of 2x2 systems. Finally, we use simulated eigenvalue estimates to perform an inversion of a 4x4 matrix on IonQ Aria-1 with a fidelity of 0.61. To our knowledge this is the largest HHL implementation with a fidelity greater than 0.5.
- Abstract(参考訳): 本稿では,Harrow, Hassidim, Lloyd (HHL) が提案する方程式の線形系を解くための量子アルゴリズムのハイブリッド変種 (Hybrid HHL) の精度を向上させるための古典的な拡張法を提案する。
本研究では,線形系に関連する固有値の高精度な量子推定法と,ハイブリッドHHLの固有値反転部を導出する拡張された古典的処理法を用いてこれを実現する。
2ビットの精度しか持たない固有値推定により,HHLと比較してHHLの誤差境界が厳密になることを示す。
また,2x2系の代表試料に対する理想量子プロセッサにおいて,ハイブリッドHHLの誤差を平均57%低減することを示す。
IBM Hanoi と IonQ Aria-1 のハードウェアでは、拡張ハイブリッド HHL アルゴリズムの誤差は 2x2 系の場合の HHL の誤差よりも平均13%、20%(比例的に)低い。
最後に、擬似固有値推定を用いて、IonQ Aria-1上の4x4行列を0.61の忠実度で反転させる。
我々の知る限り、これは0.5以上の忠実度を持つ最大のHHL実装である。
関連論文リスト
- An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Adapting the HHL algorithm to quantum many-body theory [0.0]
我々は,光分子系における相関エネルギーの正確な予測を行うために,Harrow-Hassidim-Lloydアルゴリズムを実装した。
量子コンピューティングのさまざまな時代におけるHHLの変種について紹介する。
我々は、相関エネルギーを正確に捉えるために、NISQ型AdaptHHLiteの能力を実証する。
論文 参考訳(メタデータ) (2022-12-30T15:38:59Z) - Implicit Hybrid Quantum-Classical CFD Calculations using the HHL
Algorithm [0.0]
インプリシット法は、ハイブリッド量子古典型CFDソルバにとって魅力的な方法である。
HHL固有値反転回路における量子ビットの数がCFDソルバの収束率にどのように影響するかを網羅的に分析する。
繰り返しフィードフォワード機構が同定され、HHL回路の精度が失われ、関連するエラー波が増幅される。
論文 参考訳(メタデータ) (2022-09-16T14:27:41Z) - LassoBench: A High-Dimensional Hyperparameter Optimization Benchmark
Suite for Lasso [84.6451154376526]
LassoBenchは、Lassoコミュニティで重要なオープンリサーチトピックに適した、新しいベンチマークスイートである。
我々は5つの最先端HPO法と3つのベースラインを評価し、ベイズ最適化が、特にスパース回帰によく用いられる手法よりも改善できることを実証した。
論文 参考訳(メタデータ) (2021-11-04T12:05:09Z) - Hybrid HHL with Dynamic Quantum Circuits on Real Hardware [2.1096737598952853]
量子線形系ソルバのほとんどのコンポーネントは、ノイズの多い中間スケールの量子デバイスの範囲から遠く離れている。
この研究は、より小さな量子デバイスに適しているHarrow-Hassidim-Lloyd (HHL)アルゴリズムのハイブリッド版を推し進める。
論文 参考訳(メタデータ) (2021-10-29T17:59:29Z) - Hybrid Random Features [60.116392415715275]
ハイブリッドランダム特徴(HRF)と呼ばれるソフトマックスとガウス核の線形化のための新しいランダム特徴法を提案する。
HRFは、カーネル推定の品質を自動的に適応し、定義された関心領域の最も正確な近似を提供する。
論文 参考訳(メタデータ) (2021-10-08T20:22:59Z) - An Iterative Improvement Method for HHL algorithm for Solving Linear
System of Equations [0.0]
本稿では,Harrow-Hassidim-Lloyd (HHL) アルゴリズムの線形方程式系を解くための反復的改善法を提案する。
HHLアルゴリズムの精度は、行列の固有値を表現するために使用される量子ビットの数によって制限される。
改良された反復法は測定回数を減らすことができる。
論文 参考訳(メタデータ) (2021-08-17T16:25:01Z) - Learning Gaussian Mixtures with Generalised Linear Models: Precise
Asymptotics in High-dimensions [79.35722941720734]
多クラス分類問題に対する一般化線形モデルは、現代の機械学習タスクの基本的な構成要素の1つである。
実験的リスク最小化による高次元推定器の精度を実証する。
合成データの範囲を超えて我々の理論をどのように適用できるかを論じる。
論文 参考訳(メタデータ) (2021-06-07T16:53:56Z) - Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。
任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
論文 参考訳(メタデータ) (2020-11-26T18:22:21Z) - ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning [91.13797346047984]
本稿では,2次最適化アルゴリズムであるADAHESSIANを紹介する。
ADAHESSIANは、他の適応最適化手法と比較して、新しい最先端の成果を大きなマージンで達成することを示す。
論文 参考訳(メタデータ) (2020-06-01T05:00:51Z)
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。