論文の概要: Performance Analysis of an Optimization Algorithm for Metamaterial Design on the Integrated High-Performance Computing and Quantum Systems
- arxiv url: http://arxiv.org/abs/2405.02211v1
- Date: Fri, 3 May 2024 16:12:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-06 12:16:37.185920
- Title: Performance Analysis of an Optimization Algorithm for Metamaterial Design on the Integrated High-Performance Computing and Quantum Systems
- Title（参考訳）: 集積型高性能コンピューティングと量子システムを用いたメタマテリアル設計のための最適化アルゴリズムの性能解析
- Authors: Seongmin Kim, In-Saeng Suh,
- Abstract要約: 統合HPCおよび量子システム上でのメタマテリアル設計のための最適化アルゴリズムの性能を網羅的に解析する。
メッセージパッシングインタフェース (MPI) の並列化により, 時間的アドバンテージを示す。
その結果,HPC-量子ハイブリッドシステム上で最適化アルゴリズムを実行する場合,24倍の高速化が得られた。
- 参考スコア（独自算出の注目度）: 0.25782420501870296
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Optimizing metamaterials with complex geometries is a big challenge. Although an active learning algorithm, combining machine learning (ML), quantum computing, and optical simulation, has emerged as an efficient optimization tool, it still faces difficulties in optimizing complex structures that have potentially high performance. In this work, we comprehensively analyze the performance of an optimization algorithm for metamaterial design on the integrated HPC and quantum systems. We demonstrate significant time advantages through message-passing interface (MPI) parallelization on the high-performance computing (HPC) system showing approximately 54% faster ML tasks and 67 times faster optical simulation against serial workloads. Furthermore, we analyze the performance of a quantum algorithm designed for optimization, which runs with various quantum simulators on a local computer or HPC-quantum system. Results showcase ~24 times speedup when executing the optimization algorithm on the HPC-quantum hybrid system. This study paves a way to optimize complex metamaterials using the integrated HPC-quantum system.
- Abstract（参考訳）: 複雑なジオメトリでメタマテリアルを最適化することは大きな課題です。
機械学習(ML)、量子コンピューティング、光学シミュレーションを組み合わせた能動的学習アルゴリズムが効率的な最適化ツールとして登場したが、性能の高い複雑な構造の最適化には依然として困難に直面している。
本研究では,HPCと量子システムを統合したメタマテリアル設計のための最適化アルゴリズムの性能を網羅的に解析する。
我々は,HPCシステム上でのメッセージパッシングインタフェース(MPI)の並列化により,MLタスクの約54%,シリアルワークロードに対する光学シミュレーションの67倍の高速化を実現した。
さらに、ローカルコンピュータやHPC量子システム上で様々な量子シミュレータで動作する最適化のために設計された量子アルゴリズムの性能を解析する。
その結果、HPC-量子ハイブリッドシステム上で最適化アルゴリズムを実行する場合、約24倍のスピードアップを示す。
本研究では,HPC量子システムを用いた複雑なメタマテリアルの最適化手法を提案する。
関連論文リスト
- Distributed Quantum Approximate Optimization Algorithm on Integrated High-Performance Computing and Quantum Computing Systems for Large-Scale Optimization [1.7099366779394252]
量子近似最適化アルゴリズム(QAOA)は、ゲートベースの量子コンピューティングシステムに量子スピードアップを提供することで最適化問題を解決することを約束している。
本稿では,分散QAOA(DQAOA)を提案する。
我々はAL-DQAOAを用いてフォトニック構造を最適化することに成功し、ゲートベースの量子コンピューティングを用いた実世界の最適化問題を解くことは我々の戦略で実現可能であることを示唆した。
論文 参考訳（メタデータ） (2024-07-29T17:42:25Z) - 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) - Towards Optimizations of Quantum Circuit Simulation for Solving Max-Cut
Problems with QAOA [1.5047640669285467]
量子近似最適化アルゴリズム(QAOA)は、近似を用いて最適化問題を解くために用いられる一般的な量子アルゴリズムの1つである。
しかし、仮想量子コンピュータ上でのQAOAの実行は、最適化問題を解くのに遅いシミュレーション速度に悩まされている。
本稿では,QAOAの量子演算を数学的に最適化し,QCSを高速化する手法を提案する。
論文 参考訳（メタデータ） (2023-12-05T06:08:57Z) - 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) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Optimization of chemical mixers design via tensor trains and quantum
computing [0.0]
流体のY字型ミキサーに着目した部品形状最適化のための新しい最適化手法である列車最適化(TetraOpt)を実証する。
高い並列化とより広範なグローバル検索のため、TetraOptは精度と実行時のベイズ最適化技術に優れる。
このアプローチの量子コンピューティングへの拡張について論じるが、これはより効率的なアプローチをもたらす可能性がある。
論文 参考訳（メタデータ） (2023-04-24T17:56:56Z) - Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。
木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。
3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文 参考訳（メタデータ） (2022-09-09T14:58:43Z) - Performance comparison of optimization methods on variational quantum
algorithms [2.690135599539986]
変分量子アルゴリズム(VQA)は、学術・工業研究への応用に短期的な量子ハードウェアを使用するための有望な道を提供する。
SLSQP, COBYLA, CMA-ES, SPSAの4つの最適化手法の性能について検討した。
論文 参考訳（メタデータ） (2021-11-26T12:13:20Z) - 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) - 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) - Quantum-Enhanced Simulation-Based Optimization [0.8057006406834467]
シミュレーションに基づく最適化は、正確に評価するのに計算コストのかかる目的関数を最適化することを目指している。
量子振幅推定(QAE)は、古典モンテカルロシミュレーションよりも2次的なスピードアップを達成することができる。
論文 参考訳（メタデータ） (2020-05-21T17:02:59Z)
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。