論文の概要: Determination of Optimal Chain Coupling made by Embedding in D-Wave Quantum Annealer
- arxiv url: http://arxiv.org/abs/2406.03364v1
- Date: Wed, 5 Jun 2024 15:18:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 17:41:32.772777
- Title: Determination of Optimal Chain Coupling made by Embedding in D-Wave Quantum Annealer
- Title（参考訳）: D波量子アニールにおける埋め込みによる最適鎖結合の決定
- Authors: Hayun Park, Hunpyo Lee,
- Abstract要約: D-wave quantum annealer (D-wave QA) の量子ビットは最適化問題の構造とは異なるペガサスグラフ上に設計されている。
弱く強い$J_c$値は連鎖破壊と連鎖エネルギーの強制を引き起こす。
可能な最低エネルギーを観測するための最大確率p$の値が決定されるアルゴリズムを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The qubits in a D-wave quantum annealer (D-wave QA) are designed on a Pegasus graph that is different from structure of a combinatorial optimization problem. This situation requires embedding with the chains connected by ferromagnetic (FM) coupling $J_c$ between the qubits. Weak and strong $J_c$ values induce chain breaking and enforcement of chain energy, which reduce the accuracy of quantum annealing (QA) measurements, respectively. In addition, we confirmed that even though the D-Wave Ocean package provides a default coupling $J_c^{\text{default}}$, it is not an optimal coupling $J_c^{\text{optimal}}$ that maximizes the possible correct rate of QA measurements. In this paper, we present an algorithm how $J_c^{\text{optimal}}$ with the maximum probability $p$ for observing the possible lowest energy is determined. Finally, we confirm that the extracted $J_c^{\text{optimal}}$ show much better $p$ than $J_c^{\text{default}}$ in QA measurements of various parameters of frustrated and fully connected combinatorial optimization problems. The open code is available in \textit{https://github.com/HunpyoLee/OptimizeChainStrength}.
- Abstract（参考訳）: D-wave quantum annealer (D-wave QA) の量子ビットは、組合せ最適化問題の構造とは異なるペガサスグラフ上に設計されている。
この状況では、量子ビット間の強磁性(FM)カップリング$J_c$で連結された鎖に埋め込む必要がある。
弱い値と強い$J_c$値は、それぞれ量子アニール(QA)測定の精度を低下させるチェーンエネルギーの破れと強制を誘導する。
さらに、D-Wave Oceanパッケージはデフォルトの結合である$J_c^{\text{default}}$を提供するが、QA測定の可能な正しいレートを最大化する$J_c^{\text{optimal}}$は最適結合ではないことを確認した。
本稿では,可能な最低エネルギーを観測するための最大確率$p$で,$J_c^{\text{optimal}}$がどうやって決定されるかを示す。
最後に、抽出した$J_c^{\text{optimal}}$が、フラストレーションと完全に連結された組合せ最適化問題の様々なパラメータのQA測定において、$J_c^{\text{default}}$よりもずっと良い$p$を示すことを確認した。
オープンコードは、textit{https://github.com/HunpyoLee/OptimizeChainStrength}で公開されている。
関連論文リスト
- Computational Supremacy of Quantum Eigensolver by Extension of Optimized Binary Configurations [0.0]
我々は、D-Wave Quantum Annealer(D-Wave QA)に基づく量子固有解法を開発する。
このアプローチは、古典的コンピュータの導出を伴わない固有状態$vert psi rangle$を最適化するために反復的なQA測定を実行する。
提案したQEアルゴリズムは誤差の5倍の10～3$の正確な解を提供することを確認した。
論文 参考訳（メタデータ） (2024-06-05T15:19:53Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - An Oblivious Stochastic Composite Optimization Algorithm for Eigenvalue
Optimization Problems [76.2042837251496]
相補的な合成条件に基づく2つの難解なミラー降下アルゴリズムを導入する。
注目すべきは、どちらのアルゴリズムも、目的関数のリプシッツ定数や滑らかさに関する事前の知識なしで機能する。
本稿では,大規模半確定プログラム上での手法の効率性とロバスト性を示す。
論文 参考訳（メタデータ） (2023-06-30T08:34:29Z) - $U(N)$ gauge theory in the strong coupling limit on a quantum annealer [6.875312133832079]
強い結合状態における格子QCDは整数値を持つ双対変数で定式化することができる。
これは、この状態における有限密度符号問題を回避し、ムーンを介して、穏やかな有限温度と有限密度に対して効率的にシミュレートすることができる。
分割関数は整数の項でのみ表現されるので、量子アニール上で解ける量子最適化問題としてキャストすることができる。
論文 参考訳（メタデータ） (2023-05-29T16:16:30Z) - ReSQueing Parallel and Private Stochastic Convex Optimization [59.53297063174519]
本稿では,BFG凸最適化(SCO: Reweighted Query (ReSQue) 推定ツールを提案する。
我々はSCOの並列およびプライベート設定における最先端の複雑さを実現するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-01-01T18:51:29Z) - Determination of Chain Strength induced by Embedding in D-Wave Quantum
Annealer [0.0]
D波量子アニール器は、いくつかの量子ビットで接続された強磁性(FM)鎖を埋め込む必要がある。
鎖内のクビットのFM秩序を維持するのに必要な鎖強度$J_c$の決定は、量子アニールの精度に不可欠である。
論文 参考訳（メタデータ） (2022-09-25T06:59:10Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - Wasserstein Solution Quality and the Quantum Approximate Optimization
Algorithm: A Portfolio Optimization Case Study [0.0]
金融資産のポートフォリオを最適化することは、量子処理単位(QPU)に適したアルゴリズムを用いて概ね解決できる重要な産業問題である
我々は,ゲートモデルQPUをターゲットとした量子近似最適化アルゴリズム(QAOA)を用いて,このアプローチの成功をベンチマークする。
我々の焦点は、正規化および補化Wasserstein Distance, $eta$によって決定されたソリューションの品質である。
論文 参考訳（メタデータ） (2022-02-14T15:00:28Z) - Optimal Control for Closed and Open System Quantum Optimization [0.0]
線形結合 $s(t)B+ (1-s(t))C$ において、量子最適制御問題の厳密な解析を行う。
目標は、時間依存かつ有界な制御スケジュールに対して、最終問題のハミルトニアン$C$のエネルギーを最小化することである。
論文 参考訳（メタデータ） (2021-07-07T22:57:57Z) - Quantum Differentially Private Sparse Regression Learning [132.1981461292324]
我々は、スパース回帰問題を解くために、効率的な量子微分プライベート(QDP)ラッソ推定器を考案する。
最後に、QDP Lasso はプライバシー保証付きで $tildeO(N-2/3)$ に近い最適ユーティリティを実現していることを示す。
論文 参考訳（メタデータ） (2020-07-23T10:50:42Z) - Maximizing Determinants under Matroid Constraints [69.25768526213689]
我々は、$det(sum_i in Sv_i v_i v_itop)$が最大になるような基底を$S$$$$M$とする問題を研究する。
この問題は、実験的なデザイン、商品の公平な割り当て、ネットワーク設計、機械学習など、さまざまな分野に現れている。
論文 参考訳（メタデータ） (2020-04-16T19:16:38Z)
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。