論文の概要: Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation
- arxiv url: http://arxiv.org/abs/2407.05589v1
- Date: Mon, 8 Jul 2024 03:51:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-09 17:10:02.881276
- Title: Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation
- Title（参考訳）: 凸補間を用いたポートフォリオ最適化のためのNISQコンピュータにおけるVQEのトレーニング性向上
- Authors: Shengbin Wang, Guihui Li, Zhaoyun Chen, Peng Wang, Menghan Dou, Haiyong Zheng, Zhimin Wang, Yongjian Gu, Yu-Chun Wu, Guo-Ping Guo,
- Abstract要約: ポートフォリオ最適化問題を解くために凸性を利用して変動量子固有解器(VQE)の訓練性を向上させる。
我々の提案は、実際のアプリケーションで広く使われている他の大規模最適化問題を解決するための訓練性を向上させるために拡張することができる。
- 参考スコア（独自算出の注目度）: 8.186804065389007
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solving combinatorial optimization problems using variational quantum algorithms (VQAs) represents one of the most promising applications in the NISQ era. However, the limited trainability of VQAs could hinder their scalability to large problem sizes. In this paper, we improve the trainability of variational quantum eigensolver (VQE) by utilizing convex interpolation to solve portfolio optimization. The idea is inspired by the observation that the Dicke state possesses an inherent clustering property. Consequently, the energy of a state with a larger Hamming distance from the ground state intuitively results in a greater energy gap away from the ground state energy in the overall distribution trend. Based on convex interpolation, the location of the ground state can be evaluated by learning the property of a small subset of basis states in the Hilbert space. This enlightens naturally the proposals of the strategies of close-to-solution initialization, regular cost function landscape, and recursive ansatz equilibrium partition. The successfully implementation of a $40$-qubit experiment using only $10$ superconducting qubits demonstrates the effectiveness of our proposals. Furthermore, the quantum inspiration has also spurred the development of a prototype greedy algorithm. Extensive numerical simulations indicate that the hybridization of VQE and greedy algorithms achieves a mutual complementarity, combining the advantages of both global and local optimization methods. Our proposals can be extended to improve the trainability for solving other large-scale combinatorial optimization problems that are widely used in real applications, paving the way to unleash quantum advantages of NISQ computers in the near future.
- Abstract（参考訳）: 変分量子アルゴリズム(VQA)を用いた組合せ最適化問題の解法は、NISQ時代の最も有望な応用の1つである。
しかしながら、VQAの訓練能力の制限は、そのスケーラビリティを大きな問題サイズに妨げる可能性がある。
本稿では,ポートフォリオ最適化のための凸補間を利用して変動量子固有解器(VQE)の訓練性を向上させる。
この考え方は、ディック状態が固有のクラスタリング特性を持っているという観察から着想を得たものである。
その結果、基底状態からハミング距離が大きい状態のエネルギーは、全体の分布傾向において、基底状態エネルギーから離れた大きなエネルギーギャップをもたらす。
凸補間に基づいて、基底状態の位置はヒルベルト空間における基底状態の小さな部分集合の性質を学ぶことによって評価することができる。
このことは、密解初期化、通常のコスト関数の展望、再帰的アンザッツ平衡分割の戦略の提案を自然に啓蒙する。
超伝導量子ビットを用いた40ドルの量子ビット実験を成功裏に実施し,提案手法の有効性を実証した。
さらに、量子インスピレーションは、プロトタイプのグリードアルゴリズムの開発にも拍車をかけた。
大域的な数値シミュレーションにより、VQEとグリードアルゴリズムのハイブリッド化は相互補完性を達成し、大域的および局所的な最適化手法の利点を併せ持つことが示された。
我々の提案は、NISQコンピュータの量子アドバンテージを近い将来に解き放ち、実際のアプリケーションで広く使われている他の大規模組合せ最適化問題を解くための訓練性を向上させるために拡張することができる。
関連論文リスト
- Variational quantum eigensolver with linear depth problem-inspired
ansatz for solving portfolio optimization in finance [7.501820750179541]
本稿では,金融におけるポートフォリオ最適化問題を解決するために,変分量子固有解法(VQE)を提案する。
超伝導量子コンピュータWu Kongにおける最大55量子ビットのHDC実験を実装した。
HDCスキームは、NISQ時代に量子アドバンテージを達成する大きな可能性を示している。
論文 参考訳（メタデータ） (2024-03-07T07:45:47Z) - Variational Quantum Eigensolver with Constraints (VQEC): Solving Constrained Optimization Problems via VQE [0.0]
変分量子アプローチは、計算的に困難なタスクに対する準最適解を見つけることに大きな期待を示している。
この研究は、VQECと呼ばれるハイブリッド量子古典的アルゴリズムパラダイムを提案し、制約による最適化を扱う。
論文 参考訳（メタデータ） (2023-11-14T19:49:09Z) - Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。
実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
論文 参考訳（メタデータ） (2023-11-05T12:03:58Z) - 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) - A quantum-inspired tensor network method for constrained combinatorial
optimization problems [5.904219009974901]
本稿では,一般に局所的に制約された最適化問題に対する量子インスパイアされたテンソルネットワークに基づくアルゴリズムを提案する。
我々のアルゴリズムは、興味のある問題に対してハミルトニアンを構築し、量子問題に効果的にマッピングする。
本研究は,本手法の有効性と応用の可能性を示すものである。
論文 参考訳（メタデータ） (2022-03-29T05:44:07Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳（メタデータ） (2022-01-06T21:02:30Z) - Faster Algorithm and Sharper Analysis for Constrained Markov Decision
Process [56.55075925645864]
制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。
新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。
これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
論文 参考訳（メタデータ） (2021-10-20T02:57:21Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳（メタデータ） (2021-06-24T08:18:42Z) - 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) - 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) - Multi-block ADMM Heuristics for Mixed-Binary Optimization on Classical
and Quantum Computers [3.04585143845864]
本稿では,2次最適化問題に対する現行手法の適用性を高めるために,分解に基づくアプローチを提案する。
我々は、乗算器の交互方向法(ADMM)が、MBOを二項制約のない問題(量子アルゴリズムで解ける)に分割できることを示した。
提案手法の有効性は,Qiskit で実装された量子回路上での VQE と QAOA を用いたシミュレーションにより,いくつかの最適化問題に対して得られた数値結果によって示される。
論文 参考訳（メタデータ） (2020-01-07T14:43:13Z)
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。