論文の概要: Non-native Quantum Generative Optimization with Adversarial Autoencoders

• arxiv url: http://arxiv.org/abs/2407.13830v1
• Date: Thu, 18 Jul 2024 18:03:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 21:39:27.336516
• Title: Non-native Quantum Generative Optimization with Adversarial Autoencoders
• Title（参考訳）: 逆自己エンコーダを用いた非ネイティブ量子生成最適化
• Authors: Blake A. Wilson, Jonathan Wurtz, Vahagn Mkhitaryan, Michael Bezick, Sheng-Tao Wang, Sabre Kais, Vladimir M. Shalaev, Alexandra Boltasseva,
• Abstract要約: 本稿では、大規模最適化問題を既存の量子サンプリングにマッピングするために使用できる逆量子オートエンコーダモデル(AQAM)を紹介する。 従来のマルコフ・チェインモンテカルロ試料と比較すると,AQAMはレニイ偏差が低く,スペクトルギャップが大きくなることが示されている。
• 参考スコア（独自算出の注目度）: 34.82692226532414
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale optimization problems are prevalent in several fields, including engineering, finance, and logistics. However, most optimization problems cannot be efficiently encoded onto a physical system because the existing quantum samplers have too few qubits. Another typical limiting factor is that the optimization constraints are not compatible with the native cost Hamiltonian. This work presents a new approach to address these challenges. We introduce the adversarial quantum autoencoder model (AQAM) that can be used to map large-scale optimization problems onto existing quantum samplers while simultaneously optimizing the problem through latent quantum-enhanced Boltzmann sampling. We demonstrate the AQAM on a neutral atom sampler, and showcase the model by optimizing 64px by 64px unit cells that represent a broad-angle filter metasurface applicable to improving the coherence of neutral atom devices. Using 12-atom simulations, we demonstrate that the AQAM achieves a lower Renyi divergence and a larger spectral gap when compared to classical Markov Chain Monte Carlo samplers. Our work paves the way to more efficient mapping of conventional optimization problems into existing quantum samplers.
• Abstract（参考訳）: 大規模な最適化問題は、工学、金融、物流など、いくつかの分野で広く用いられている。 しかし、既存の量子サンプリング器には量子ビットが多すぎるため、ほとんどの最適化問題は物理系に効率的に符号化できない。 もう一つの典型的な制限要因は、最適化の制約がネイティブコストのハミルトニアンと互換性がないことである。 この研究は、これらの課題に対処するための新しいアプローチを提示します。 本稿では,大規模最適化問題を既存の量子サンプリングにマッピングし,遅延量子拡張ボルツマンサンプリングにより問題を最適化する逆量子オートエンコーダモデル(AQAM)を提案する。 我々は、中性原子サンプリング装置上でAQAMを実証し、中性原子装置のコヒーレンス向上に適用可能な広角フィルタを表わす64pxの単位セルによる64pxの最適化モデルを示す。 12原子シミュレーションを用いて、AQAMは古典的マルコフ・チェイン・モンテカルロ検体と比較して、より低いレニイ発散と大きなスペクトルギャップを達成できることを示した。 我々の研究は、従来の最適化問題を既存の量子サンプリング器により効率的にマッピングする方法を開拓する。

関連論文リスト

• Performance analysis of a filtering variational quantum algorithm [0.0]
  Filtering Variational Quantum Eigensolver (F-VQE) は、既存の量子コンピュータにおける最適化問題を解くために設計された変分型ハイブリッド量子アルゴリズムである。 我々は、パラメータ化量子回路として、瞬時量子多項式回路を用いる。 F-VQEの実用的優位性には大きな発展が必要であると結論付けている。
  論文  参考訳（メタデータ） (2024-04-13T08:50:44Z)
• Designing Quantum Annealing Schedules using Bayesian Optimization [0.0]
  ベイジアン最適化は,標準プロトコルよりも数桁優れた忠実度をもたらすスケジュールを特定できることがわかった。 我々の手法は、ハード最適化問題に対するハイブリッド量子アルゴリズムの設計を改善するのに役立つ。
  論文  参考訳（メタデータ） (2023-05-22T18:00:03Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Quantum Annealing for Neural Network optimization problems: a new approach via Tensor Network simulations [0.0]
  量子アニーリング(QA)は、量子最適化の最も有望なフレームワークの1つである。 本稿では,QAの断熱時間進化を適切なネットワークとして効率的に表現できることを示す。 マトリックス製品状態(MPS)として表現された最適化状態が量子回路に再キャスト可能であることを示す。
  論文  参考訳（メタデータ） (2022-08-30T18:00:14Z)
• How Much Entanglement Do Quantum Optimization Algorithms Require? [0.0]
  ADAPT-QAOA施行時に発生する絡みについて検討した。 この柔軟性を漸進的に制限することにより、初期におけるより多くの絡み合いエントロピーが、後段におけるより速い収束と一致していることが分かる。
  論文  参考訳（メタデータ） (2022-05-24T18:00:02Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• 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)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial Optimization [0.14755786263360526]
  最小限のフォールトトレラント量子コンピュータで試すのに、最適化のための量子アルゴリズムが最も実用的であるかを探る。 この結果から,2次高速化のみを実現する量子最適化が,古典的アルゴリズムよりも有利であるという考えが否定される。
  論文  参考訳（メタデータ） (2020-07-14T22:54:04Z)
• 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)

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。