論文の概要: Investigating and Mitigating Barren Plateaus in Variational Quantum Circuits: A Survey
- arxiv url: http://arxiv.org/abs/2407.17706v1
- Date: Thu, 25 Jul 2024 01:58:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-26 15:37:23.572300
- Title: Investigating and Mitigating Barren Plateaus in Variational Quantum Circuits: A Survey
- Title（参考訳）: 変分量子回路におけるバレンプラトーの調査と緩和:サーベイ
- Authors: Jack Cunningham, Jun Zhuang,
- Abstract要約: 変分量子回路(VQC)は勾配に基づくアプローチによって最適化できる。
量子ビットや層数が増加するにつれて、VQCの勾配のばらつきは劇的に消える。
Barren Plateaus (BP)は、大規模なデータセット上のVQCのスケーリングを著しく妨げている。
- 参考スコア（独自算出の注目度）: 1.795561427808824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, variational quantum circuits (VQCs) have been widely explored to advance quantum circuits against classic models on various domains, such as quantum chemistry and quantum machine learning. Similar to classic machine-learning models, VQCs can be optimized through gradient-based approaches. However, the gradient variance of VQCs may dramatically vanish as the number of qubits or layers increases. This issue, a.k.a. Barren Plateaus (BPs), seriously hinders the scaling of VQCs on large datasets. To mitigate the exponential gradient vanishing, extensive efforts have been devoted to tackling this issue through diverse strategies. In this survey, we conduct a systematic literature review of recent works from both investigation and mitigation perspectives. Besides, we propose a new taxonomy to categorize most existing mitigation strategies. At last, we provide insightful discussion for future directions of BPs.
- Abstract（参考訳）: 近年、変分量子回路(VQC)は、量子化学や量子機械学習など、様々な領域の古典的モデルに対して量子回路を進化させるために広く研究されている。
古典的な機械学習モデルと同様に、VQCは勾配に基づくアプローチによって最適化できる。
しかしながら、VQCsの勾配のばらつきは、量子ビットや層の数が増えるにつれて劇的に消える可能性がある。
この問題、すなわちバレン高原(BP)は、大規模なデータセット上のVQCのスケーリングを著しく妨げている。
指数勾配の消滅を緩和するため、様々な戦略を通じてこの問題に取り組むために広範囲な努力が注がれている。
本調査では,調査と緩和の観点から,最近の研究の体系的な文献レビューを行う。
さらに,既存の緩和戦略を分類する新たな分類法を提案する。
最終的に、BPの今後の方向性について、洞察に富んだ議論を行う。
関連論文リスト
- A Survey of Methods for Mitigating Barren Plateaus for Parameterized Quantum Circuits [0.0]
バレンプラトーは、損失関数の平坦なプラトーに繋がるハイブリッド量子古典アルゴリズムにとって、恐ろしい挑戦である。
本稿では, 古典的な勾配の解釈と, コスト関数, 絡み合い, バレン高原への戦略を掘り下げる概念的視点を提供する。
論文 参考訳（メタデータ） (2024-06-20T13:10:26Z) - Improving Trainability of Variational Quantum Circuits via Regularization Strategies [2.121963121603413]
モデルパラメータを列車データとガウス雑音拡散の事前知識で正規化する手法を提案する。
我々は,4つの公開データセットにまたがる戦略の有効性を検証するためのアブレーション研究を行っている。
論文 参考訳（メタデータ） (2024-05-02T00:57:23Z) - Tight and Efficient Gradient Bounds for Parameterized Quantum Circuits [7.0379869298557844]
パラメータ化モデルのトレーニングは、下層の損失関数のランドスケープに大きく依存する。
これらの境界は, 損失そのものの分散とともに, VQAモデルの損失景観を研究するために, 効率よく, 古典的に逆向きに推定できることが示される。
この洞察は、局所的およびグローバル的用語からなる観測可能なVQAとして再構成できる生成モデルであるハイブリッド量子生成広告ネットワーク(qGANs)に直接的な意味を持つ。
論文 参考訳（メタデータ） (2023-09-22T07:38:13Z) - Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。
我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。
以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文 参考訳（メタデータ） (2023-06-09T09:42:21Z) - Classical-to-Quantum Transfer Learning Facilitates Machine Learning with Variational Quantum Circuit [62.55763504085508]
本稿では,変分量子回路(VQC)を用いた古典的量子移動学習アーキテクチャにより,VQCモデルの表現と一般化(推定誤差)が向上することを証明する。
古典-量子遷移学習のアーキテクチャは、事前学習された古典的生成AIモデルを活用し、訓練段階におけるVQCの最適パラメータの発見を容易にする。
論文 参考訳（メタデータ） (2023-05-18T03:08:18Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Alternating Layered Variational Quantum Circuits Can Be Classically
Optimized Efficiently Using Classical Shadows [4.680722019621822]
変分量子アルゴリズム(VQA)は、古典的ニューラルネットワーク(NN)の量子アナログである。
本稿では,VQAのトレーニングコストを指数的に削減したトレーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-24T15:47:44Z) - Avoiding barren plateaus via transferability of smooth solutions in
Hamiltonian Variational Ansatz [0.0]
変分量子アルゴリズム(VQA)は、現在の量子デバイス上で計算スピードアップを達成するための主要な候補である。
2つの大きなハードルは、低品質な局所最小値の増殖と、コスト関数のランドスケープにおける勾配の指数的な消失である。
ここでは、反復探索方式を用いることで、パラダイム的量子多体モデルの基底状態を効果的に作成できることを示す。
論文 参考訳（メタデータ） (2022-06-04T12:52:29Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳（メタデータ） (2021-05-06T17:59:38Z) - Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。
この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
論文 参考訳（メタデータ） (2020-08-06T17:48:12Z)
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。