論文の概要: Strategies for optimizing double-bracket quantum algorithms

• arxiv url: http://arxiv.org/abs/2408.07431v1
• Date: Wed, 14 Aug 2024 10:07:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 13:44:31.227465
• Title: Strategies for optimizing double-bracket quantum algorithms
• Title（参考訳）: ダブルブラケット量子アルゴリズムの最適化手法
• Authors: Li Xiaoyue, Matteo Robbiati, Andrea Pasquale, Edoardo Pedicillo, Andrew Wright, Stefano Carrazza, Marek Gluza,
• Abstract要約: ダブルブラケット進化の選択を最適化するための戦略を提案する。 また,CNOTやシングルキュービット回転ゲートに直接コンパイル可能な対角展開パラメトリゼーションも提案する。
• 参考スコア（独自算出の注目度）: 0.050257374758179374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently double-bracket quantum algorithms have been proposed as a way to compile circuits for approximating eigenstates. Physically, they consist of appropriately composing evolutions under an input Hamiltonian together with diagonal evolutions. Here, we present strategies to optimize the choice of the double-bracket evolutions to enhance the diagonalization efficiency. This can be done by finding optimal generators and durations of the evolutions. We present numerical results regarding the preparation of double-bracket iterations, both in ideal cases where the algorithm's setup provides analytical convergence guarantees and in more heuristic cases, where we use an adaptive and variational approach to optimize the generators of the evolutions. As an example, we discuss the efficacy of these optimization strategies when considering a spin-chain Hamiltonian as the target. To propose algorithms that can be executed starting today, fully aware of the limitations of the quantum technologies at our disposal, we finally present a selection of diagonal evolution parametrizations that can be directly compiled into CNOTs and single-qubit rotation gates. We discuss the advantages and limitations of this compilation and propose a way to take advantage of this approach when used in synergy with other existing methods.
• Abstract（参考訳）: 近年、固有状態を近似する回路をコンパイルする方法としてダブルブラケット量子アルゴリズムが提案されている。 物理的には、これらは入力ハミルトニアンの下で適切な構成の進化と対角展開からなる。 ここでは、対角化効率を高めるために、ダブルブラケット進化の選択を最適化する戦略を提案する。 これは、最適な生成物と進化の期間を見つけることで実現できる。 アルゴリズムのセットアップが解析収束保証を提供する理想的な場合と、よりヒューリスティックな場合の両方において、進化のジェネレータを最適化するために適応的かつ変動的なアプローチを用いる場合の両方において、ダブルブラケットのイテレーションの作成に関する数値的な結果を示す。 一例として、スピン鎖ハミルトニアンを対象とする際の最適化戦略の有効性について論じる。 量子技術の限界を十分に認識し,今日から実行可能なアルゴリズムを提案するため,CNOTやシングルキュービット回転ゲートに直接コンパイル可能な対角展開パラメトリゼーションの選定を提案する。 本稿では,このコンパイルの利点と限界について論じ,既存の手法と相乗効果を併用する手法を提案する。

関連論文リスト

• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• An Invariant Information Geometric Method for High-Dimensional Online Optimization [9.538618632613714]
  本稿では,対応するフレームワークから派生した,完全な不変性指向進化戦略アルゴリズムを提案する。 ベイズ最適化と進化戦略における主要なアルゴリズムに対してSynCMAをベンチマークする。 あらゆるシナリオにおいて、SynCMAはサンプル効率において他のアルゴリズムよりも優れた能力を示す。
  論文  参考訳（メタデータ） (2024-01-03T07:06:26Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Distributed Evolution Strategies for Black-box Stochastic Optimization [42.90600124972943]
  この研究は、分散ブラックボックス最適化への進化的アプローチに関するものである。 各作業者は、アルゴリズムによる問題の近似を個別に解くことができる。 問題のロバスト性を大幅に改善する2つの代替シミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2022-04-09T11:18:41Z)
• Optimizing quantum circuits with Riemannian gradient flow [0.5524804393257919]
  変分量子アルゴリズムは、現在利用可能な量子コンピュータで実行できる有望なクラスアルゴリズムである。 特殊ユニタリ群の構造に依存する別の最適化の観点を考える。
  論文  参考訳（メタデータ） (2022-02-14T19:00:06Z)
• Adaptive Random Quantum Eigensolver [0.0]
  本稿では,乱数生成器の確率密度関数のパラメータ化と最適化を行う一般手法を提案する。 私たちの最適化は、学習速度と学習精度の2つのメリットに基づいています。
  論文  参考訳（メタデータ） (2021-06-28T12:01:05Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• 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)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。