論文の概要: Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm
- arxiv url: http://arxiv.org/abs/2409.01978v4
- Date: Sat, 01 Nov 2025 16:59:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-04 16:14:21.789501
- Title: Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm
- Title（参考訳）: 量子自然勾配最適化アルゴリズムの高速化へのランゲヴィンダイナミクスの適用
- Authors: Oleksandr Borysenko, Mykhailo Bratchenko, Ilya Lukin, Mykola Luhanko, Ihor Omelchenko, Andrii Sotnikov, Alessandro Lomi,
- Abstract要約: 近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。
モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。
強スピンガラス系におけるシェリントン・カークパトリックモデルにおいて、最良の結果が得られる。
- 参考スコア（独自算出の注目度）: 43.21662368414268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A Quantum Natural Gradient (QNG) algorithm for optimization of variational quantum circuits has been proposed recently. In this study, we employ the Langevin equation with a QNG stochastic force to demonstrate that its discrete-time solution gives a generalized form of the above-specified algorithm, which we call Momentum-QNG. Similar to other optimization algorithms with the momentum term, such as the Stochastic Gradient Descent with momentum, RMSProp with momentum and Adam, Momentum-QNG is more effective to escape local minima and plateaus in the variational parameter space and, therefore, demonstrates an improved performance compared to the basic QNG. In this paper we benchmark Momentum-QNG together with the basic QNG, Adam and Momentum optimizers and explore its convergence behaviour. Among the benchmarking problems studied, the best result is obtained for the quantum Sherrington-Kirkpatrick model in the strong spin glass regime. Our open-source code is available at https://github.com/borbysh/Momentum-QNG
- Abstract（参考訳）: 近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。
本研究では,その離散時間解が,モメンタムQNGと呼ばれるアルゴリズムの一般化形式を与えることを示すために,QNG確率力を持つランゲヴィン方程式を用いる。
モーメントムQNGは、モーメントを持つ確率勾配Descent、モーメントを持つRMSProp、モーメントを持つモーメントムQNGなどのモーメント項を持つ他の最適化アルゴリズムと同様に、変分パラメータ空間の局所ミニマやプラトーを回避し、基本QNGよりも優れた性能を示す。
本稿では,基本的なQNG,Adam,MomentumオプティマイザとともにMomentum-QNGをベンチマークし,収束挙動について検討する。
ベンチマーク問題の中では、強いスピングラス状態の量子シェリントン・カークパトリックモデルに対して最もよい結果が得られる。
私たちのオープンソースコードはhttps://github.com/borbysh/Momentum-QNGで公開されています。
関連論文リスト
- Stochastic Quantum Hamiltonian Descent [5.8172845753874896]
本稿では,量子力学のグローバル探索パワーとメソッドの計算効率を統合する量子最適化アルゴリズムである量子ハミルトニアン Descent (SQHD)を紹介する。
また、リンドブラディアンの直接シミュレーション中にダイナミクスを近似する離散時間ゲートを提案し、これらの目的を短期量子デバイス上で実現した。
論文 参考訳（メタデータ） (2025-07-21T09:24:49Z) - An Adaptive Weighted QITE-VQE Algorithm for Combinatorial Optimization Problems [0.0]
本稿では,適応重み付け方式を用いて,VQE勾配をcQITE更新と統合する適応重み付きQITE-VQE(AWQV)アルゴリズムを提案する。
AWQVは近似の近似比を近似し、重み付けされた ErdHos-R'enyi の場合、古典的な Goemans-Williamson アルゴリズムより優れている。
論文 参考訳（メタデータ） (2025-04-14T19:05:16Z) - Weighted Approximate Quantum Natural Gradient for Variational Quantum Eigensolver [5.873113584103881]
変分量子固有解法(VQE)は、近距離量子デバイスを用いた最も顕著なアルゴリズムの1つである。
そこで本研究では,局所ハミルトニアンの$kを前提とした重み付き近似量子自然勾配法(WA-QNG)を提案する。
論文 参考訳（メタデータ） (2025-04-07T11:18:09Z) - Quantum Natural Gradient optimizer on noisy platforms: QAOA as a case study [0.0]
横フィールドイジングモデル(TFIM)の基底状態検出におけるQNG(Quantum Natural Gradient)の有効性について検討する。
本分析では,実装置の校正データに基づいて,理想化されたノイズフリー条件と現実的な雑音環境の両方でシミュレーションを行う。
論文 参考訳（メタデータ） (2025-02-27T17:14:32Z) - Random Natural Gradient [0.0]
量子自然勾配 (Quantum Natural Gradient, QNG) は、量子状態空間の局所幾何学に関する情報を利用する方法である。
そこで本研究では,QNG最適化の利点と性能を維持しつつ,QNGに必要な資源/状態準備を削減できる2つの手法を提案する。
論文 参考訳（メタデータ） (2023-11-07T17:04:23Z) - Quantum Natural Gradient with Efficient Backtracking Line Search [0.0]
本稿では,効率的なバックトラックライン探索であるArmijoのルールに基づくQNGDの適応的実装を提案する。
我々の結果は、変分量子計算における微分幾何学の重要性の新たな証明である。
論文 参考訳（メタデータ） (2022-11-01T17:29:32Z) - LAWS: Look Around and Warm-Start Natural Gradient Descent for Quantum
Neural Networks [11.844238544360149]
Vari Quantum Algorithm (VQA) は、ノイズ中間スケール量子コンピュータ (NISQ) における有望な性能のために最近注目されている。
パラメータ化量子回路(PQC)上でランダムなパラメータを持つVQAは、勾配が量子ビット数で指数関数的に消えるバレンプラトー(BP)によって特徴づけられる。
本稿では、古典的な1次最適化点から、VQAでよく使われるアルゴリズムの1つである量子自然勾配(QNG)について述べる。
そして、私たちはアンダーラインAroundアンダーラインを提案しました。
論文 参考訳（メタデータ） (2022-05-05T14:16:40Z) - Improved Convergence Rate of Stochastic Gradient Langevin Dynamics with
Variance Reduction and its Application to Optimization [50.83356836818667]
勾配ランゲヴィン・ダイナミクスは非エプス最適化問題を解くための最も基本的なアルゴリズムの1つである。
本稿では、このタイプの2つの変種、すなわち、分散還元ランジュバンダイナミクスと再帰勾配ランジュバンダイナミクスを示す。
論文 参考訳（メタデータ） (2022-03-30T11:39:00Z) - Noisy Bayesian optimization for variational quantum eigensolvers [0.0]
変分量子固有解法(VQE)は、ハミルトニアン基底状態を見つけるために用いられるハイブリッド量子古典アルゴリズムである。
この研究は、現在利用可能な量子コンピュータ上でVQEを実行するのに適したGPRとBOの実装を提案する。
論文 参考訳（メタデータ） (2021-12-01T11:28:55Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Normalized Gradient Descent for Variational Quantum Algorithms [4.403985869332685]
VQA(Vari quantum algorithm)は、ノイズの多い量子コンピュータを利用する有望な手法である。
パラメータの更新に正規化勾配ベクトルを用いるNGD法は、いくつかの最適化問題においてうまく活用されている。
本稿では,通常のNGDよりも高速な収束を実現する新しいNGDを提案する。
論文 参考訳（メタデータ） (2021-06-21T11:03:12Z) - Positive-Negative Momentum: Manipulating Stochastic Gradient Noise to
Improve Generalization [89.7882166459412]
勾配雑音(SGN)は、ディープラーニングの暗黙の正規化として機能する。
深層学習を改善するためにランダムノイズを注入してSGNを人工的にシミュレートしようとした作品もある。
低計算コストでSGNをシミュレーションし、学習率やバッチサイズを変更することなく、PNM(Positive-Negative Momentum)アプローチを提案する。
論文 参考訳（メタデータ） (2021-03-31T16:08:06Z) - Momentum Q-learning with Finite-Sample Convergence Guarantee [49.38471009162477]
本稿では,有限サンプル保証を用いたモーメントに基づくQ-ラーニングアルゴリズムのクラスを解析する。
線形関数近似とマルコフサンプリングによるMomentumQの収束保証を確立する。
提案したMomentumQが他のモーメントベースのQ-ラーニングアルゴリズムより優れていることを示す。
論文 参考訳（メタデータ） (2020-07-30T12:27:03Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - 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。