論文の概要: The Better Solution Probability Metric: Optimizing QAOA to Outperform its Warm-Start Solution

• arxiv url: http://arxiv.org/abs/2409.09012v1
• Date: Fri, 13 Sep 2024 17:40:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-16 15:40:23.537537
• Title: The Better Solution Probability Metric: Optimizing QAOA to Outperform its Warm-Start Solution
• Title（参考訳）: より良いソリューション確率メトリクス:QAOAを最適化してウォームスタートソリューションを上回る
• Authors: Sean Feeney, Reuben Tate, Stephan Eidenbenz,
• Abstract要約: ウォームスターQAOAは、様々な傾きの角度で近似比の理論的下界を一貫して上回ることを示す。 これらの改善にもかかわらず、期待値に最適化された従来のパラメータを持つウォームスターQAOAは、初期古典解の性能を超えない。 以上の結果から,BSPに最適化されたウォームスターQAOAは,非消滅確率の高い最も古典的なウォームスタート解よりも優れた非自明な傾き角の解を同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a numerical simulation investigation of the Warm-Start Quantum Approximate Optimization Algorithm (QAOA) as proposed by Tate et al. [1], focusing on its application to 3-regular Max-Cut problems. Our study demonstrates that Warm-Start QAOA consistently outperforms theoretical lower bounds on approximation ratios across various tilt angles, highlighting its potential in practical scenarios beyond worst-case predictions. Despite these improvements, Warm-Start QAOA with traditional parameters optimized for expectation value does not exceed the performance of the initial classical solution. To address this, we introduce an alternative parameter optimization objective, the Better Solution Probability (BSP) metric. Our results show that BSP-optimized Warm-Start QAOA identifies solutions at non-trivial tilt angles that are better than even the best classically found warm-start solutions with non-vanishing probabilities. These findings underscore the importance of both theoretical and empirical analyses in refining QAOA and exploring its potential for quantum advantage.
• Abstract（参考訳）: 本稿では,Tate et al [1] が提案する Warm-Start Quantum Approximate Optimization Algorithm (QAOA) の数値シミュレーションを行い,その3つの正則マックス・カット問題への応用に着目する。 我々の研究は、ワームスターQAOAが様々な角度で近似比の理論的下限を一貫して上回り、最悪の場合の予測を超えた現実的なシナリオにおけるその可能性を強調していることを示している。 これらの改善にもかかわらず、期待値に最適化された従来のパラメータを持つウォームスターQAOAは、初期古典解の性能を超えない。 そこで本研究では,BSP(Better Solution Probability)のパラメータ最適化手法を提案する。 以上の結果から,BSPに最適化されたウォームスターQAOAは,非消滅確率の高い最も古典的なウォームスタートソリューションよりも優れた,非自明な傾き角度の解を同定した。 これらの知見は、QAOAの精製における理論的および経験的分析の重要性と、量子的優位性の可能性を探究することの重要性を浮き彫りにした。

関連論文リスト

• Asymptotically Optimal Change Detection for Unnormalized Pre- and Post-Change Distributions [65.38208224389027]
  本稿では,非正規化前および後の変化分布のみがアクセス可能である場合にのみ,変化を検出する問題に対処する。 提案手法は,最適性能を示すことが知られている累積サム統計量の推定に基づく。
  論文  参考訳（メタデータ） (2024-10-18T17:13:29Z)
• Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
  この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。 その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-09-28T18:55:22Z)
• A hybrid quantum-classical approach to warm-starting optimization [0.0]
  ポートフォリオ最適化の観点から,標準QAOAとウォームスタートQAOAのパフォーマンスを比較した。 この結果が,従来の問題に先行する純粋に古典的な前処理によって再現されるか,あるいは超えられることを示し,その後に標準的なQAOAが続く。
  論文  参考訳（メタデータ） (2023-09-25T08:53:54Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• Systematic study on the dependence of the warm-start quantum approximate optimization algorithm on approximate solutions [0.0]
  近似解の精度がウォームスタートQAOA(WS-QAOA)の性能に与える影響について検討する。 WS-QAOAは、ハミング距離の観点から、近似解が正確な解に近づくにつれてQAOAを上回る傾向にある。 また、QAOAを介して得られる近似解を用いてWS-QAOAによるMAX-CUT問題を解く。
  論文  参考訳（メタデータ） (2022-09-07T05:26:48Z)
• Empirical performance bounds for quantum approximate optimization [0.27998963147546135]
  パフォーマンスバウンダリの定量化は、QAOAが現実のアプリケーションの解決に有効である可能性についての洞察を提供する。 QAOA は、ほとんどのグラフに対して有界な Goemans-Williamson 近似比を超える。 得られたデータセットは、QAOAパフォーマンスに関する経験的バウンダリを確立するためのベンチマークとして提示される。
  論文  参考訳（メタデータ） (2021-02-12T23:12:09Z)
• Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box Optimization Framework [100.36569795440889]
  この作業は、一階情報を必要としない零次最適化(ZO)の反復である。 座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
  論文  参考訳（メタデータ） (2020-12-21T17:29:58Z)
• A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
  我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。 本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。 高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-23T01:34:18Z)
• 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)
• Evaluation of QAOA based on the approximation ratio of individual samples [0.0]
  我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。 QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
  論文  参考訳（メタデータ） (2020-06-08T18:00:18Z)
• 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。