論文の概要: Adiabatic training for Variational Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2410.18618v1
• Date: Thu, 24 Oct 2024 10:17:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 16:42:46.949127
• Title: Adiabatic training for Variational Quantum Algorithms
• Title（参考訳）: 変分量子アルゴリズムのための断熱訓練
• Authors: Ernesto Acosta, Carlos Cano Gutierrez, Guillermo Botella, Roberto Campos,
• Abstract要約: 本稿では3要素からなる新しいハイブリッド量子機械学習(QML)モデルを提案する。 量子ニューラルネットワーク(QNN)を表す変分量子アルゴリズム(VQA)を実行するゲートベース量子コンピュータ VQAの最適パラメータを見つけるために最適化関数が実行される断熱量子コンピュータ。
• 参考スコア（独自算出の注目度）: 0.4374837991804085
• License:
• Abstract: This paper presents a new hybrid Quantum Machine Learning (QML) model composed of three elements: a classical computer in charge of the data preparation and interpretation; a Gate-based Quantum Computer running the Variational Quantum Algorithm (VQA) representing the Quantum Neural Network (QNN); and an adiabatic Quantum Computer where the optimization function is executed to find the best parameters for the VQA. As of the moment of this writing, the majority of QNNs are being trained using gradient-based classical optimizers having to deal with the barren-plateau effect. Some gradient-free classical approaches such as Evolutionary Algorithms have also been proposed to overcome this effect. To the knowledge of the authors, adiabatic quantum models have not been used to train VQAs. The paper compares the results of gradient-based classical algorithms against adiabatic optimizers showing the feasibility of integration for gate-based and adiabatic quantum computing models, opening the door to modern hybrid QML approaches for High Performance Computing.
• Abstract（参考訳）: 本稿では,データ準備と解釈を担当する古典的コンピュータ,量子ニューラルネットワーク(QNN)を表す変分量子アルゴリズム(VQA)を実行するゲートベース量子コンピュータ,VQAの最適パラメータを見つけるために最適化関数を実行するアディバティック量子コンピュータの3つの要素からなるハイブリッド量子機械学習(QML)モデルを提案する。 この記事の執筆時点で、QNNの大多数は、バレンプラトー効果に対処しなければならない勾配ベースの古典的オプティマイザを使用して訓練されている。 進化的アルゴリズムのような勾配のない古典的アプローチも、この効果を克服するために提案されている。 著者たちの知る限り、断熱量子モデルはVQAの訓練には使われていない。 本稿では,ゲートベースおよびアダバティック量子コンピューティングモデルの統合の実現可能性を示すアダバティックオプティマイザに対する勾配に基づく古典的アルゴリズムの結果を比較し,高性能コンピューティングのための現代的なハイブリッドQMLアプローチへの扉を開く。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• 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)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Toward Neural Network Simulation of Variational Quantum Algorithms [1.9723551683930771]
  変分量子アルゴリズム(VQA)は、高次元線形代数の問題を最適化の1つとして再キャストするために、ハイブリッド量子古典アーキテクチャを利用する。 変動量子線形解法(VQLS)の例に着目して、古典最適化アルゴリズムを他のVQAと並列に構築できるかを問う。 このような構成はVQLSに適用でき、理論的には同様の形の他のVQAに拡張できるパラダイムが得られる。
  論文  参考訳（メタデータ） (2022-11-05T15:46:47Z)
• Hybrid Quantum Classical Simulations [0.0]
  量子コンピューティングの2つの主要なハイブリッド応用、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解法(VQE)について報告する。 どちらも、古典的な中央処理ユニットと量子処理ユニットの間の漸進的な通信を必要とするため、ハイブリッド量子古典アルゴリズムである。
  論文  参考訳（メタデータ） (2022-10-06T10:49:15Z)
• 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)
• Identification of topological phases using classically-optimized variational quantum eigensolver [0.6181093777643575]
  変分量子固有解法(VQE)は、量子コンピュータにおけるハイブリッド量子古典アルゴリズムの候補として期待されている。 本稿では,従来のコンピュータ上で最適化プロセス全体を効率的に行う古典最適化VQE(co-VQE)を提案する。 共同VQEでは、パラメータが最適化された後のみ、量子コンピュータを用いて非局所的な量を測定する。
  論文  参考訳（メタデータ） (2022-02-07T02:26:58Z)
• 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)
• Improved accuracy on noisy devices by non-unitary Variational Quantum Eigensolver for chemistry applications [0.0]
  本稿では,量子コンピュータを用いた電子構造最適化のための変分量子固有解法アルゴリズムを提案する。 非単項作用素は元のハミルトニアン系と組み合わせられ、単純化された波動関数 Ansatz による新しい変分問題につながる。
  論文  参考訳（メタデータ） (2021-01-22T20:17:37Z)

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。