Fugu-MT 論文翻訳(概要): Scaling the Variational Quantum Eigensolver for Dynamic Portfolio Optimization

論文の概要: Scaling the Variational Quantum Eigensolver for Dynamic Portfolio Optimization

arxiv url: http://arxiv.org/abs/2412.19150v1
Date: Thu, 26 Dec 2024 10:11:22 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-30 17:25:52.567088
Title: Scaling the Variational Quantum Eigensolver for Dynamic Portfolio Optimization
Title（参考訳）: 動的ポートフォリオ最適化のための変分量子固有解器のスケーリング
Authors: Álvaro Nodar, Irene De León, Danel Arias, Ernesto Mamedaliev, María Esperanza Molina, Manuel Martín-Cordero, Senaida Hernández-Santana, Pablo Serrano, Miguel Arranz, Oier Mentxaka, Ginés Carrascal, Ander Retolaza, Inmaculada Posadillo,
Abstract要約: 本研究は,100kbitのユーティリティフロンティアを超える動的ポートフォリオ最適化問題の解法における変分量子固有解法の可能性について検討する。我々は、アンサッツと実際の量子処理ユニットの異なる組み合わせをテストすることによって、この戦略を6から112キュービットまで、複雑さとサイズでスケールする方法を分析する。
参考スコア（独自算出の注目度）: 0.2533139596541806
License:
Abstract: This work explores the potential of the Variational Quantum Eigensolver in solving Dynamic Portfolio Optimization problems surpassing the 100 qubit utility frontier. We systematically analyze how to scale this strategy in complexity and size, from 6 to 112 qubits, by testing different combinations of ansatz and optimizer on a real Quantum Processing Unit. We achieve best results when using a combination of a Differential Evolution classical optimizer and an ansatz circuit tailored to both the problem and the properties of the Quantum Processing Unit.
Abstract（参考訳）: 本研究は,100kbitのユーティリティフロンティアを超える動的ポートフォリオ最適化問題の解法における変分量子固有解法の可能性について検討する。我々は、実際の量子処理ユニット上で、アンザッツとオプティマイザの異なる組み合わせをテストすることにより、この戦略を6から112キュービットの複雑さとサイズでスケールする方法を体系的に分析する。量子処理ユニットの問題と特性の両方に合わせた微分進化古典最適化器とアンザッツ回路を組み合わせることで、最良の結果が得られる。

関連論文リスト

Performant near-term quantum combinatorial optimization [1.1999555634662633]
線形深度回路を用いた最適化問題に対する変分量子アルゴリズムを提案する。我々のアルゴリズムは、ターゲット量子関数の各項を制御するために設計されたハミルトン生成器からなるアンサッツを使用する。性能と資源最小化のアプローチは、潜在的な量子計算上の利点の候補として有望である、と結論付けます。
論文参考訳（メタデータ） (2024-04-24T18:49:07Z)
Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文参考訳（メタデータ） (2024-04-17T11:00:12Z)
Variational Quantum Multi-Objective Optimization [5.381539115778766]
本稿では,量子コンピュータ上での離散多目的最適化問題を解くための変分量子最適化アルゴリズムを提案する。最大5つの目的を持つベンチマーク問題に対して提案アルゴリズムの有効性を示す。
論文参考訳（メタデータ） (2023-12-21T18:59:21Z)
Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文参考訳（メタデータ） (2023-10-14T02:13:26Z)
Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
論文参考訳（メタデータ） (2022-09-05T07:23:03Z)
Lyapunov control-inspired strategies for quantum combinatorial optimization [0.0]
我々は、Lyapunov制御にインスパイアされた量子最適化戦略の拡張的な記述を提供する。代わりに、これらの戦略は量子ビット測定からのフィードバックを利用して、決定論的に量子回路パラメータに値を割り当てる。
論文参考訳（メタデータ） (2021-08-12T19:47:59Z)
Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文参考訳（メタデータ） (2021-06-24T20:16:02Z)
Feedback-based quantum optimization [0.0]
本稿では,量子回路パラメータに対して,量子ビット計測の結果を構成的に割り当てる,量子最適化のためのフィードバックベースの戦略を提案する。この手法により,量子回路の深さを単調に改善する最適化問題の解が推定されることを示す。
論文参考訳（メタデータ） (2021-03-15T18:01:03Z)
Approaches to Constrained Quantum Approximate Optimization [0.4588028371034407]
我々は、制約付き最適化問題の近似解を見つけるために、異なる量子アプローチのコストと利点について研究する。 DQVA(Dynamic Quantum Variational Ansatz)に基づく新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-10-13T19:51:12Z)
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)
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。