論文の概要: An Adaptive Mixer Allocation Algorithm for the Quantum Alternating Operator Ansatz
- arxiv url: http://arxiv.org/abs/2412.19621v1
- Date: Fri, 27 Dec 2024 12:43:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-30 17:25:43.890224
- Title: An Adaptive Mixer Allocation Algorithm for the Quantum Alternating Operator Ansatz
- Title(参考訳): 量子交互演算子アンザッツのアダプティブミキサ割当アルゴリズム
- Authors: Xiao-Hui Ni, Yu-Sen Wu, Bin-Bin Cai, Wen-Min Li, Su-Juan Qin, Fei Gao,
- Abstract要約: 制約付き最適化問題の解法としてアダプティブミキサーアロケーションアルゴリズム(AMA)を提案する。
AMAはリソース消費を大幅に減らし、QAOA+の回路深度は34.08%$29.77%、CNOTゲートの数は15.05%$18.72%である。
- 参考スコア(独自算出の注目度): 2.7704630812545474
- License:
- Abstract: Recently, Hadfield et al. proposed the quantum alternating operator ansatz algorithm (QAOA+), an extension of the quantum approximate optimization algorithm (QAOA), to solve constrained combinatorial optimization problems (CCOPs). Compared with QAOA, QAOA+ enables the search for optimal solutions within a feasible solution space by encoding problem constraints into the mixer Hamiltonian, thus reducing the search space and eliminating the possibility of yielding infeasible solutions. However, QAOA+ may require substantial gates and circuit depth when the mixer is applied to all qubits in each layer, and the implementation cost of the mixer is high. To address these challenges, we propose the adaptive mixer allocation (AMA) algorithm. AMA constructs a feasible space by selectively applying the mixer to partial qubits in each layer based on the evolution of the optimization process. The performance of AMA in solving the maximum independent set (MIS) problem is investigated. Numerical simulation results demonstrate that, under the same number of optimization runs, AMA achieves a higher optimal approximation ratio--$1.82\%$ ($3.02\%$) higher than QAOA+ on ER (3-regular) graphs. Additionally, AMA significantly reduces the resource consumption, achieving only $34.08\%$ ($29.77\%$) of QAOA+ circuit depth and $15.05\%$ ($18.72\%$) of the number of CNOT gates, respectively, on ER (3-regular) graphs. These results highlight the ability of AMA to enhance computational efficiency and solution quality, making it particularly valuable for resource-constrained quantum devices.
- Abstract(参考訳): 近年、ハドフィールドらは、量子近似最適化アルゴリズム(QAOA)の拡張である量子交互演算子アンサッツアルゴリズム(QAOA+)を提案し、制約付き組合せ最適化問題(CCOP)を解決する。
QAOA+ と比較して、QAOA+ はミキサーハミルトニアンに問題制約を符号化し、探索空間を小さくし、実現不可能な解を得る可能性を排除することで、実現可能な解空間内の最適解の探索を可能にする。
しかし、QAOA+は、各層の全てのキュービットにミキサーが適用されるとき、実質的なゲートと回路深さを必要とし、ミキサーの実装コストが高い。
これらの課題に対処するために、アダプティブミキサーアロケーション(AMA)アルゴリズムを提案する。
AMAは最適化プロセスの進化に基づいて、各層の部分量子ビットにミキサーを選択的に適用することで実現可能な空間を構築する。
最大独立集合(MIS)問題の解法におけるAMAの性能について検討した。
数値シミュレーションの結果,AMA は ER (3-正規) グラフ上の QAOA+ よりも高い最適な近似比--$1.82\%$$$3.02\%$ を達成する。
さらに、AMAはリソース消費を著しく減らし、ER(正規)グラフ上ではQAOA+の回路深さが34.08 %$ (29.77 %$)、CNOTゲートの数が15.05 %$ (18.72 %$)となる。
これらの結果は、AMAが計算効率とソリューションの品質を向上させる能力を強調しており、リソース制約の量子デバイスにとって特に有用である。
関連論文リスト
- MG-Net: Learn to Customize QAOA with Circuit Depth Awareness [51.78425545377329]
量子近似最適化アルゴリズム(QAOA)とその変種は、最適化問題に対処する大きな可能性を示している。
良好な性能を実現するために必要な回路深度は問題固有であり、しばしば現在の量子デバイスの最大容量を超える。
ミキサジェネレータネットワーク (MG-Net) は, 最適ミキサハミルトニアンを動的に定式化するための統合ディープラーニングフレームワークである。
論文 参考訳(メタデータ) (2024-09-27T12:28:18Z) - Hybrid Classical-Quantum Simulation of MaxCut using QAOA-in-QAOA [0.0]
そこで本研究では,MaxCut問題のスケーラブルな解に対するQAOA2法の実装について述べる。
The limit of the Goemans-Williamson (GW) algorithm as a purely classical alternative to QAOA。
最大33量子ビットの大規模シミュレーションの結果は、ある場合におけるQAOAの利点と実装の効率性を示す。
論文 参考訳(メタデータ) (2024-06-25T09:02:31Z) - Performance Upper Bound of Grover-Mixer Quantum Alternating Operator Ansatz [3.5023108034606256]
QAOA(Quantum Alternating Operator Ansatz)は最適化問題を解くための量子アルゴリズムの一分野である。
特定の変種であるGrover-Mixer Quantum Alternating Operator Ansatz (GM-QAOA)は、等価な目的値を共有する状態間で均一な振幅を保証する。
GM-QAOAはサンプリング確率を2次的に向上させ,一貫した性能を維持するために,問題サイズと指数関数的にスケールする回路深度を必要とすることを示す。
論文 参考訳(メタデータ) (2024-05-06T05:47:27Z) - Variational quantum algorithm-preserving feasible space for solving the
uncapacitated facility location problem [3.3682090109106446]
本稿では,変分量子アルゴリズムで実現可能な空間(VQA-PFS)アンサッツを提案する。
このアンザッツは制約変数に混合演算子を適用し、非制約変数にハードウェア効率アンザッツ(HEA)を用いる。
その結果, VQA-PFSは成功確率を著しく向上し, より高速な収束を示すことがわかった。
論文 参考訳(メタデータ) (2023-12-12T01:36:49Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳(メタデータ) (2022-06-30T03:15:23Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳(メタデータ) (2022-05-24T03:49:10Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳(メタデータ) (2022-03-01T19:47:16Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Threshold-Based Quantum Optimization [0.0]
Th-QAOA(Threshold QAOA)は、量子交互演算子Ansatz(QAOA)の変種である。
GM-Th-QAOAをGroverの量子探索アルゴリズムの一般化と見なすことができる。
論文 参考訳(メタデータ) (2021-06-25T19:36:49Z) - Solving correlation clustering with QAOA and a Rydberg qudit system: a
full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。
具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。
ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文 参考訳(メタデータ) (2021-06-22T11:07:38Z) - Grover Mixers for QAOA: Shifting Complexity from Mixer Design to State
Preparation [0.0]
本稿では,Grover 様選択位相シフト混合演算子を用いた量子交互演算子 Ansatz (QAOA) の変種を提案する。
GM-QAOA は任意のNP最適化問題に取り組み、全ての実現可能な解の同値な重ね合わせを効率的に作成することができる。
論文 参考訳(メタデータ) (2020-05-30T20:24:53Z)
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。