論文の概要: Efficient Online Quantum Circuit Learning with No Upfront Training
- arxiv url: http://arxiv.org/abs/2501.04636v1
- Date: Wed, 08 Jan 2025 17:30:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-09 14:55:03.891994
- Title: Efficient Online Quantum Circuit Learning with No Upfront Training
- Title（参考訳）: 事前学習のないオンライン量子回路学習
- Authors: Tom O'Leary, Piotr Czarnik, Elijah Pelofske, Andrew T. Sornborger, Michael McKerns, Lukasz Cincio,
- Abstract要約: 本稿では,パラメータ化量子回路を量子コンピュータにほとんど呼ばずに最適化するサロゲート方式を提案する。
QAOAアンサッツを用いて解決した16-qubitのランダムな3つの正則なMax-Cut問題に対して,本手法は先行技術よりも優れていた。
- 参考スコア（独自算出の注目度）: 1.0159681653887238
- License:
- Abstract: We propose a surrogate-based method for optimizing parameterized quantum circuits which is designed to operate with few calls to a quantum computer. We employ a computationally inexpensive classical surrogate to approximate the cost function of a variational quantum algorithm. An initial surrogate is fit to data obtained by sparse sampling of the true cost function using noisy quantum computers. The surrogate is iteratively refined by querying the true cost at the surrogate optima, then using radial basis function interpolation with existing and new true cost data. The use of radial basis function interpolation enables surrogate construction without hyperparameters to pre-train. Additionally, using the surrogate as an acquisition function focuses hardware queries in the vicinity of the true optima. For 16-qubit random 3-regular Max-Cut problems solved using the QAOA ansatz, we find that our method outperforms the prior state of the art. Furthermore, we demonstrate successful optimization of QAOA circuits for 127-qubit random Ising models on an IBM quantum processor using measurement counts of the order of $10^4-10^5$. The strong empirical performance of this approach is an important step towards the large-scale practical application of variational quantum algorithms and a clear demonstration of the effectiveness of classical-surrogate-based learning approaches.
- Abstract（参考訳）: 本稿では,量子コンピュータへの少ない呼び出しで動作可能なパラメータ化量子回路を最適化するサロゲート方式を提案する。
変動量子アルゴリズムのコスト関数を近似するために,計算コストの安い古典代用サロゲートを用いる。
初期サロゲートは、ノイズ量子コンピュータを用いて真のコスト関数のスパースサンプリングによって得られるデータに適合する。
サロゲートは、サロゲート最適点において真のコストを問い合わせ、その後、既存のおよび新しい真のコストデータとラジアル基底関数補間を用いて反復的に洗練される。
放射状基底関数補間(英語版)を用いることで、ハイパーパラメータを含まないサロゲート構造を事前訓練することができる。
さらに、サロゲートを取得関数として使用することで、真のオプティマの近傍でハードウェアクエリに焦点を当てる。
QAOAアンサッツを用いて解決した16-qubitのランダムな3つの正則なMax-Cut問題に対して,本手法は先行技術よりも優れていた。
さらに,IBM量子プロセッサ上での117量子ビット乱数イジングモデルに対するQAOA回路の最適化を10^4-10^5$の測定値を用いて成功させた。
このアプローチの強い経験的性能は、変分量子アルゴリズムの大規模実用化に向けた重要なステップであり、古典代用学習手法の有効性の明確な実証である。
関連論文リスト
- Symmetry-preserved cost functions for variational quantum eigensolver [0.0]
ハイブリッド量子-古典的変分アルゴリズムは、ノイズの多い量子コンピュータに最適であると考えられている。
コスト関数に直接対称性の保存を符号化し、ハードウェア効率の良いAns"atzeをより効率的に利用できるようにする。
論文 参考訳（メタデータ） (2024-11-25T20:33:47Z) - 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) - Surrogate optimization of variational quantum circuits [1.0546736060336612]
変分量子固有解法は、多くの応用に影響を及ぼすことのできる短期的アルゴリズムとして評価される。
収束性を改善するアルゴリズムや手法を見つけることは、VQEの短期ハードウェアの能力を加速するために重要である。
論文 参考訳（メタデータ） (2024-04-03T18:00:00Z) - Measurement-Based Quantum Approximate Optimization [0.24861619769660645]
近似最適化のための計測ベースの量子コンピューティングプロトコルに焦点をあてる。
我々は,QUBO問題の広範かつ重要なクラスにQAOAを適用するための測定パターンを導出する。
我々は、より伝統的な量子回路に対する我々のアプローチのリソース要件とトレードオフについて論じる。
論文 参考訳（メタデータ） (2024-03-18T06:59:23Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Quantum Architecture Search for Quantum Monte Carlo Integration via
Conditional Parameterized Circuits with Application to Finance [0.0]
古典的モンテカルロアルゴリズムは、振幅推定(AE)を用いて理論的に量子コンピュータ上にスピンアップできる
我々は、パラメータ化量子回路の事前学習に基づく簡単なアプローチを開発する。
AEアルゴリズムのサブルーチンとして使用できるように、条件付き変種に変換する方法を示す。
論文 参考訳（メタデータ） (2023-04-18T07:56:57Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - Error mitigation and quantum-assisted simulation in the error corrected
regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。
量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文 参考訳（メタデータ） (2021-03-12T20:58:41Z) - 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) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2020-09-28T17:21:25Z)
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。