論文の概要: Machine-Learning-Enhanced Optimization of Noise-Resilient Variational Quantum Eigensolvers
- arxiv url: http://arxiv.org/abs/2501.17689v2
- Date: Mon, 03 Feb 2025 15:30:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-04 12:43:30.629959
- Title: Machine-Learning-Enhanced Optimization of Noise-Resilient Variational Quantum Eigensolvers
- Title(参考訳): 機械学習による雑音耐性変分量子固有解法の最適化
- Authors: Kim A. Nicoli, Luca J. Wagner, Lena Funcke,
- Abstract要約: 変分量子固有解法(VQEs)は、ハイブリッド量子古典アルゴリズムの強力なクラスである。
彼らは格子場理論を含む様々な応用を約束する。
Noisy Intermediate-Scale Quantum (NISQ) デバイス固有のノイズは、VQEを実行する上で大きな課題となる。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Variational Quantum Eigensolvers (VQEs) are a powerful class of hybrid quantum-classical algorithms designed to approximate the ground state of a quantum system described by its Hamiltonian. VQEs hold promise for various applications, including lattice field theory. However, the inherent noise of Noisy Intermediate-Scale Quantum (NISQ) devices poses a significant challenge for running VQEs as these algorithms are particularly susceptible to noise, e.g., measurement shot noise and hardware noise. In a recent work, it was proposed to enhance the classical optimization of VQEs with Gaussian Processes (GPs) and Bayesian Optimization, as these machine-learning techniques are well-suited for handling noisy data. In these proceedings, we provide additional insights into this new algorithm and present further numerical experiments. In particular, we examine the impact of hardware noise and error mitigation on the algorithm's performance. We validate the algorithm using classical simulations of quantum hardware, including hardware noise benchmarks, which have not been considered in previous works. Our numerical experiments demonstrate that GP-enhanced algorithms can outperform state-of-the-art baselines, laying the foundation for future research on deploying these techniques to real quantum hardware and lattice field theory setups.
- Abstract(参考訳): 変分量子固有解法(VQEs)は、ハミルトニアンによって記述された量子系の基底状態を近似するために設計されたハイブリッド量子古典アルゴリズムの強力なクラスである。
VQEは格子場理論を含む様々な応用を約束する。
しかし、ノイズ、例えば計測ショットノイズ、ハードウェアノイズなどの影響を受けやすいため、ノイズ中間量子(NISQ)デバイス固有のノイズはVQEを実行する上で大きな課題となる。
近年の研究では、ガウス過程(GP)とベイズ最適化によるVQEの古典的最適化が提案されており、これらの機械学習技術はノイズの多いデータを扱うのに適している。
本稿では,この新たなアルゴリズムについてさらなる知見を提供し,さらに数値実験を行う。
特に,ハードウェアノイズと誤差低減がアルゴリズムの性能に与える影響について検討する。
従来検討されていないハードウェアノイズベンチマークを含む,量子ハードウェアの古典的シミュレーションを用いて,アルゴリズムの有効性を検証する。
我々の数値実験はGP強化アルゴリズムが最先端のベースラインを上回り、これらの技術を実際の量子ハードウェアや格子場理論に展開するための基礎となることを実証している。
関連論文リスト
- Identifying Bottlenecks of NISQ-friendly HHL algorithms [0.0]
NISQ適応反復QPEとそのHHLアルゴリズムの雑音耐性について検討する。
その結果,Qiskit readout や M Three readout package のようなノイズ低減技術は,ここでテストした小さなインスタンスにおいても,結果の回復には不十分であることが示唆された。
論文 参考訳(メタデータ) (2024-06-10T14:11:27Z) - 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) - Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation
via Neural Networks [0.4779196219827508]
変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。
量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。
本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
論文 参考訳(メタデータ) (2024-03-10T15:35:41Z) - Noise-induced transition in optimal solutions of variational quantum
algorithms [0.0]
変分量子アルゴリズムは、ノイズの多い量子ハードウェアで実用的な量子優位性を実現するための有望な候補である。
スピンチェーンモデルの基底状態を計算する変分量子固有解法(VQE)アルゴリズムについて検討し,ノイズが最適化に与える影響について検討した。
論文 参考訳(メタデータ) (2024-03-05T08:31:49Z) - 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) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳(メタデータ) (2023-06-15T15:28:12Z) - 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) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳(メタデータ) (2021-05-20T17:06:52Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳(メタデータ) (2020-04-06T21:31:22Z) - Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。
単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
論文 参考訳(メタデータ) (2020-02-04T00:46:51Z)
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。