論文の概要: QuGStep: Refining Step Size Selection in Gradient Estimation for Variational Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2503.14366v1
• Date: Tue, 18 Mar 2025 15:48:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:15:25.883013
• Title: QuGStep: Refining Step Size Selection in Gradient Estimation for Variational Quantum Algorithms
• Title（参考訳）: QuGStep:変分量子アルゴリズムの勾配推定におけるステップサイズの選択
• Authors: Senwei Liang, Linghua Zhu, Xiaosong Li, Chao Yang,
• Abstract要約: 本稿では,ショット予算下での有限差分勾配推定におけるステップサイズ決定の課題に対処するアルゴリズムQuGStepを提案する。 いくつかの分子の基底状態エネルギーを近似する数値実験により、QuGStepは与えられたショット予算の適切なステップサイズを特定でき、効果的な勾配推定が得られることを示した。
• 参考スコア（独自算出の注目度）: 5.946007090892021
• License:
• Abstract: Variational quantum algorithms (VQAs) offer a promising approach to solving computationally demanding problems by combining parameterized quantum circuits with classical optimization. Estimating probabilistic outcomes on quantum hardware requires repeated measurements (shots). However, in practice, the limited shot budget introduces significant noise in the evaluation of the objective function. Gradient estimation in VQAs often relies on the finite-difference, which evaluates the noisy objective function at perturbed circuit parameter values. The accuracy of this estimation is highly dependent on the choice of step size for these perturbations. An inappropriate step size can exacerbate the impact of noise, causing inaccurate gradient estimates and hindering the classical optimization in VQAs. This paper proposes QuGStep, an algorithm that addresses the challenge of determining the appropriate step size for finite-difference gradient estimation under a shot budget. QuGStep is grounded in a theorem that proves the optimal step size, which accounts for the shot budget, minimizes the error bound in gradient estimation using finite differences. Numerical experiments approximating the ground state energy of several molecules demonstrate that QuGStep can identify the appropriate step size for the given shot budget to obtain effective gradient estimation. Notably, the step size identified by QuGStep achieved convergence to the ground state energy with over 96% fewer shots compared to using a default step size. These findings highlight the potential of QuGStep to improve the practical deployment and scalability of quantum computing technologies.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、パラメータ化された量子回路と古典的な最適化を組み合わせることで、計算に要求される問題を解くための有望なアプローチを提供する。 量子ハードウェア上での確率的結果の推定には、繰り返し測定(ショット)が必要である。 しかし、実際には、限定的なショット予算は、目的関数の評価において大きなノイズをもたらす。 VQAの勾配推定は、摂動回路パラメータ値の雑音目標関数を評価する有限差分に依存することが多い。 この推定の精度は、これらの摂動に対するステップサイズの選択に大きく依存する。 不適切なステップサイズは、ノイズの影響を悪化させ、不正確な勾配推定を引き起こし、VQAの古典的な最適化を妨げる。 本稿では,ショット予算下での有限差分勾配推定におけるステップサイズ決定の課題に対処するアルゴリズムQuGStepを提案する。 QuGStepは、ショット予算を考慮に入れた最適なステップサイズを証明する定理に基礎を置いており、有限差分を用いた勾配推定における誤差を最小化する。 いくつかの分子の基底状態エネルギーを近似する数値実験により、QuGStepは与えられたショット予算の適切なステップサイズを特定でき、効果的な勾配推定が得られることを示した。 特に、QuGStepによって同定されたステップサイズは、デフォルトのステップサイズよりも96%以上少ないショットで基底状態エネルギーに収束した。 これらの知見は量子コンピューティング技術の実用的展開と拡張性を改善するQuGStepの可能性を浮き彫りにしている。

関連論文リスト

• Variational quantum algorithm for enhanced continuous variable optical phase sensing [0.0]
  変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。 本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
  論文  参考訳（メタデータ） (2023-12-21T14:11:05Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Fast gradient estimation for variational quantum algorithms [0.6445605125467572]
  測定課題を軽減するために,新しい勾配推定法を提案する。 ベイズフレームワーク内では、回路に関する事前情報を用いて推定戦略を求める。 本手法は従来の勾配推定法よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-12T18:00:00Z)
• Error Mitigation-Aided Optimization of Parameterized Quantum Circuits: Convergence Analysis [42.275148861039895]
  変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。 不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。 QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。 QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
  論文  参考訳（メタデータ） (2022-09-23T10:48:04Z)
• Iteration Complexity of Variational Quantum Algorithms [5.203200173190989]
  雑音は量子回路のバイアスによる目的関数の評価を行う。 我々は、欠落した保証を導き、収束率が影響を受けないことを見出す。
  論文  参考訳（メタデータ） (2022-09-21T19:18:41Z)
• Optimized numerical gradient and Hessian estimation for variational quantum algorithms [0.0]
  チューナブルな数値推定器は回路量子ビット数に比例して指数関数的に減少する推定誤差を提供する。 パラメータシフト推定器は,任意の状況下での推定精度で標準の非スケール推定値を上回った。
  論文  参考訳（メタデータ） (2022-06-25T12:58:44Z)
• Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
  量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。 これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
  論文  参考訳（メタデータ） (2022-03-14T16:51:36Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box Optimization Framework [100.36569795440889]
  この作業は、一階情報を必要としない零次最適化(ZO)の反復である。 座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
  論文  参考訳（メタデータ） (2020-12-21T17:29:58Z)
• 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)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)

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。