論文の概要: Scalability Challenges in Variational Quantum Optimization under Stochastic Noise
- arxiv url: http://arxiv.org/abs/2503.14696v1
- Date: Tue, 18 Mar 2025 20:00:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:23:05.069628
- Title: Scalability Challenges in Variational Quantum Optimization under Stochastic Noise
- Title（参考訳）: 確率雑音下における変分量子最適化のスケーラビリティ問題
- Authors: Adelina Bärligea, Benedikt Poggel, Jeanette Miriam Lorenz,
- Abstract要約: 変分量子アルゴリズム(VQA)は有望な候補として注目されている。
ランダムQUBO問題インスタンスに対する量子損失関数の最小化について検討する。
我々の結果は、VQAを用いた最適化において、実用的な量子優位性を実現する可能性について、深刻な疑念を提起する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: With rapid advances in quantum hardware, a key question is whether quantum devices without full error correction can outperform classical computers on practically relevant problems. Variational Quantum Algorithms (VQAs) have gained significant attention as promising candidates in this pursuit, particularly for combinatorial optimization problems. While reports of their challenges and limitations continue to accumulate, many studies still convey optimism based on small-scale toy problems and idealized testing setups. However, doubts remain about the scalability of VQAs and hence their viability for real-world problems. We systematically investigate this scaling behavior by analyzing how state-of-the-art classical optimizers minimize well-behaved quantum loss functions for random QUBO problem instances. Special emphasis is placed on how these algorithms handle uncertainties, modeled as effective Gaussian noise. Our findings reveal that the critical noise threshold, beyond which classical optimizers fail to find optimal or near-optimal solutions, decreases rapidly with system size. This effect exceeds what can be attributed to barren plateaus, indicating more fundamental limitations inherent to the hybrid paradigm of VQAs. When translating this threshold to the finite sampling error permissible in a fault-tolerant scenario, the required number of measurement shots becomes prohibitively high, even for medium-sized problems. These results raise serious doubts about the feasibility of achieving a practical quantum advantage in optimization using VQAs. Instead, they highlight the urgent need to explore fundamentally different algorithms and problem domains that can overcome the reported scalability challenges.
- Abstract（参考訳）: 量子ハードウェアの急速な進歩により、完全誤り訂正のない量子デバイスが、実際に関連する問題で古典的コンピュータより優れているかどうかが問題となる。
変分量子アルゴリズム (VQA) は、特に組合せ最適化問題において、この探索において有望な候補として注目されている。
課題と限界の報告は引き続き蓄積されるが、多くの研究は、小さなおもちゃの問題と理想的なテスト設定に基づく楽観主義を伝え続けている。
しかしながら、VQAのスケーラビリティに疑問が残る。
ランダムQUBO問題インスタンスに対する量子損失関数を最小化する方法を,最先端の古典最適化器を用いて解析することにより,このスケーリング挙動を系統的に検討する。
これらのアルゴリズムがガウス雑音を効果的にモデル化した不確実性を扱う方法に特に重点を置いている。
以上の結果から,従来の最適化手法では最適解や準最適解が見つからなかった臨界雑音閾値は,システムサイズとともに急速に低下することが明らかとなった。
この効果は、VQAのハイブリッドパラダイムに固有の、より基本的な制限を示唆する不毛の台地に起因していると考えられるものを超えている。
この閾値をフォールトトレラントシナリオで許容できる有限サンプリング誤差に変換すると、中規模の問題であっても、要求される測定ショット数は禁じられるほど高くなる。
これらの結果は、VQAを用いた最適化における実用的な量子優位性の実現可能性について、深刻な疑念を提起する。
代わりに彼らは、報告されたスケーラビリティの課題を克服できる、根本的に異なるアルゴリズムと問題領域を調査する緊急の必要性を強調している。
関連論文リスト
- Non-Variational Quantum Random Access Optimization with Alternating Operator Ansatz [3.5773675235837974]
量子ランダムアクセス最適化(QRAO)は、量子最適化の空間要求を減らすために提案されている。
インスタンスに依存しない'固定'パラメータは優れた性能を示し、変分パラメータ最適化の必要性を排除した。
本研究は,早期のフォールトトレラント量子コンピュータ上でのQRAOの実践的実行の道を開くものである。
論文 参考訳（メタデータ） (2025-02-06T18:25:31Z) - 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) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - Challenges of variational quantum optimization with measurement shot noise [0.0]
問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。
この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
論文 参考訳（メタデータ） (2023-07-31T18:01:15Z) - Quantum-Assisted Solution Paths for the Capacitated Vehicle Routing
Problem [0.0]
我々は、キャパシタントカー問題(CVRP)またはその減量版であるトラベリングセールスパーソン問題(TSP)について議論する。
今日の最も強力な古典的アルゴリズムでさえ、CVRPは古典的解決が難しい。
量子コンピューティングは、ソリューションの時間を改善する手段を提供するかもしれない。
論文 参考訳（メタデータ） (2023-04-19T13:03:50Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳（メタデータ） (2022-12-06T22:01:49Z) - 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) - 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) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - Limitations of optimization algorithms on noisy quantum devices [0.0]
我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。
我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
論文 参考訳（メタデータ） (2020-09-11T17:07:26Z) - 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。