論文の概要: Blockwise Optimization for Projective Variational Quantum Dynamics (BLOP-VQD): Algorithm and Implementation for Lattice Systems

• arxiv url: http://arxiv.org/abs/2503.18279v1
• Date: Mon, 24 Mar 2025 01:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:35:10.696105
• Title: Blockwise Optimization for Projective Variational Quantum Dynamics (BLOP-VQD): Algorithm and Implementation for Lattice Systems
• Title（参考訳）: BLOP-VQDのブロックワイズ最適化 : 格子系のアルゴリズムと実装
• Authors: Harshdeep Singh, Sonjoy Majumder, Sabyashachi Mishra,
• Abstract要約: 本稿では,予測変動量子ダイナミクスを用いたリアルタイム量子力学の効率的なシミュレーション手法を提案する。 提案手法は,一方のブロックを1回に選択的に最適化し,他方のブロックを固定し,計算オーバーヘッドを大幅に削減する。 提案手法の性能を,サイズや複雑さの異なる一連のスピン格子モデルで実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We present an efficient approach to simulate real-time quantum dynamics using Projected Variational Quantum Dynamics (PVQD), where the computational cost is reduced by strategically optimizing only a subset of the variational parameters at each time step. Typically, the variational ansatz consists of repeated blocks of parameterized quantum circuits, where all parameters are updated in a standard optimization procedure. In contrast, our method selectively optimizes one block at a time while keeping the others fixed, allowing for significant reductions in computational overhead. This semi-global optimization strategy ensures that all qubits are still involved in the evolution, but the optimization is localized to specific blocks, thus avoiding the need to update all parameters simultaneously. We propose different approaches for choosing the next block for optimization, including sequential, random, and fidelity-based updation. We demonstrate the performance of the proposed methods in a series of spin-lattice models with varying sizes and complexity. Our method preserves the accuracy of the time evolution with a much lower computational cost. This new optimization strategy provides a promising path toward high-fidelity simulation of the time evolution of complex quantum systems with reduced computational resources.
• Abstract（参考訳）: 本稿では,各時間ステップにおける変動パラメータのサブセットのみを戦略的に最適化することにより,計算コストを削減し,実時間量子力学のシミュレーション手法を提案する。 通常、変分アンサッツはパラメータ化された量子回路の繰り返しブロックで構成され、そこでは全てのパラメータが標準最適化手順で更新される。 対照的に、本手法は、一方のブロックを一方のブロックで選択的に最適化し、他方のブロックを固定し、計算オーバーヘッドを大幅に削減する。 この半言語最適化戦略は、全てのキュービットがまだ進化に関与していることを保証しているが、最適化は特定のブロックに局所化されているため、全てのパラメータを同時に更新する必要がなくなる。 逐次的,ランダム,忠実度に基づくアップダデーションを含む,最適化のための次のブロックを選択するための異なるアプローチを提案する。 提案手法の性能を,サイズや複雑さの異なる一連のスピン格子モデルで実証する。 本手法は, 計算コストをはるかに低く抑えながら, 時間進化の精度を保っている。 この新たな最適化戦略は、計算資源を減らした複雑な量子系の時間発展の高忠実性シミュレーションへの有望な道を提供する。

関連論文リスト

• Optimizing a parameterized controlled gate with Free Quaternion Selection [0.4353365283165517]
  本研究では,単一キュービットゲートのコストを局所的に最小化するための最適パラメータを推定するアルゴリズムを提案する。 性能をベンチマークするために,Isingや分子ハミルトニアンのための変分固有解法 (VQE) など,様々な最適化問題に提案手法を適用した。
  論文  参考訳（メタデータ） (2024-09-20T14:46:00Z)
• Reducing measurement costs by recycling the Hessian in adaptive variational quantum algorithms [0.0]
  本稿では,適応VQAに適した準ニュートン最適化プロトコルを提案する。 我々は,適応VQAの繰り返しを通じて,逆ヘッセン行列に対する近似を連続的に構築し,成長させる準ニュートンアルゴリズムを実装した。
  論文  参考訳（メタデータ） (2024-01-10T14:08:04Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Monte Carlo Tree Search based Hybrid Optimization of Variational Quantum Circuits [7.08228773002332]
  我々はMCTS-QAOAと呼ばれる新しい変分量子アルゴリズムを提案する。 モンテカルロ木探索法と改良された自然ポリシー勾配解法を組み合わせて、量子回路内の離散変数と連続変数を最適化する。 MCTS-QAOAは耐雑音性に優れ、一般化QAOAの挑戦事例において先行アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-03-30T23:15:21Z)
• An efficient quantum algorithm for the time evolution of parameterized circuits [0.0]
  本稿では,量子システムのリアルタイム進化をシミュレートする新しいハイブリッドアルゴリズムを提案する。 提案手法は, 既存のグローバル最適化アルゴリズムよりも特に有利であることを示す。
  論文  参考訳（メタデータ） (2021-01-12T16:21:08Z)
• 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)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)
• Global Optimization of Gaussian processes [52.77024349608834]
  少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。 このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。 提案手法の順序の順序による時間収束を,総じて低減する。
  論文  参考訳（メタデータ） (2020-05-21T20:59:11Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。