論文の概要: Improving Variational Quantum Circuit Optimization via Hybrid Algorithms and Random Axis Initialization

• arxiv url: http://arxiv.org/abs/2503.20728v1
• Date: Wed, 26 Mar 2025 17:10:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-27 16:24:56.997375
• Title: Improving Variational Quantum Circuit Optimization via Hybrid Algorithms and Random Axis Initialization
• Title（参考訳）: ハイブリッドアルゴリズムとランダム軸初期化による変分量子回路最適化の改善
• Authors: Joona V. Pankkonen, Lauri Ylinen, Matti Raasakka, Ilkka Tittonen,
• Abstract要約: 変分量子回路(VQC)は、ノイズの多い中間スケールの量子コンピュータを実用的な問題に適用する上で欠かせないツールである。 VQCに特化して設計された勾配のない最適化アルゴリズムであるRotosolve法の性能を向上させる。 我々は、FQSの優れた表現性を活用しながら、ロトゾルの初期収束の恩恵を受けるハイブリッドアルゴリズムを構築した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Variational quantum circuits (VQCs) are an essential tool in applying noisy intermediate-scale quantum computers to practical problems. VQCs are used as a central component in many algorithms, for example, in quantum machine learning, optimization, and quantum chemistry. Several methods have been developed to optimize VQCs. In this work, we enhance the performance of the well-known Rotosolve method, a gradient-free optimization algorithm specifically designed for VQCs. We develop two hybrid algorithms that combine an improved version of Rotosolve with the free quaternion selection (FQS) algorithm, which is the main focus of this study. Through numerical simulations, we observe that these hybrid algorithms achieve higher accuracy and better average performance across different ansatz circuit sizes and cost functions. For shallow variational circuits, we identify a trade-off between the expressivity of the variational ansatz and the speed of convergence to the optimum: a more expressive ansatz ultimately reaches a closer approximation to the true minimum, but at the cost of requiring more circuit evaluations for convergence. By combining the less expressive but fast-converging Rotosolve with the more expressive FQS, we construct hybrid algorithms that benefit from the rapid initial convergence of Rotosolve while leveraging the superior expressivity of FQS. As a result, these hybrid approaches outperform either method used independently.
• Abstract（参考訳）: 変分量子回路(VQC)は、ノイズの多い中間スケールの量子コンピュータを実用的な問題に適用する上で欠かせないツールである。 VQCは、量子機械学習、最適化、量子化学など、多くのアルゴリズムにおいて中心的なコンポーネントとして使用される。 VQCを最適化するいくつかの方法が開発されている。 本研究では,VQCに特化して設計された勾配のない最適化アルゴリズムであるRotosolve法の性能を向上させる。 本研究では,改良版RotosolveとFQSアルゴリズムを組み合わせた2つのハイブリッドアルゴリズムを開発した。 数値シミュレーションにより、これらのハイブリッドアルゴリズムは、異なるアンザッツ回路サイズとコスト関数で高い精度と平均性能を実現する。 浅変分回路では、変分アンザッツの表現率と最適収束速度との間のトレードオフを同定する: より表現的なアンザッツは最終的に真の最小値に近似するが、収束のためにより多くの回路評価を必要とする。 より表現力の低いRotosolveをより表現力のあるFQSと組み合わせることで、FQSの優れた表現性を活用しながら、Rotosolveの初期収束の恩恵を受けるハイブリッドアルゴリズムを構築する。 その結果、これらのハイブリッドアプローチは、いずれの手法も独立して使用する方法よりも優れていた。

関連論文リスト

• 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)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Faster variational quantum algorithms with quantum kernel-based surrogate models [0.0]
  本稿では,雑音量子プロセッサ上での小型から中規模の変分アルゴリズムを提案する。 提案手法は,計算負荷をこれらのハイブリッドアルゴリズムの古典的成分にシフトさせ,量子プロセッサへのクエリ数を劇的に削減する。
  論文  参考訳（メタデータ） (2022-11-02T14:11:25Z)
• 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)
• Meta-Learning Digitized-Counterdiabatic Quantum Optimization [3.0638256603183054]
  本稿では,リカレントニューラルネットワークを用いたメタラーニング手法を用いて,変分最適化に適した初期パラメータを求める問題に取り組む。 我々は、最近提案されたディジタル化対数量子近似アルゴリズム(DC-QAOA)を用いて、この手法について検討する。 メタラーニングとDC-QAOAを組み合わせることで、MaxCut問題やSherrington-Kirkpatrickモデルなど、異なるモデルに対する最適な初期パラメータを見つけることができる。
  論文  参考訳（メタデータ） (2022-06-20T18:57:50Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Robust resource-efficient quantum variational ansatz through evolutionary algorithm [0.46180371154032895]
  Vari Quantum Algorithm (VQAsational) は、短期デバイスにおける量子優位性を実証するための有望な手法である。 我々は、広く使われているハードウェア効率の良いアンサッツのような固定VQA回路設計は、必ずしも不完全性に対して堅牢ではないことを示す。 本稿では,ゲノム長調整可能な進化アルゴリズムを提案し,回路アンサッツおよびゲートパラメータの変動に最適化されたロバストなVQA回路を設計する。
  論文  参考訳（メタデータ） (2022-02-28T12:14:11Z)
• Performance comparison of optimization methods on variational quantum algorithms [2.690135599539986]
  変分量子アルゴリズム(VQA)は、学術・工業研究への応用に短期的な量子ハードウェアを使用するための有望な道を提供する。 SLSQP, COBYLA, CMA-ES, SPSAの4つの最適化手法の性能について検討した。
  論文  参考訳（メタデータ） (2021-11-26T12:13:20Z)
• 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)
• 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)

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。