論文の概要: Avoiding convergence stagnation in a quantum circuit evolutionary framework through an adaptive cost function

• arxiv url: http://arxiv.org/abs/2503.22404v1
• Date: Fri, 28 Mar 2025 13:14:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:28:57.152824
• Title: Avoiding convergence stagnation in a quantum circuit evolutionary framework through an adaptive cost function
• Title（参考訳）: 適応コスト関数による量子回路進化の枠組みにおける収束の停滞を回避する
• Authors: Bruno Oziel Fernandez, Rodrigo Bloot, Marcelo Moret,
• Abstract要約: 本稿では,最近導入された量子回路進化法(QCE)が二項最適化問題に適用可能であることを示す。 本稿では,回路の進化に伴って動的に変化する適応コスト関数(ACF)を用いたフレームワークを提案する。 実験の結果,QCE-ACFはQAOAと同一の収束性能を示すが,実行時間が短い。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Binary optimization problems are emerging as potential candidates for useful applications of quantum computing. Among quantum algorithms, the quantum approximate optimization algorithm (QAOA) is currently considered the most promising method to obtain a quantum advantage for such problems. The QAOA method uses a classical counterpart to perform optimization in a hybrid approach. In this paper, we show that the recently introduced method called quantum circuit evolutionary (QCE) also has potential for applications in binary optimization problems. This methodology is classical optimizer-free, but, for some scenarios, may have convergence stagnation as a consequence of smooth circuit modifications at each generation. To avoid this drawback and accelerate the convergence capabilities of QCE, we introduce a framework using an adaptive cost function (ACF), which varies dynamically with the circuit evolution. This procedure accelerates the convergence of the method. Applying this new approach to instances of the set partitioning problem, we show that QCE-ACF achieves convergence performance identical to QAOA but with a shorter execution time. Finally, experiments in the presence of induced noise show that this framework is quite suitable for the noisy intermediate-scale quantum era.
• Abstract（参考訳）: 量子コンピューティングの有用な応用の候補としてバイナリ最適化問題が浮上している。 量子アルゴリズムのうち、量子近似最適化アルゴリズム(QAOA)は、現在、そのような問題に対する量子優位性を得る最も有望な方法と考えられている。 QAOA法は古典的な手法を用いてハイブリッドアプローチで最適化を行う。 本稿では、最近導入された量子回路進化法(QCE)が、二項最適化問題にも応用可能であることを示す。 この手法は古典的なオプティマイザフリーであるが、いくつかのシナリオでは各世代でのスムーズな回路変更の結果として収束が停滞することがある。 この欠点を回避し、QCEの収束能力を加速するために、回路の進化とともに動的に変化する適応コスト関数(ACF)を用いたフレームワークを導入する。 この手順は手法の収束を加速させる。 設定分割問題のインスタンスにこの新しいアプローチを適用することで、QCE-ACFはQAOAと同一の収束性能を達成できるが、実行時間が短いことを示す。 最後に、誘導ノイズの存在下での実験により、このフレームワークはノイズの多い中間スケール量子の時代に非常に適していることが示された。

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)
• Surrogate optimization of variational quantum circuits [1.0546736060336612]
  変分量子固有解法は、多くの応用に影響を及ぼすことのできる短期的アルゴリズムとして評価される。 収束性を改善するアルゴリズムや手法を見つけることは、VQEの短期ハードウェアの能力を加速するために重要である。
  論文  参考訳（メタデータ） (2024-04-03T18:00:00Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
  変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。 本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-27T00:06:48Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• 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)
• Bayesian Optimization for QAOA [0.0]
  量子回路を最適化するためのベイズ最適化手法を提案する。 提案手法により,量子回路の呼び出し回数を大幅に削減できることを示す。 提案手法は,ノイズの多い中間規模量子デバイス上でのQAOAのハイブリッド特性を活用するための,有望なフレームワークであることが示唆された。
  論文  参考訳（メタデータ） (2022-09-08T13:59:47Z)
• 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)
• 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)
• Multi-block ADMM Heuristics for Mixed-Binary Optimization on Classical and Quantum Computers [3.04585143845864]
  本稿では,2次最適化問題に対する現行手法の適用性を高めるために,分解に基づくアプローチを提案する。 我々は、乗算器の交互方向法(ADMM)が、MBOを二項制約のない問題(量子アルゴリズムで解ける)に分割できることを示した。 提案手法の有効性は,Qiskit で実装された量子回路上での VQE と QAOA を用いたシミュレーションにより,いくつかの最適化問題に対して得られた数値結果によって示される。
  論文  参考訳（メタデータ） (2020-01-07T14:43:13Z)

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。