論文の概要: Direct entanglement ansatz learning (DEAL) with ZNE on error-prone superconducting qubits

• arxiv url: http://arxiv.org/abs/2504.04021v1
• Date: Sat, 05 Apr 2025 02:05:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:10:50.304673
• Title: Direct entanglement ansatz learning (DEAL) with ZNE on error-prone superconducting qubits
• Title（参考訳）: ZNEを用いた直接絡み合いアンサッツ学習(DEAL)
• Authors: Ziqing Guo, Steven Rayan, Wenshuo Hu, Ziwen Pan,
• Abstract要約: 我々は、量子エンタングルメントに基づくアンサッツを利用して複雑な潜伏空間とゼロノイズ補間(ZNE)を探索するDirectanglement Ansatz Learning (DEAL)を導入する。 ディールは古典的な量子近似最適化アルゴリズムと比較して成功率を最大14%向上させる。 さらに、旅行セールスマン、クナップサック、マックスカット問題に対して、ほぼ最適な地上エネルギーソリューションを提供するDEALの能力を実証した。
• 参考スコア（独自算出の注目度）: 0.05999777817331316
• License:
• Abstract: Quantum combinatorial optimization algorithms typically face challenges due to complex optimization landscapes featuring numerous local minima, exponentially scaling latent spaces, and susceptibility to quantum hardware noise. In this study, we introduce Direct Entanglement Ansatz Learning (DEAL), wherein we employ a direct mapping from quadratic unconstrained binary problem parameters to quantum ansatz angles for cost and mixer hamiltonians, which improves the convergence rate towards the optimal solution. Our approach exploits a quantum entanglement-based ansatz to effectively explore intricate latent spaces and zero noise extrapolation (ZNE) to greatly mitigate the randomness caused by crosstalk and coherence errors. Our experimental evaluation demonstrates that DEAL increases the success rate by up to 14% compared to the classic quantum approximation optimization algorithm while also controlling the error variance. In addition, we demonstrate the capability of DEAL to provide near optimum ground energy solutions for travelling salesman, knapsack, and maxcut problems, which facilitates novel paradigms for solving relevant NP-hard problems and extends the practical applicability of quantum optimization using noisy quantum hardware.
• Abstract（参考訳）: 量子組合せ最適化アルゴリズムは、多くの局所的なミニマを特徴とする複雑な最適化の展望、指数関数的に遅延空間をスケーリングし、量子ハードウェアのノイズを受けやすいことによる課題に直面するのが一般的である。 本研究では,2次非制約二元問題パラメータから,コストとミキサーハミルトニアンに対する量子アンサッツ角への直接写像を用いることにより,最適解への収束率を向上させることを目的とした,直接絡み合いアンサッツ学習(DEAL)を提案する。 提案手法では,量子エンタングルメントに基づくアンサッツを用いて複雑な潜伏空間とゼロノイズ外挿(ZNE)を効果的に探索し,クロストークやコヒーレンスエラーによるランダム性を大幅に軽減する。 実験により,DeALは従来の量子近似最適化アルゴリズムと比較して最大14%向上し,誤差分散も制御できることがわかった。 さらに、旅行セールスマン、クナップサック、マックスカット問題に対して、DECが最適に近い地上エネルギーソリューションを提供する能力を示し、関連するNPハード問題を解くための新しいパラダイムを促進し、ノイズの多い量子ハードウェアを用いた量子最適化の実践的適用性を拡張した。

関連論文リスト

• Analog QAOA with Bayesian Optimisation on a neutral atom QPU [0.0]
  我々は、最大独立集合問題を解くために、量子近似最適化アルゴリズムをアナログ形式で実装する。 提案手法は,Pasqalの最初の商用量子処理ユニットであるOrion Alpha上でのシミュレーションと実験的実行を組み合わせることで評価する。 結果から、限られた数の測定がソリューションへの迅速な収束を可能にすることが示され、リソース効率のシナリオに対して実行可能なソリューションとなっている。
  論文  参考訳（メタデータ） (2025-01-27T17:23:52Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Performant near-term quantum combinatorial optimization [1.1999555634662633]
  線形深度回路を用いた最適化問題に対する変分量子アルゴリズムを提案する。 我々のアルゴリズムは、ターゲット量子関数の各項を制御するために設計されたハミルトン生成器からなるアンサッツを使用する。 性能と資源最小化のアプローチは、潜在的な量子計算上の利点の候補として有望である、と結論付けます。
  論文  参考訳（メタデータ） (2024-04-24T18:49:07Z)
• 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)
• Quantum-inspired optimization for wavelength assignment [51.55491037321065]
  波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。 本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
  論文  参考訳（メタデータ） (2022-11-01T07:52:47Z)
• A Gauss-Newton based Quantum Algorithm for Combinatorial Optimization [0.0]
  最適化問題に対するガウス・ニュートン型量子アルゴリズム(GNQA)を提案するが、最適条件下では、局所的なミニマやプラトーに閉じ込められることなく、最適解の1つに迅速に収束する。 我々のアプローチは、最適解を正確に表すテンソル積状態と、二項変数のすべての組み合わせを含むハミルトニアンに対して適切な関数を用いることによってそれらを緩和する。 そこで,本研究では,GNQAが収束特性と精度の両方において,他の最適化手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-03-25T23:49:31Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Quantum constraint learning for quantum approximate optimization algorithm [0.0]
  本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。 学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。 また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
  論文  参考訳（メタデータ） (2021-05-14T11:31:14Z)
• 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)
• 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)
• 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。