論文の概要: Quantum Adaptive Search: A Hybrid Quantum-Classical Algorithm for Global Optimization of Multivariate Functions
- arxiv url: http://arxiv.org/abs/2506.21124v1
- Date: Thu, 26 Jun 2025 09:55:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-27 19:53:10.042674
- Title: Quantum Adaptive Search: A Hybrid Quantum-Classical Algorithm for Global Optimization of Multivariate Functions
- Title（参考訳）: 量子適応探索:多変量関数の大域最適化のためのハイブリッド量子古典アルゴリズム
- Authors: G. Intoccia, U. Chirico, V. Schiano Di Cola, G. Pepe, S. Cuomo,
- Abstract要約: 量子適応探索(Quantum Adaptive Search, QAGS)は、多変量関数のグローバル最適化のためのハイブリッド量子古典的アルゴリズムである。
その結果,QAGSは時間と空間の複雑さの両面で優位性を保ちながら高い精度を達成できることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents Quantum Adaptive Search (QAGS), a hybrid quantum-classical algorithm for the global optimization of multivariate functions. The method employs an adaptive mechanism that dynamically narrows the search space based on a quantum-estimated probability distribution of the objective function. A quantum state encodes information about solution quality through an appropriate complex amplitude mapping, enabling the identification of the most promising regions, and thus progressively tightening the search bounds; then a classical optimizer performs local refinement of the solution. The analysis demonstrates that QAGS ensures a contraction of the search space toward global optima, with controlled computational complexity. The numerical results on the benchmark functions show that, compared to the classical methods, QAGS achieves higher accuracy while offering advantages in both time and space complexity.
- Abstract（参考訳）: この研究は、多変量関数のグローバル最適化のためのハイブリッド量子古典アルゴリズムである量子適応探索(QAGS)を提示する。
目的関数の量子推定確率分布に基づいて探索空間を動的に狭める適応的な機構を用いる。
量子状態は、適切な複素振幅マッピングによって解の質に関する情報を符号化し、最も有望な領域の同定を可能にし、探索境界を徐々に締め付ける。
この分析により、QAGSは、制御された計算複雑性により、大域的最適に対する探索空間の収縮を確実にすることを示した。
ベンチマーク関数の数値結果は、古典的手法と比較して、QAGSは時間と空間の複雑さの両面で優位性をもちながら高い精度を達成していることを示している。
関連論文リスト
- Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [47.47843839099175]
近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。
モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。
論文 参考訳（メタデータ） (2024-09-03T15:21:16Z) - A Monte Carlo Tree Search approach to QAOA: finding a needle in the haystack [0.0]
変分量子アルゴリズム(VQA)は、短期量子ハードウェアの限られた能力に対応するために設計された、ハイブリッド量子古典法の一種である。
本稿では,正規パラメータパターンの活用が決定木構造に深く影響し,フレキシブルかつノイズ耐性のある最適化戦略を可能にすることを示す。
論文 参考訳（メタデータ） (2024-08-22T18:00:02Z) - Quantum Global Minimum Finder based on Variational Quantum Search [0.0]
量子グローバルファインダ(QGMF, Quantum Global Finder)は,ミニマを効率的に同定する革新的な計算手法である。
QGMFは2進法を組み合わせて位置を見つける。
論文 参考訳（メタデータ） (2024-05-01T11:08:26Z) - 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) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - 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。