論文の概要: A Noise-Aware Scalable Subspace Classical Optimizer for the Quantum Approximate Optimization Algorithm
- arxiv url: http://arxiv.org/abs/2507.10992v1
- Date: Tue, 15 Jul 2025 05:15:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:02.987024
- Title: A Noise-Aware Scalable Subspace Classical Optimizer for the Quantum Approximate Optimization Algorithm
- Title（参考訳）: 量子近似最適化アルゴリズムのための雑音対応スケーラブルな部分空間最適化器
- Authors: Kwassi Joseph Dzahini, Jeffrey M. Larson, Matt Menickelly, Stefan M. Wild,
- Abstract要約: ANASTAARSは変分量子アルゴリズムのためのノイズ対応スケーラブルな古典的アルゴリズムである。
適応的ランダム部分空間戦略を利用して、量子近似最適化アルゴリズムのアンサッツパラメータを効率的に最適化する。
- 参考スコア（独自算出の注目度）: 0.9086201982977716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce ANASTAARS, a noise-aware scalable classical optimizer for variational quantum algorithms such as the quantum approximate optimization algorithm (QAOA). ANASTAARS leverages adaptive random subspace strategies to efficiently optimize the ansatz parameters of a QAOA circuit, in an effort to address challenges posed by a potentially large number of QAOA layers. ANASTAARS iteratively constructs random interpolation models within low-dimensional affine subspaces defined via Johnson--Lindenstrauss transforms. This adaptive strategy allows the selective reuse of previously acquired measurements, significantly reducing computational costs associated with shot acquisition. Furthermore, to robustly handle noisy measurements, ANASTAARS incorporates noise-aware optimization techniques by estimating noise magnitude and adjusts trust-region steps accordingly. Numerical experiments demonstrate the practical scalability of the proposed method for near-term quantum computing applications.
- Abstract（参考訳）: 本稿では、量子近似最適化アルゴリズム(QAOA)のような変分量子アルゴリズムのためのノイズ対応スケーラブルな古典最適化器であるANASTAARSを紹介する。
ANASTAARSは適応的ランダム部分空間戦略を利用してQAOA回路のアザッツパラメータを効率的に最適化し、潜在的に多くのQAOA層がもたらす課題に対処する。
ANASTAARS はジョンソン-リンデンシュトラウス変換によって定義される低次元アフィン部分空間内でランダムな補間モデルを反復的に構成する。
この適応戦略により、予め取得した測定値の選択的再利用が可能となり、ショット取得に伴う計算コストを大幅に削減できる。
さらに,AASTAARSは雑音の大きさを推定し,信頼区間のステップを調整することでノイズ対応最適化手法を取り入れている。
数値実験により,提案手法の短期量子コンピューティング応用における実用的スケーラビリティを実証した。
関連論文リスト
- Enhancing Gaussian Process Surrogates for Optimization and Posterior Approximation via Random Exploration [2.984929040246293]
ガウス過程シュロゲートモデルの精度を高めるために、ランダムな探索ステップに依存する新しいノイズフリーベイズ最適化戦略。
新しいアルゴリズムは、古典的なGP-UCBの実装の容易さを維持しているが、さらなる探索がそれらの収束を促進する。
論文 参考訳（メタデータ） (2024-01-30T14:16:06Z) - Variational quantum algorithm for enhanced continuous variable optical
phase sensing [0.0]
変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。
本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
論文 参考訳（メタデータ） (2023-12-21T14:11:05Z) - Probabilistic tensor optimization of quantum circuits for the
max-$k$-cut problem [0.0]
本稿では,変分量子アルゴリズムにおけるパラメータ化回路の最適化手法を提案する。
本稿では,量子近似最適化アルゴリズム (QAOA) を最大$k$-cut問題に適用した例について述べる。
論文 参考訳（メタデータ） (2023-10-16T12:56:22Z) - 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) - QAOA Performance in Noisy Devices: The Effect of Classical Optimizers and Ansatz Depth [0.32985979395737786]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、Near-term Intermediate-Scale Quantum Computer (NISQ)のための変分量子アルゴリズムである。
本稿では,古典的ベクトルに対する現実的な騒音の影響について検討する。
その結果,Adam と AMSGrads はショットノイズの存在下で最高の性能を示した。
論文 参考訳（メタデータ） (2023-07-19T17:22:44Z) - 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) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - 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) - A Dynamical Systems Approach for Convergence of the Bayesian EM
Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。
本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。
高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-23T01:34:18Z) - 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。