論文の概要: MPS-JuliQAOA: User-friendly, Scalable MPS-based Simulation for Quantum Optimization

• arxiv url: http://arxiv.org/abs/2508.05883v1
• Date: Thu, 07 Aug 2025 22:25:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.024378
• Title: MPS-JuliQAOA: User-friendly, Scalable MPS-based Simulation for Quantum Optimization
• Title（参考訳）: MPS-JuliQAOA: 量子最適化のためのユーザフレンドリーでスケーラブルなMPSベースのシミュレーション
• Authors: Sean Feeney, Reuben Tate, John Golden, Stephan Eidenbenz,
• Abstract要約: 本稿では,ユーザフレンドリなオープンソースツールであるMPS-JuliQAOAシミュレータを,対角ハミルトニアンとして表現可能な最適化問題の量子近似最適化アルゴリズム(QAOA)をシミュレートする。 Julia- language constructs と ITensor package を利用して、QAOA をシミュレートする Matrix Product State (MPS) アプローチを実装することで、MPS-Juli-QAOA は標準のデファクトベンチマーク 3 正規の MaxCut QAOA 問題に対して、512 qubit と 20 のシミュレーションラウンドに懸命にスケールする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the MPS-JuliQAOA simulator, a user-friendly, open-source tool to simulate the Quantum Approximate Optimization Algorithm (QAOA) of any optimization problem that can be expressed as diagonal Hamiltonian. By leveraging Julia-language constructs and the ITensor package to implement a Matrix Product State (MPS) approach to simulating QAOA, MPS-Juli-QAOA effortlessly scales to 512 qubits and 20 simulation rounds on the standard de-facto benchmark 3-regular MaxCut QAOA problem. MPS-JuliQAOA also has built-in parameter finding capabilities, which is a crucial performance aspect of QAOA. We illustrate through examples that the user does not need to know MPS principles or complex automatic differentiation techniques to use MPS-JuliQAOA. We study the scalability of our tool with respect to runtime, memory usage and accuracy tradeoffs. Code available at https://github.com/lanl/JuliQAOA.jl/tree/mps.
• Abstract（参考訳）: 本稿では,ユーザフレンドリなオープンソースツールであるMPS-JuliQAOAシミュレータを,対角ハミルトニアンとして表現可能な最適化問題の量子近似最適化アルゴリズム(QAOA)をシミュレートする。 Julia- language constructs と ITensor package を利用して、QAOA をシミュレートする Matrix Product State (MPS) アプローチを実装することで、MPS-Juli-QAOA は標準のデファクトベンチマーク 3 正規の MaxCut QAOA 問題に対して、512 qubit と 20 のシミュレーションラウンドに懸命にスケールする。 MPS-JuliQAOAにも、QAOAの重要なパフォーマンス面であるパラメータ発見機能が組み込まれている。 本稿では,MPS-JuliQAOAを利用する場合,MPSの原理や複雑な自動微分技術を知る必要はないことを示す。 実行時,メモリ使用量,精度のトレードオフに関して,ツールのスケーラビリティについて検討する。 コードはhttps://github.com/lanl/JuliQAOA.jl/tree/mps.comで公開されている。

関連論文リスト

• Scaling Quantum Simulation-Based Optimization: Demonstrating Efficient Power Grid Management with Deep QAOA Circuits [0.0]
  この研究は、QAOAベースのQuSOソルバのシミュレーションコンポーネントに対して、指数関数の高速化を証明した最初の理論的結果を拡張した。 我々は、コストのかかる量子ビット要求を回避できる、非常に効率的な古典的量子回路シミュレーションを開発した。
  論文  参考訳（メタデータ） (2025-05-22T09:33:29Z)
• MG-Net: Learn to Customize QAOA with Circuit Depth Awareness [51.78425545377329]
  量子近似最適化アルゴリズム(QAOA)とその変種は、最適化問題に対処する大きな可能性を示している。 良好な性能を実現するために必要な回路深度は問題固有であり、しばしば現在の量子デバイスの最大容量を超える。 ミキサジェネレータネットワーク (MG-Net) は, 最適ミキサハミルトニアンを動的に定式化するための統合ディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2024-09-27T12:28:18Z)
• Fast emulation of fermionic circuits with matrix product states [0.0]
  オープンソースMPS対応FQEインタフェース(MPS-FQE)を提案する。 このソフトウェアは、ほとんどの基本的なテンソル操作にオープンソースのpyblock3とblock2ライブラリを使用する。 本稿では,短期的およびフォールトトレラントな量子アルゴリズムに関するいくつかの応用例を示す。
  論文  参考訳（メタデータ） (2023-12-29T15:47:14Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Max-value Entropy Search for Multi-Objective Bayesian Optimization with Constraints [44.25245545568633]
  航空電力システム設計の応用においては、運動温度とセル電圧の比しきい値を満たすとともに、総エネルギーと質量をトレードオフする設計を見出す必要がある。 本稿では,制約付き多目的最適化のためのem Max-value Entropy Search (MESMOC) と呼ばれる新しい手法を提案する。 MESMOCは、出力空間エントロピーに基づく取得関数を使用して、評価のための入力のシーケンスを効率的に選択し、高品質なパリトセットソリューションを明らかにする。
  論文  参考訳（メタデータ） (2020-09-01T05:00:01Z)

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。