論文の概要: Transfer-Based Strategies for Multi-Target Quantum Optimization

• arxiv url: http://arxiv.org/abs/2508.11914v1
• Date: Sat, 16 Aug 2025 05:24:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.447236
• Title: Transfer-Based Strategies for Multi-Target Quantum Optimization
• Title（参考訳）: マルチターゲット量子最適化のためのトランスファーベース戦略
• Authors: Vu Tuan Hai, Bui Cao Doanh, Le Vu Trung Duong, Pham Hoai Luan, Yasuhiko Nakashima,
• Abstract要約: マルチターゲット量子最適化の課題に対処する。 目的は、同じ量子探索空間上で定義された複数のコスト関数を同時に最適化することである。 本稿では,関連するタスク間の知識伝達を可能にする戦略について検討する。
• 参考スコア（独自算出の注目度）: 0.4427312315598971
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the challenge of multi-target quantum optimization, where the objective is to simultaneously optimize multiple cost functions defined over the same quantum search space. To accelerate optimization and reduce quantum resource usage, we investigate a range of strategies that enable knowledge transfer between related tasks. Specifically, we introduce a two-stage framework consisting of a training phase where solutions are progressively shared across tasks and an inference phase, where unoptimized targets are initialized based on prior optimized ones. We propose and evaluate several methods, including warm-start initialization, parameter estimation via first-order Taylor expansion, hierarchical clustering with D-level trees, and deep learning-based transfer. Our experimental results, using parameterized quantum circuits implemented with PennyLane, demonstrate that transfer techniques significantly reduce the number of required iterations while maintaining an acceptable cost value. These findings highlight the promise of multi-target generalization in quantum optimization pipelines and provide a foundation for scalable multi-target quantum optimization.
• Abstract（参考訳）: 我々は、同じ量子検索空間上で定義された複数のコスト関数を同時に最適化することを目的とする、マルチターゲット量子最適化の課題に対処する。 最適化を高速化し、量子リソースの使用を減らすため、関連するタスク間の知識伝達を可能にする様々な戦略について検討する。 具体的には、タスク間でソリューションを段階的に共有するトレーニングフェーズと、最適化されていないターゲットを事前の最適化に基づいて初期化する推論フェーズからなる2段階のフレームワークを紹介する。 ウォームスタート初期化,一階Taylor拡張によるパラメータ推定,Dレベル木を用いた階層的クラスタリング,深層学習に基づく移動など,いくつかの手法を提案し,評価する。 ペニーレーンで実装したパラメタライズド量子回路を用いた実験の結果,転送技術は許容コストを抑えつつ,必要なイテレーション数を大幅に削減することを示した。 これらの知見は、量子最適化パイプラインにおけるマルチターゲット一般化の可能性を浮き彫りにし、スケーラブルなマルチターゲット量子最適化の基礎を提供する。

関連論文リスト

• A coherent approach to quantum-classical optimization [0.0]
  ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。 我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。 本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-09-20T22:22:53Z)
• Quantum landscape tomography for efficient single-gate optimization on quantum computers [0.0]
  回路最適化は、短期量子コンピュータの実用化のための基本的な課題である。 本稿では,各ゲートが回路全体に与える影響を特徴付けるために,量子ランドスケープトモグラフィー(quantum landscape tomography)と呼ばれる手法を提案する。 本研究は,量子ランドスケープ・トモグラフィーによる短期量子コンピューティング応用における回路最適化の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-07-25T18:00:06Z)
• Surrogate-guided optimization in quantum networks [0.9148747049384086]
  量子通信ネットワークの設計と性能を改善する最適化アルゴリズムを提案する。 我々のフレームワークは、サロゲート支援最適化を既存の量子ネットワークシミュレータと統合することで、より包括的な量子ネットワーク研究を可能にする。
  論文  参考訳（メタデータ） (2024-07-24T11:55:18Z)
• 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)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
  現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価コストハミルトニアンに変換する必要がある。 目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。 我々は、このアイデアをトラベリングセールスマン問題やMax-K$-Cutといった最適化タスクに活用し、関連するすべてのコスト対策に関して最適に近い回路を得る。
  論文  参考訳（メタデータ） (2022-09-07T18:01:01Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• 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)
• 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)

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。