論文の概要: Clifford Accelerated Adaptive QAOA

• arxiv url: http://arxiv.org/abs/2508.16443v1
• Date: Fri, 22 Aug 2025 14:58:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.422325
• Title: Clifford Accelerated Adaptive QAOA
• Title（参考訳）: Clifford Accelerated Adaptive QAOA
• Authors: Théo Lisart-Liebermann, Arcesio Castañeda Medina,
• Abstract要約: クリフォードポイントの複数のレベルのADAPTの近似は、量子古典積分の機会を増大させながら、複数の改善を可能にすることを示す。 低ランク安定化器分解を用いたTゲートへの10～30%の誤差近似の適用は、MaxCutおよびTFIM問題に対する収束品質の顕著な改善をもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clifford Circuit Initializaton improves on initial guess of parameters on Parametric Quantum Circuits (PQCs) by leveraging efficient simulation of circuits made out of gates from the Clifford Group. The parameter space is pre-optimized by exploring the Hilbert space in a reduced ensemble of Clifford-expressible points (Clifford Points), providing better initialization. Simultaneously, dynamical circuit reconfiguration algorithms, such as ADAPT-QAOA, improve on QAOA performances by providing a gate re-configuration routine while the optimization is being executed. In this article, we show that Clifford Point approximations at multiple levels of ADAPT allow for multiple improvements while increasing quantum-classical integration opportunities. First we show numerically that Clifford Point preoptimization offers non-trivial gate-selection behavior in ADAPT with some possible convergence improvement. Second, that Clifford Point approximations allows for more suited, fully parallel and fully classical ADAPT operator selection for MaxCut and the TFIM problem. Finally, we show that applying 10 to 30\% error approximation on T-gates using low-rank stabilizer decomposition can provide significative improvements in convergence quality for the MaxCut and TFIM problem. The latter hints at significant T-gate over-representation in antsatz design, opening opportunities for aggressive compilation optimizations.
• Abstract（参考訳）: Clifford Circuit Initializaton は、Clifford Group のゲートから作られる回路の効率的なシミュレーションを活用することにより、パラメトリック量子回路 (PQC) のパラメータの初期推定を改善する。 パラメータ空間はクリフォード表現可能な点(クリフォード点)のアンサンブルを小さくすることでヒルベルト空間を探索することで事前最適化され、より優れた初期化をもたらす。 同時に、ADAPT-QAOAのような動的回路再構成アルゴリズムは、最適化の実行中にゲート再構成ルーチンを提供することでQAOA性能を改善する。 本稿では、複数のADAPTレベルにおけるクリフォードポイント近似が、量子古典積分の機会を増大させながら、複数の改善を可能にすることを示す。 まず,Clifford Point の事前最適化が ADAPT における非自明なゲート選択挙動と収束性の向上をもたらすことを数値的に示す。 第二に、クリフォードポイント近似により、MaxCut と TFIM 問題に対するより適合し、完全並列で、完全に古典的な ADAPT 演算子選択が可能となる。 最後に, 低ランク安定化器分解を用いたTゲートに10～30倍の誤差近似を適用することにより, MaxCut および TFIM 問題に対する収束品質の顕著な改善が期待できることを示す。 後者は、antatz設計において重要なTゲート過剰表現を示唆し、アグレッシブなコンパイル最適化の機会を開く。

関連論文リスト

• QuCLEAR: Clifford Extraction and Absorption for Quantum Circuit Optimization [8.043057448895343]
  現在利用可能な量子デバイスは、実行された量子回路の忠実さを低下させるノイズの多い量子ゲートに悩まされている。 本稿では,量子回路の最適化を目的としたコンパイルフレームワークQuCLEARを提案する。
  論文  参考訳（メタデータ） (2024-08-23T18:03:57Z)
• Optimization at the Interface of Unitary and Non-unitary Quantum Operations in PCOAST [0.3496513815948205]
  Pauliベースの回路最適化・分析・合成ツールチェーン(PCOAST)は、量子回路を最適化するためのフレームワークとして導入された。 本稿では,単元演算と非単元演算の場合にPCOASTグラフを最適化するサブルーチンの集合に着目した。 本稿では,変分量子固有解法(VQE)アルゴリズムの例として,Intel Quantum SDKを用いたPCOAST最適化サブルーチンの評価を行った。
  論文  参考訳（メタデータ） (2023-05-16T22:58:14Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Nesterov Meets Optimism: Rate-Optimal Separable Minimax Optimization [108.35402316802765]
  本稿では,新しい一階最適化アルゴリズムであるAcceleratedGradient-OptimisticGradient (AG-OG) Ascentを提案する。 我々はAG-OGが様々な設定に対して最適収束率(定数まで)を達成することを示す。 アルゴリズムを拡張して設定を拡張し、bi-SC-SCとbi-C-SCの両方で最適な収束率を達成する。
  論文  参考訳（メタデータ） (2022-10-31T17:59:29Z)
• Optimizing Counterdiabaticity by Variational Quantum Circuits [3.4092751295027997]
  本稿では,変分量子回路を用いてCD項の最適係数を求める手法を提案する。 古典的な最適化ルーチンにより、この回路のパラメータはCD項に対応する係数を提供するように最適化される。 改良された性能はグリーンバーガー・ホーネ・ザイリンガー州で近辺のアイシングモデルで実証されている。
  論文  参考訳（メタデータ） (2022-08-03T14:12:26Z)
• STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
  本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。 我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
  論文  参考訳（メタデータ） (2021-11-01T15:43:36Z)
• 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)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• 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。