論文の概要: Training Variational Quantum Circuits Using Particle Swarm Optimization
- arxiv url: http://arxiv.org/abs/2509.15726v1
- Date: Fri, 19 Sep 2025 07:57:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-22 18:18:11.063759
- Title: Training Variational Quantum Circuits Using Particle Swarm Optimization
- Title（参考訳）: 粒子群最適化を用いた変分量子回路の訓練
- Authors: Marco Mordacci, Michele Amoretti,
- Abstract要約: Particle Swarm Optimization (PSO)アルゴリズムは様々な変分量子回路(VQC)のトレーニングに使われている。
PSOは鳥類群集の集団行動にインスパイアされた最適化手法である。
提案手法はバイオメディカル画像データセットの集合であるMedMNISTの様々なデータセットで検証されている。
- 参考スコア（独自算出の注目度）: 0.6875312133832078
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, the Particle Swarm Optimization (PSO) algorithm has been used to train various Variational Quantum Circuits (VQCs). This approach is motivated by the fact that commonly used gradient-based optimization methods can suffer from the barren plateaus problem. PSO is a stochastic optimization technique inspired by the collective behavior of a swarm of birds. The dimension of the swarm, the number of iterations of the algorithm, and the number of trainable parameters can be set. In this study, PSO has been used to train the entire structure of VQCs, allowing it to select which quantum gates to apply, the target qubits, and the rotation angle, in case a rotation is chosen. The algorithm is restricted to choosing from four types of gates: Rx, Ry, Rz, and CNOT. The proposed optimization approach has been tested on various datasets of the MedMNIST, which is a collection of biomedical image datasets designed for image classification tasks. Performance has been compared with the results achieved by classical stochastic gradient descent applied to a predefined VQC. The results show that the PSO can achieve comparable or even better classification accuracy across multiple datasets, despite the PSO using a lower number of quantum gates than the VQC used with gradient descent optimization.
- Abstract（参考訳）: 本研究では,様々な変分量子回路(VQC)の学習にPSOアルゴリズムを用いた。
このアプローチは、一般的に使われている勾配に基づく最適化手法が不規則な高原問題に悩まされるという事実によって動機付けられている。
PSOは、鳥の群れの集団行動にインスパイアされた確率的最適化手法である。
Swarmの次元、アルゴリズムの反復数、トレーニング可能なパラメータの数を設定することができる。
本研究では、PSOを用いてVQCの構造全体をトレーニングし、回転が選択された場合、どの量子ゲート、ターゲット量子ビット、回転角を選択できる。
このアルゴリズムは、Rx、Ry、Rz、CNOTの4種類のゲートから選択できる。
提案手法は,画像分類タスク用に設計されたバイオメディカル画像データセットのコレクションであるMedMNISTの様々なデータセット上でテストされている。
従来の確率勾配勾配を予め定義したVQCに適用した結果と比較した。
その結果、PSOは勾配勾配勾配最適化で使用するVQCよりも少ない量子ゲートを用いているにもかかわらず、複数のデータセット間で同等またはそれ以上の分類精度を達成できることが示された。
関連論文リスト
- Optimizing a parameterized controlled gate using Free Quaternion Selection [0.4353365283165517]
本研究では、一般化された制御ゲートをパラメータ化し、これらのパラメータを最大に最適化することでコスト関数を最小化するアルゴリズムを提案する。
この方法は、もともと単一ビットゲート最適化のために開発されたFQS(Free Quaternion Selection)技術を拡張している。
論文 参考訳（メタデータ） (2024-09-20T14:46:00Z) - AskewSGD : An Annealed interval-constrained Optimisation method to train
Quantized Neural Networks [12.229154524476405]
我々は、深層ニューラルネットワーク(DNN)を量子化重みでトレーニングするための新しいアルゴリズム、Annealed Skewed SGD - AskewSGDを開発した。
アクティブなセットと実行可能な方向を持つアルゴリズムとは異なり、AskewSGDは実行可能な全セットの下でのプロジェクションや最適化を避けている。
実験結果から,AskewSGDアルゴリズムは古典的ベンチマークの手法と同等以上の性能を示した。
論文 参考訳（メタデータ） (2022-11-07T18:13:44Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Performance comparison of optimization methods on variational quantum
algorithms [2.690135599539986]
変分量子アルゴリズム(VQA)は、学術・工業研究への応用に短期的な量子ハードウェアを使用するための有望な道を提供する。
SLSQP, COBYLA, CMA-ES, SPSAの4つの最適化手法の性能について検討した。
論文 参考訳（メタデータ） (2021-11-26T12:13:20Z) - Adaptive shot allocation for fast convergence in variational quantum
algorithms [0.0]
本稿では,gCANS法 (Global Coupled Adaptive Number of Shots) と呼ばれる,各ステップに適応するショット数を用いた勾配降下法を提案する。
これらの改善により、現在のクラウドプラットフォーム上でVQAを実行するのに必要な時間と費用が削減される。
論文 参考訳（メタデータ） (2021-08-23T22:29:44Z) - Exploiting Adam-like Optimization Algorithms to Improve the Performance
of Convolutional Neural Networks [82.61182037130405]
勾配降下(SGD)は深いネットワークを訓練するための主要なアプローチです。
本研究では,現在と過去の勾配の違いに基づいて,Adamに基づく変分を比較する。
resnet50を勾配降下訓練したネットワークのアンサンブルと融合実験を行った。
論文 参考訳（メタデータ） (2021-03-26T18:55:08Z) - Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box
Optimization Framework [100.36569795440889]
この作業は、一階情報を必要としない零次最適化(ZO)の反復である。
座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
論文 参考訳（メタデータ） (2020-12-21T17:29:58Z) - Natural Evolutionary Strategies for Variational Quantum Computation [0.7874708385247353]
自然進化戦略 (NES) は勾配のないブラックボックス最適化アルゴリズムの一群である。
本研究では、無作為化パラメトリゼーション量子回路(PQC)の減衰勾配領域における最適化への応用について述べる。
論文 参考訳（メタデータ） (2020-11-30T21:23:38Z) - 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。