論文の概要: Quantum Optimization with Classical Chaos

• arxiv url: http://arxiv.org/abs/2510.01334v1
• Date: Wed, 01 Oct 2025 18:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 21:54:12.81611
• Title: Quantum Optimization with Classical Chaos
• Title（参考訳）: 古典カオスを用いた量子最適化
• Authors: Malick A. Gaye, Omar Shehab, Paraj Titum, Gregory Quiroz,
• Abstract要約: 量子近似最適化アルゴリズム(QAOA)は、最大満足度や最大カットといった様々な問題を解決する強力なツールである。 しかし、ハードな計算問題は、古典的な変分パラメータ最適化に高い要求を与えるディープ回路を必要とする。
• 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: The Quantum Approximate Optimization Algorithm (QAOA) is a powerful tool in solving various combinatorial problems such as Maximum Satisfiability and Maximum Cut. Hard computational problems, however, require deep circuits that place high demands on classical variational parameter optimization. Ultimately, this has necessitated investigations into alternative methods for effective QAOA parameterizations. Here, we study a parameterization scheme based on classical chaotic recursive mapping, which enables significant reductions in the scaling of the variational parameter space. Through numerical investigations of hard Maximum Satisfiability problems, we demonstrate that the chaotic mapping can effectively match the performance of standard QAOA when subject to a limited number of classical optimization iterations and short-depth circuits. Insight into this behavior is elucidated through the lens of classical dynamical systems and used to inform hybridized schemes that leverage both standard and chaotic parameterizations. It is shown that these hybridized approaches can boost QAOA performance beyond that of the standard approach alone, especially for deep circuits. Through this study, we provide a new perspective that introduces a generalized framework for specifying performant, dynamical-map-based QAOA parameterizations.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)は、最大満足度や最大カットといった様々な組合せ問題を解くための強力なツールである。 しかし、ハードな計算問題は、古典的な変分パラメータ最適化に高い要求を与えるディープ回路を必要とする。 最終的に、これは効果的なQAOAパラメータ化のための代替手法の調査を必要とする。 本稿では,古典的カオス再帰写像に基づくパラメータ化手法を提案する。 ハードな最大満足度問題に関する数値的な研究を通じて、カオスマッピングは、古典的最適化の繰り返しと短距離回路の制限を受ける場合、標準的なQAOAの性能と効果的に一致できることを実証する。 この振る舞いに対する洞察は、古典力学系のレンズを通して解明され、標準とカオスのパラメータ化の両方を活用するハイブリッド化スキームの通知に使用される。 これらのハイブリッド化アプローチは、特にディープ回路において、標準手法以外のQAOA性能を向上させることが示されている。 本研究では,実測値を用いた動的マップに基づくQAOAパラメータ化を一般化したフレームワークを提案する。

関連論文リスト

• Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
  この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。 その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-09-28T18:55:22Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• 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)
• Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm [0.0]
  そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。 我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
  論文  参考訳（メタデータ） (2021-08-11T15:44:16Z)
• 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)
• On Hyper-parameter Tuning for Stochastic Optimization Algorithms [28.88646928299302]
  本稿では,強化学習に基づく最適化アルゴリズムのハイパーパラメータをチューニングするための,最初のアルゴリズムフレームワークを提案する。 提案フレームワークはアルゴリズムにおけるハイパーパラメータチューニングの標準ツールとして利用できる。
  論文  参考訳（メタデータ） (2020-03-04T12:29:12Z)

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。