論文の概要: Enhancing Hybrid Methods in Parameterized Quantum Circuit Optimization
- arxiv url: http://arxiv.org/abs/2510.08142v1
- Date: Thu, 09 Oct 2025 12:24:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-10 17:54:15.06295
- Title: Enhancing Hybrid Methods in Parameterized Quantum Circuit Optimization
- Title（参考訳）: パラメータ化量子回路最適化におけるハイブリッド手法の強化
- Authors: Joona V. Pankkonen, Matti Raasakka, Andrea Marchesin, Ilkka Tittonen,
- Abstract要約: 量子回路(PQC)は、雑音量子デバイスにおける変分量子アルゴリズム(VQA)の適用において重要な役割を果たす。
より堅牢でスケーラブルな2つの新しいハイブリッドアルゴリズムを導入します。
ノイズプロファイルの異なる NISQ デバイスに対して実現可能であることが判明した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parameterized quantum circuits (PQCs) play an essential role in the application of variational quantum algorithms (VQAs) in noisy intermediate-scale quantum (NISQ) devices. The PQCs are a leading candidate to achieve a quantum advantage in NISQ devices and have already been applied in various domains such as quantum chemistry, quantum machine learning, combinatorial optimization, and many others. There is no single definitive way to optimize PQCs. The most commonly used methods are based on computing the gradient via the parameter-shift rule to use classical gradient descent (GD) optimizers like Adam, stochastic GD, and others. In addition, sequential single-qubit optimizers have been proposed, such as Rotosolve, Free-Axis Selection (Fraxis), Free-Quaternion Selection (FQS), and hybrid algorithms from the aforementioned optimizers. We further develop hybrid algorithms than those represented in the previous work by drawing inspiration from the early stopping method used in classical machine learning. The switch between the optimizers depends on the previous cost function values compared to the previous ones. We introduce two new hybrid algorithms that are more robust and scalable, and they outperform previous hybrid methods in terms of convergence towards the global minima across various cost functions. In addition, we find that they are feasible for NISQ devices with different noise profiles.
- Abstract（参考訳）: パラメータ化量子回路(PQC)は、ノイズの多い中間スケール量子(NISQ)デバイスにおける変分量子アルゴリズム(VQA)の適用において重要な役割を果たす。
PQCは、NISQデバイスにおいて量子優位を達成するための主要な候補であり、すでに量子化学、量子機械学習、組合せ最適化など、さまざまな分野に応用されている。
PQCを最適化する方法はひとつもない。
最もよく使われる手法は、パラメータシフト則による勾配の計算に基づいて、アダムや確率GDなどの古典的勾配降下(GD)オプティマイザを使用する。
さらに、Rotosolve、Free-Axis Selection (Fraxis)、Free-Quaternion Selection (FQS)、および前述のオプティマイザからのハイブリッドアルゴリズムなどのシーケンシャルなシングルキュービットオプティマイザが提案されている。
我々は、従来の機械学習で用いられる早期停止法からインスピレーションを得て、従来の研究に代表されるアルゴリズムよりもハイブリットアルゴリズムをさらに発展させる。
オプティマイザ間の切り替えは、以前のコスト関数値と以前のコスト関数値に依存する。
我々は、より堅牢でスケーラブルな2つの新しいハイブリッドアルゴリズムを導入し、様々なコスト関数にまたがるグローバルミニマへの収束という点で、従来のハイブリッド手法よりも優れています。
さらに、ノイズプロファイルの異なるNISQデバイスでも実現可能であることが判明した。
関連論文リスト
- Quantum Random Feature Method for Solving Partial Differential Equations [36.58357595906332]
量子コンピューティングは、古典的な手法よりも指数的なスピードアップの可能性を秘めているため、科学計算の可能性を秘めている。
本研究では,数値解析とニューラル解析の両方の利点を利用する量子ランダム法(QRFM)を提案する。
論文 参考訳（メタデータ） (2025-10-09T08:42:09Z) - Improving Variational Quantum Circuit Optimization via Hybrid Algorithms and Random Axis Initialization [0.0]
変分量子回路(VQC)は、ノイズの多い中間スケールの量子コンピュータを実用的な問題に適用する上で欠かせないツールである。
VQCに特化して設計された勾配のない最適化アルゴリズムであるRotosolve法の性能を向上させる。
我々は、FQSの優れた表現性を活用しながら、ロトゾルの初期収束の恩恵を受けるハイブリッドアルゴリズムを構築した。
論文 参考訳（メタデータ） (2025-03-26T17:10:19Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - 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) - Meta-Learning Digitized-Counterdiabatic Quantum Optimization [3.0638256603183054]
本稿では,リカレントニューラルネットワークを用いたメタラーニング手法を用いて,変分最適化に適した初期パラメータを求める問題に取り組む。
我々は、最近提案されたディジタル化対数量子近似アルゴリズム(DC-QAOA)を用いて、この手法について検討する。
メタラーニングとDC-QAOAを組み合わせることで、MaxCut問題やSherrington-Kirkpatrickモデルなど、異なるモデルに対する最適な初期パラメータを見つけることができる。
論文 参考訳（メタデータ） (2022-06-20T18:57:50Z) - 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) - A Comparison of Various Classical Optimizers for a Variational Quantum
Linear Solver [0.0]
変分型ハイブリッド量子古典アルゴリズム(VHQCAs)は、ノイズの多い量子デバイス上で動作することを目的とした量子アルゴリズムのクラスである。
これらのアルゴリズムは、パラメータ化量子回路(アンサッツ)と量子古典フィードバックループを用いる。
古典的なデバイスは、量子デバイス上ではるかに効率的に計算できるコスト関数を最小限に抑えるためにパラメータを最適化するために使用される。
論文 参考訳（メタデータ） (2021-06-16T10:40:00Z) - Classically optimal variational quantum algorithms [0.0]
変分量子アルゴリズム(VQA)のようなハイブリッド量子古典アルゴリズムは、NISQコンピュータ上での実装に適している。
このレターでは、VQAの暗黙的なステップを拡張します。古典的なプリ計算サブルーチンは、古典的なアルゴリズムを非自明に使用して、問題インスタンス固有の変動量子回路を単純化、変換、特定することができます。
論文 参考訳（メタデータ） (2021-03-31T13:33:38Z) - 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。