論文の概要: Classical Optimization Strategies for Variational Quantum Algorithms: A Systematic Study of Noise Effects and Parameter Efficiency

• arxiv url: http://arxiv.org/abs/2511.09314v1
• Date: Thu, 13 Nov 2025 01:46:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.513657
• Title: Classical Optimization Strategies for Variational Quantum Algorithms: A Systematic Study of Noise Effects and Parameter Efficiency
• Title（参考訳）: 変分量子アルゴリズムの古典的最適化方略:雑音効果とパラメータ効率の体系的研究
• Authors: Tomáš Bezděk, Haomu Yuan, Vojtěch Novák, Silvie Illésová, Martin Beseda,
• Abstract要約: 本研究は, 雑音中規模量子条件下での量子近似最適化アルゴリズムの最適化戦略をベンチマークする。 我々は,2つの熱雑音モデルを用いて,二重アニーリング,線形近似による制約付き最適化,およびパウエル法の評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study systematically benchmarks classical optimization strategies for the Quantum Approximate Optimization Algorithm when applied to Generalized Mean-Variance Problems under near-term Noisy Intermediate-Scale Quantum conditions. We evaluate Dual Annealing, Constrained Optimization by Linear Approximation, and the Powell Method across noiseless, sampling noise, and two thermal noise models. Our Cost Function Landscape Analysis revealed that the Quantum Approximate Optimization Algorithm angle parameters $γ$ were largely inactive in the noiseless regime. This insight motivated a parameter-filtered optimization approach, in which we focused the search space exclusively on the active $β$ parameters. This filtering substantially improved parameter efficiency for fast optimizers like Constrained Optimization by Linear Approximation (reducing evaluations from 21 to 12 in the noiseless case) and enhanced robustness, demonstrating that leveraging structural insights is an effective architecture-aware noise mitigation strategy for Variational Quantum Algorithms.
• Abstract（参考訳）: 本研究では, 量子近似最適化アルゴリズムの古典的最適化戦略を, 短期雑音の中規模量子条件下での一般化平均分散問題に適用した場合に, 系統的に評価する。 我々は,2つの熱雑音モデルを用いて,二重アニーリング,線形近似による制約付き最適化,およびパウエル法の評価を行った。 我々のコスト関数ランドスケープ解析により、量子近似最適化アルゴリズムの角度パラメータ$γ$がノイズレス方式ではほとんどアクティブでないことが明らかとなった。 この洞察はパラメータフィルタによる最適化手法を動機付け、我々は検索空間をアクティブな$β$パラメータにのみ焦点をあてた。 このフィルタリングにより、線形近似による制約付き最適化(ノイズレスの場合、21から12の評価を低減)のような高速最適化器のパラメータ効率が大幅に向上し、構造的洞察を活用することが変分量子アルゴリズムの効果的なアーキテクチャ対応ノイズ緩和戦略であることを実証した。

関連論文リスト

• A Noise-Aware Scalable Subspace Classical Optimizer for the Quantum Approximate Optimization Algorithm [0.9086201982977716]
  ANASTAARSは変分量子アルゴリズムのためのノイズ対応スケーラブルな古典的アルゴリズムである。 適応的ランダム部分空間戦略を利用して、量子近似最適化アルゴリズムのアンサッツパラメータを効率的に最適化する。
  論文  参考訳（メタデータ） (2025-07-15T05:15:25Z)
• Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization [66.51747366239299]
  拡張ラグランジアンに基づくmin-max問題のスムーズな変種を提案する。 提案アルゴリズムは, 段階的戦略よりも目的数で拡張性が高い。
  論文  参考訳（メタデータ） (2025-03-16T11:05:51Z)
• Variational quantum algorithm for enhanced continuous variable optical phase sensing [0.0]
  変分量子アルゴリズム(VQA)は、ノイズ量子デバイスにおける幅広い問題に対処するために用いられるハイブリッド量子古典的アプローチである。 本研究では, 連続変数プラットフォーム上でのパラメータ推定の最適化のために, 圧縮光に基づく変分アルゴリズムを実装した。
  論文  参考訳（メタデータ） (2023-12-21T14:11:05Z)
• Probabilistic tensor optimization of quantum circuits for the max-$k$-cut problem [0.0]
  本稿では,変分量子アルゴリズムにおけるパラメータ化回路の最適化手法を提案する。 本稿では,量子近似最適化アルゴリズム (QAOA) を最大$k$-cut問題に適用した例について述べる。
  論文  参考訳（メタデータ） (2023-10-16T12:56:22Z)
• QAOA Performance in Noisy Devices: The Effect of Classical Optimizers and Ansatz Depth [0.32985979395737786]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、Near-term Intermediate-Scale Quantum Computer (NISQ)のための変分量子アルゴリズムである。 本稿では,古典的ベクトルに対する現実的な騒音の影響について検討する。 その結果,Adam と AMSGrads はショットノイズの存在下で最高の性能を示した。
  論文  参考訳（メタデータ） (2023-07-19T17:22:44Z)
• 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)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• 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)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。