論文の概要: Quantum Approximate Optimization Algorithm with Fixed Number of Parameters
- arxiv url: http://arxiv.org/abs/2512.21181v1
- Date: Wed, 24 Dec 2025 14:02:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-25 19:43:21.790291
- Title: Quantum Approximate Optimization Algorithm with Fixed Number of Parameters
- Title（参考訳）: 固定数のパラメータを用いた量子近似最適化アルゴリズム
- Authors: Sebastián Saavedra-Pino, Ricardo Quispe-Mendizábal, Gabriel Alvarado Barrios, Enrique Solano, Juan Carlos Retamal, Francisco Albarrán-Arriagada,
- Abstract要約: 我々は新しい量子最適化パラダイム、FPC-QAOA(Fixed-Count Approximate Quantum Optimization Algorithm)を導入する。
スケーラブルな変分フレームワークであり、量子ビットの数、ハミルトン複雑性、回路深さに関わらず、一定の数のトレーニング可能なパラメータを保持する。
我々は、ランダムなMaxCutインスタンスとTail Assignment ProblemのFPC-QAOAをベンチマークし、標準的なQAOAに匹敵する性能を達成する。
- 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: We introduce a novel quantum optimization paradigm: the Fixed-Parameter-Count Quantum Approximate Optimization Algorithm (FPC-QAOA). It is a scalable variational framework that maintains a constant number of trainable parameters regardless of the number of qubits, Hamiltonian complexity, or circuit depth. By separating schedule function optimization from circuit digitization, FPC-QAOA enables accurate schedule approximations with minimal parameters while supporting arbitrarily deep digitized adiabatic evolutions, constrained only by NISQ hardware capabilities. This separation allows depth to scale without expanding the classical search space, mitigating overparameterization and optimization challenges typical of deep QAOA circuits, such as barren plateaus-like behaviors. We benchmark FPC-QAOA on random MaxCut instances and the Tail Assignment Problem, achieving performance comparable to or better than standard QAOA with nearly constant classical effort and significantly fewer quantum circuit evaluations. Experiments on the IBM Kingston superconducting processor with up to 50 qubits confirm robustness and hardware efficiency under realistic noise. These results position FPC-QAOA as a practical and scalable paradigm for variational quantum optimization on near-term quantum devices.
- Abstract（参考訳）: 本稿では、FPC-QAOA(Fixed-Parameter-Count Quantum Approximate Optimization Algorithm)という新しい量子最適化パラダイムを導入する。
スケーラブルな変分フレームワークであり、量子ビットの数、ハミルトン複雑性、回路深さに関わらず、一定の数のトレーニング可能なパラメータを保持する。
FPC-QAOAは、回路ディジタル化からスケジュール関数最適化を分離することにより、NASQハードウェア機能のみに制約された、任意の深層デジタル化アディバティック進化をサポートしながら、最小のパラメータで正確なスケジュール近似を可能にする。
この分離により、古典的な探索空間を広げることなく、奥行きを拡大し、オーバーパラメトリゼーションを緩和し、バレンプラトーのような深いQAOA回路に典型的な最適化の課題を解消できる。
我々は、ランダムなMaxCutインスタンスとTail Assignment ProblemのFPC-QAOAをベンチマークし、従来のQAOAに匹敵する性能をほぼ一定に保ち、量子回路の評価を著しく少なくした。
最大50キュービットのIBMキングストン超伝導プロセッサの実験では、現実的な雑音下での堅牢性とハードウェア効率が確認された。
これらの結果は、FPC-QAOAを、短期量子デバイス上での変動量子最適化のための実用的でスケーラブルなパラダイムとして位置づけている。
関連論文リスト
- Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。
本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。
この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
論文 参考訳（メタデータ） (2025-10-07T17:53:02Z) - Optimization Strategies for Variational Quantum Algorithms in Noisy Landscapes [0.061173711613792085]
変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおける主要なアプローチである。
我々は変分量子ソルバ(VQE)のための50以上のメタヒューリスティックアルゴリズムをベンチマークした。
その結果、ノイズの多いVQEのための小さなレジリエントアルゴリズムを特定し、短期量子デバイス上での最適化戦略のガイダンスを提供する。
論文 参考訳（メタデータ） (2025-06-02T14:22:30Z) - Parameter Setting Heuristics Make the Quantum Approximate Optimization Algorithm Suitable for the Early Fault-Tolerant Era [3.734751161717204]
量子近似最適化アルゴリズム(QAOA)は、最も有望な量子最適化の1つである。
QAOAにおけるパラメータ設定の最近の進歩は、QAOAを用いたFTQC実験を現実的に実現している。
論文 参考訳（メタデータ） (2024-08-18T16:48:14Z) - Optimization by Decoded Quantum Interferometry [38.063836468778895]
Decoded Quantum Interferometry (DQI) は、量子フーリエ変換を用いて、復号化問題に対する最適化問題を削減する量子アルゴリズムである。
有限体上の最適適合を近似するために、DQIは既知の古典的アルゴリズムよりも超多項式的なスピードアップを達成する。
論文 参考訳（メタデータ） (2024-08-15T17:47:42Z) - Quantum Circuit Optimization through Iteratively Pre-Conditioned
Gradient Descent [0.4915744683251151]
量子回路を最適化し、状態準備と量子アルゴリズムの実装のための性能高速化を示すために、繰り返し事前条件勾配降下(IPG)を行う。
4量子W状態と最大絡み合った5量子GHZ状態を作成するための104ドルの係数による忠実度の向上を示す。
また、IPGを用いて量子フーリエ変換のユニタリを最適化するゲインを示し、IonQの量子処理ユニット(QPU)上でそのような最適化された回路の実行結果を報告する。
論文 参考訳（メタデータ） (2023-09-18T17:30:03Z) - 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) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - FLIP: A flexible initializer for arbitrarily-sized parametrized quantum
circuits [105.54048699217668]
任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。
FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。
本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
論文 参考訳（メタデータ） (2021-03-15T17:38:33Z) - 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) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳（メタデータ） (2020-04-06T21:31:22Z)
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。