論文の概要: QAOA Parameter Transfer for Hypergraphs

• arxiv url: http://arxiv.org/abs/2604.26040v1
• Date: Tue, 28 Apr 2026 18:23:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.141028
• Title: QAOA Parameter Transfer for Hypergraphs
• Title（参考訳）: ハイパーグラフのQAOAパラメータ転送
• Authors: Lucas T. Braydwood, Phillip C. Lotshaw,
• Abstract要約: 本稿では、異なる局所性ハイパーグラフ間でパラメータを転送するためのパラメータ再重み付け規則を解析的に導出する。 数値は、局所性が5以下である多彩なハイパーグラフの集合にまたがって、高品質な結果を得る。
• 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: Variational Quantum Algorithms, including the Quantum Approximate Optimization Algorithm (QAOA), have shown promise in solving optimization problems but rely on costly variational loops that can themselves be hard optimization problems. Many methods have been proposed to mitigate this variational cost, with one of the most common being parameter transfer and concentration where variational parameters for one problem instance or for an average over problem instances can be used as a good set of parameters for another instance. Methods exist for reweighting these parameters based off graph degree and edge weights, but there has been little work on how to do this reweighting to handle higher locality problems where the graph structure turns into a hypergraph structure. In this paper, we analytically derive parameter reweighting rules to transfer parameters between different locality hypergraphs, resulting in a reweighting for the mixing terms in the Hamiltonian which have previously not been considered. These analytics rely on three cycle-free and low-circuit-depth assumptions, but numerics indicate that the results can be used even when these assumptions are not satisfied. The numerics obtain high quality results across a diverse set of hypergraphs with locality less than or equal to five, improving on previous relations that do not reweight the mixing terms.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)を含む変分量子アルゴリズムは、最適化問題を解く上で有望であるが、それ自体が難しい最適化問題であるようなコストのかかる変動ループに依存している。 この変動コストを軽減するための多くの手法が提案されており、最も一般的な1つはパラメータ転送と集中であり、ある問題インスタンスの変動パラメータや平均オーバー問題インスタンスの変動パラメータを、別の問題インスタンスのよいパラメータセットとして使うことができる。 これらのパラメータをグラフ次数とエッジ重みに基づいて再重み付けする方法は存在するが、グラフ構造がハイパーグラフ構造になるような高局所性問題に対処するために、この重み付けを行う方法はほとんど研究されていない。 本稿では、異なる局所性ハイパーグラフ間でパラメータを転送するためのパラメータ再重み付け規則を解析的に導出し、これまで考慮されていなかったハミルトンの混合項の再重み付けを行う。 これらの分析は3つのサイクルフリーおよび低回路ディープス仮定に依存しているが、数値はこれらの仮定が満たされていない場合でも結果が利用できることを示している。 数値は、局所性が5以下である多彩なハイパーグラフの集合にまたがって高品質な結果を得ることができ、混合項を再重み付けしない以前の関係を改善している。

関連論文リスト

• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• Symmetry-informed transferability of optimal parameters in the Quantum Approximate Optimization Algorithm [0.0]
  最適パラメータの任意の集合を、対称性を用いて適切な領域に変換する方法を示す。 これらの結果は、関連する物理モデルに対してIsatzing Hamiltonian variational ansatzによって記述された一般的な古典的最適化問題に拡張する。
  論文  参考訳（メタデータ） (2024-07-05T13:37:53Z)
• Graph Representation Learning for Parameter Transferability in Quantum Approximate Optimization Algorithm [1.0971022294548696]
  量子近似最適化アルゴリズム(QAOA)は、量子拡張最適化による量子優位性を達成するための最も有望な候補の1つである。 本研究では,5種類のグラフ埋め込み手法を適用し,パラメータ転送可能性に対する適切なドナー候補を決定する。 この手法を用いて,パラメータ最適化に要するイテレーション数を効果的に削減し,目標問題に対する近似解を桁違いに高速化する。
  論文  参考訳（メタデータ） (2024-01-12T16:01:53Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$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)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)
• Parent Hamiltonian as a benchmark problem for variational quantum eigensolvers [0.6946929968559495]
  変分量子固有解法(VQE)は、アンザッツと呼ばれる量子回路のパラメータを変動的に最適化することで、与えられたハミルトンの基底状態を求める。 この研究は、VQEのエネルギーを分析し、アンザッツとその初期パラメータの設計に寄与する体系的な方法を提供する。
  論文  参考訳（メタデータ） (2021-09-24T06:09:10Z)
• 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)
• 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)
• Implicit differentiation of Lasso-type models for hyperparameter optimization [82.73138686390514]
  ラッソ型問題に適した行列逆転のない効率的な暗黙微分アルゴリズムを提案する。 提案手法は,解の空間性を利用して高次元データにスケールする。
  論文  参考訳（メタデータ） (2020-02-20T18:43:42Z)

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。