論文の概要: Optimal FALQON for Quantum Approximate Optimization via Layer-wise Parameter Tuning

• arxiv url: http://arxiv.org/abs/2605.08332v1
• Date: Fri, 08 May 2026 17:55:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.573286
• Title: Optimal FALQON for Quantum Approximate Optimization via Layer-wise Parameter Tuning
• Title（参考訳）: 層ワイドパラメータチューニングによる量子近似最適化のための最適FALQON
• Authors: Michael Mancini, Shabnam Sodagari,
• Abstract要約: 本稿では,階層ごとの時間ステップ($_k$)とスケーリング係数($M_k$)を決定変数として扱う最適化ベースの定式化であるOptimal FALQONを提案する。 その結果, 評価されたベンチマークにおいて, 成功確率, 評価効率, 深さ正規化コストの統計的に有意な改善が見られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Feedback-based adaptive quantum optimization (FALQON) is a promising approach for solving combinatorial problems on noisy intermediate-scale quantum (NISQ) devices, requiring only single circuit evaluations per layer. However, standard FALQON relies on fixed hyperparameters that severely limit convergence speed, requiring hundreds to thousands of layers for acceptable solutions. This paper proposes Optimal FALQON, an optimization-based formulation that treats the per-layer time step ($δ_k$) and scaling factor ($M_k$) as decision variables optimized via classical methods. We present a comprehensive empirical study on all 94 non-isomorphic 3-regular graphs with 12 vertices, comparing Optimal FALQON with standard FALQON and multiple QAOA variants. Results demonstrate statistically significant improvements in success probability, evaluation efficiency, and depth-normalized cost across the evaluated benchmarks. Furthermore, initializing QAOA with parameters from Optimal FALQON yields superior warm-start performance compared to fixed initialization.
• Abstract（参考訳）: フィードバックに基づく適応量子最適化(FALQON)は、ノイズの多い中間スケール量子(NISQ)デバイスにおける組合せ問題を解くための有望なアプローチである。 しかし、標準のFALQONは収束速度を著しく制限する固定されたハイパーパラメータに依存しており、許容できる解には数百から数千の層を必要とする。 本稿では,階層ごとの時間ステップ(δ_k$)とスケーリング係数(M_k$)を古典的手法で最適化された決定変数として扱う最適化型FALQONを提案する。 12頂点を持つ94の非同型3つの正則グラフに関する総合的な実証的研究を行い、 Optimal FALQON と標準 FALQON と複数の QAOA 不変量を比較した。 その結果, 評価されたベンチマークにおいて, 成功確率, 評価効率, 深さ正規化コストの統計的に有意な改善が見られた。 さらに, 最適FALQONパラメータによるQAOAの初期化は, 固定初期化よりも暖房性能が優れている。

関連論文リスト

• QAOA-Predictor: Forecasting Success Probabilities and Minimal Depths for Efficient Fixed-Parameter Optimization [0.9558392439655014]
  本稿では,グラフニューラルネットワーク(GNN)を用いた量子近似最適化アルゴリズム(QAOA)の性能予測手法を提案する。 我々は,GNNが真値の10%のマージンでQAOA性能を正確に予測できることを実証した。
  論文  参考訳（メタデータ） (2026-03-03T13:43:44Z)
• Benchmarking Lie-Algebraic Pretraining and Non-Variational QWOA for the MaxCut Problem [4.103893081207555]
  本稿では,トレーニング性向上を目的とした2つの戦略の比較性能解析を行う。 回路深さは200 Erds-Rényi および 200 3-正則グラフに対して 256$ である。 NV-QWOAはわずか60回で平均98.9%の近似比を獲得し、Lie-代数的事前訓練されたQWOAは500回で77.71%に改善された。
  論文  参考訳（メタデータ） (2025-12-28T09:42:02Z)
• Beyond Outliers: A Study of Optimizers Under Quantization [82.75879062804955]
  量子化下でのモデルロバスト性に対する選択の影響について検討する。 モデルの性能が、異なるベースラインでトレーニングした場合にどのように低下するかを評価する。 異なるパラメータによる量子化対応トレーニングのスケーリング法則を導出する。
  論文  参考訳（メタデータ） (2025-09-27T21:15:22Z)
• Slice-Wise Initial State Optimization to Improve Cost and Accuracy of the VQE on Lattice Models [0.0]
  本稿では,適応型および物理インスピレーション型アンザッツ設計を組み合わせた変分量子固有解器(VQE)の最適化手法を提案する。 この準力学的アプローチは、演算子選択のオーバーヘッドを回避しつつ、表現性とハードウェア効率を保っている。 最大20キュービットの1次元および2次元ハイゼンベルクおよびハバードモデルのベンチマークでは、固定層VQEと比較して、忠実度の改善、機能評価の削減、あるいはその両方が示されている。
  論文  参考訳（メタデータ） (2025-09-16T12:52:23Z)
• Adam assisted Fully informed Particle Swarm Optimization ( Adam-FIPSO ) based Parameter Prediction for the Quantum Approximate Optimization Algorithm (QAOA) [1.024113475677323]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、マックス・カット問題などの最適化問題の解法として用いられる顕著な変分アルゴリズムである。 QAOAの重要な課題は、高品質なソリューションにつながる適切なパラメータを効率的に特定することである。
  論文  参考訳（メタデータ） (2025-06-07T13:14:41Z)
• 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)
• Evaluation of QAOA based on the approximation ratio of individual samples [0.0]
  我々は、Max-Cut問題に適用されたQAOAの性能をシミュレートし、いくつかの古典的代替品と比較する。 QAOA計算複雑性理論のガイダンスが進化しているため、量子的優位性を求めるためのフレームワークを利用する。
  論文  参考訳（メタデータ） (2020-06-08T18:00:18Z)
• 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)

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。