論文の概要: Hamiltonian-Guided Leverage Embedding: Robust Subspace Compression for Efficient QAOA Parameter Estimation

• arxiv url: http://arxiv.org/abs/2606.07814v1
• Date: Fri, 05 Jun 2026 19:47:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.464044
• Title: Hamiltonian-Guided Leverage Embedding: Robust Subspace Compression for Efficient QAOA Parameter Estimation
• Title（参考訳）: Hamiltonian-Guided Leverage Embedding: 効率的なQAOAパラメータ推定のためのロバスト部分空間圧縮
• Authors: Sumanta Mukherjee, Kalyan Dasgupta, Surya Shravan Kumar Sajja, Kameshwaran Sampath, Abhishek Singh, Dhriti Verma, Dzung Phan, Jayant Kalagnanam,
• Abstract要約: このアルゴリズムは、短期量子デバイスを最適化するためのハイブリッド量子古典的フレームワークである。 低エネルギーの量子サンプルをイジング行列に符号化し、圧縮する。
• 参考スコア（独自算出の注目度）: 6.1401581501410085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Quantum Approximate Optimization Algorithm (QAOA) is a hybrid quantum-classical framework for combinatorial optimization on near-term quantum devices. A central bottleneck is the classical estimation of its variational parameters γ and β, which must be optimized over a high-dimensional, non-convex landscape corrupted by sampling noise. We observe that the classical feature matrices constructed from QAOA measurement samples exhibit pronounced low-rank structure, and exploit this property for noise-robust, reduced-dimension parameter search. We present the Hamiltonian-Guided Leverage Embedding (HGLE) algorithm - a hybrid pipeline that encodes low-energy quantum samples into a weighted Ising feature matrix and compresses it via leverage-score row sampling, provably preserving the dominant rank-rsubspace geometry. The compressed representation drives a classical trust-region loop for (γ, β) estimation at a fraction of the original cost. We provide formal guarantees for rank preservation and energy approximation error, and demonstrate robustness across problem types (Max-Cut, Maximum Independent Set) and graph topologies of varying density.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、近距離量子デバイス上での組合せ最適化のためのハイブリッド量子古典的フレームワークである。 中心的なボトルネックは、その変分パラメータ γ と β の古典的な推定であり、サンプリングノイズによって破壊される高次元の非凸地形上で最適化されなければならない。 我々は,QAOA測定値から構築した古典的特徴行列が顕著な低ランク構造を示すことを観察し,この特性をノイズロス,低次元パラメータ探索に利用した。 低エネルギーの量子サンプルを重み付けしたIsing特徴行列にエンコードし、レバレッジスコアの行サンプリングによって圧縮するハイブリッドパイプラインであるHGLE(Hamidian-Guided Leverage Embedding)アルゴリズムを提案する。 圧縮された表現は、(γ, β)推定のための古典的な信頼領域ループを原コストのごく一部で駆動する。 ランク保存とエネルギー近似誤差を公式に保証し、様々な密度のグラフトポロジーと問題タイプ(Max-Cut, Maximum Independent Set)の堅牢性を示す。

関連論文リスト

• Decoded Quantum Interferometry Beyond Hamming: Rank-Metric and Translation Association Schemes [39.146761527401424]
  Decoded Quantum Interferometry (DQI) はコヒーレントデコーディングと量子フーリエ変換を用いて、構造化最適化問題の高品質な解を求める。 我々は、コアDQI機構をハミング空間を越えて、翻訳対称性を持つ有限測地へと拡張する。 min(m,n)-l付近の有効ランクプロキシによる解が得られ、対応する期待スコアはサンプルの残留ランクに制限された定数確率に変換することができる。
  論文  参考訳（メタデータ） (2026-06-03T13:12:15Z)
• An Optimization-Free Recursive QAOA for the Binary Paint Shop Problem [0.0]
  BPSP(Binary Paint Shop Problem)は、自動車間の色の変化を最小限に抑えつつ、一定の制約の下で車列を塗装しなければならない製造における最適化問題である。 パラメータ転送はQAOAとRQAOAの最適化よりも解の質が著しく低下しないことを示す。 RQAOAはフルステートベクターの代わりに$Z$-correlationsを計測することしか必要とせず、CNOT数と深さが著しく低い回路につながる逆カソーサルコーンの利点がある。
  論文  参考訳（メタデータ） (2025-07-15T01:54:11Z)
• Preparation Circuits for Matrix Product States by Classical Variational Disentanglement [0.0]
  行列積状態(MPS)の作成のための量子回路の古典的コンパイルについて検討する。 提案アルゴリズムは, 逆アンタングル法により, 従来の逐次的アプローチに準じて, 短期的な代替となる。 複数の量子ビット間の絡み合いを人工的に広げるだけでなく、一次元の局所ハミルトニアンの基底状態に対する数値的な結果を示す。
  論文  参考訳（メタデータ） (2025-04-30T04:13:01Z)
• Optimizing Unitary Coupled Cluster Wave Functions on Quantum Hardware: Error Bound and Resource-Efficient Optimizer [0.0]
  本稿では、量子ハードウェア上でのユニタリ結合クラスタ波関数の最適化のための射影量子固有解法(PQE)アプローチについて検討する。 我々は、ハミルトニアンの外部対角係数(残差)とアルゴリズムのエネルギー誤差と得られた波動関数によって達成された重なり関係を導出する。
  論文  参考訳（メタデータ） (2024-10-19T15:03:59Z)
• Solving the homogeneous Bethe-Salpeter equation with a quantum annealer [34.173566188833156]
  等質Bethe-Salpeter方程式(hBSE)は、D-Wave量子アニールを用いて初めて解かれた。 D-Wave Advantage 4.1 システムとプロプライエタリなシミュレート・アニーリング・パッケージを用いて,提案アルゴリズムの広範な数値解析を行った。
  論文  参考訳（メタデータ） (2024-06-26T18:12:53Z)
• A Parameter Setting Heuristic for the Quantum Alternating Operator Ansatz [0.0]
  本稿では,問題の大きさに応じて異なるコスト値の数が増加する場合に適したパラメータ設定戦略を提案する。 我々は、完全均一性が正確に保持され、状態と期待値の両方を記述する情報が得られるQAOAの古典的同次プロキシを定義する。 最大3ドルのQAOAレベルでは、これまでのグローバルに最適化されたアプローチによって返される近似比にマッチするパラメータを容易に見つけることができます。
  論文  参考訳（メタデータ） (2022-11-17T00:18:06Z)
• 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)
• 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)
• 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。