論文の概要: QALM: Escaping Local Minima via Interleaved Exploration and Exploitation in Quantum Circuit Optimization

• arxiv url: http://arxiv.org/abs/2606.16221v1
• Date: Mon, 15 Jun 2026 04:57:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.090677
• Title: QALM: Escaping Local Minima via Interleaved Exploration and Exploitation in Quantum Circuit Optimization
• Title（参考訳）: QALM: 量子回路最適化におけるインターリーブ探索と爆発による局所最小化
• Authors: Aidan Wagner, Mingkuan Xu, Pengyu Liu, Zhihao Jia, Umut A. Acar,
• Abstract要約: 量子回路は、一時的なコスト上昇を許容する基本的な制限に直面している。 極端なルールベースでは、コスト削減の変換を直ちに適用し、高い効率を達成するが、すぐに局所的なミニマに閉じ込められる。 一方、サーチベースは回路空間を探索し、そのようなミニマから逃れるためにコスト増加の動きを受け入れる。 我々は,このフレームワークを,純粋探索のランタイムペナルティを発生させることなく,局所最小化から逃れるための新しいアルゴリズムであるQALMとして実装する。
• 参考スコア（独自算出の注目度）: 8.243346113702556
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum circuit optimizers face a fundamental limitation in how they tolerate temporary cost increases. At one extreme, greedy rule-based optimizers immediately apply any cost-reducing transformation, achieving high efficiency but quickly becoming trapped in local minima. At the other extreme, search-based optimizers accept cost-increasing moves to explore the circuit space and escape such minima. However, because search-based optimizers cannot determine within a reasonable time budget whether a given point is promising, that is, whether its neighborhood contains a deeper local minimum, they must blindly explore higher-cost regions. As a result, escaping the current basin to reach a promising point takes exponentially many steps. In this work, we show that this limitation can be overcome with a hybrid framework that interleaves the exhaustive exploration capabilities of search algorithms with the efficiency of rule-based optimization. We implement this framework as QALM, a novel optimizer designed to escape local minima without incurring the runtime penalties of pure search. Crucially, our results demonstrate that QALM does not merely strike a balance; it outperforms existing rule-based and search-based optimizers in circuit reduction rates while operating with the computational efficiency of rule-based systems. In a comprehensive evaluation across 248 circuits, QALM matches or exceeds the fidelity of the strongest baseline on 83.9% of these circuits, given the same time budget.
• Abstract（参考訳）: 量子回路オプティマイザは、一時的なコスト上昇を許容する基本的な制限に直面している。 極端に言えば、グリージーなルールベースのオプティマイザは直ちにコスト低減の変換を適用し、高い効率を達成するが、すぐに局所的なミニマに閉じ込められる。 一方、サーチベースのオプティマイザは、回路空間を探索し、そのようなミニマから逃れるためにコスト増加の動きを受け入れる。 しかし、検索ベースのオプティマイザは、ある地点が有望であるかどうかを合理的な時間予算内で決定できないため、その地区がより深い地域を包含しているかは、盲目的に高コスト地域を探索しなければならない。 その結果、現在の盆地を脱出して有望な点に達するには指数関数的に多くのステップがかかる。 本研究では,この制限を,探索アルゴリズムの徹底的な探索能力とルールベース最適化の効率を両立させるハイブリッドフレームワークによって克服できることを示す。 我々は,このフレームワークを,純粋探索のランタイムペナルティを発生させることなく,局所最小化から逃れるように設計された新しい最適化手法であるQALMとして実装する。 重要なことは、QALMは単にバランスを崩すのではなく、既存のルールベースおよびサーチベースの最適化器よりも、ルールベースのシステムの計算効率で動作しながら、回路の削減率を上回ります。 248回路の総合的な評価では、QALMは同じ時間予算で83.9%の回路で最強のベースラインの忠実度を一致または超える。

関連論文リスト

• Universally Empowering Zeroth-Order Optimization via Adaptive Layer-wise Sampling [43.822941944402544]
  ゼロ階最適化は、微調整された大規模言語モデルのための有望なメモリ効率のパラダイムを提供する。 しかし,壁面収差の緩やかな収束と高い推定分散により,その実用化は厳しく制約されている。 本稿では,適応層型ZO最適化フレームワークであるAdaLeZOを提案する。
  論文  参考訳（メタデータ） (2026-04-20T13:37:31Z)
• $\nabla$-Reasoner: LLM Reasoning via Test-Time Gradient Descent in Latent Space [71.23672814629448]
  $nabla$-Reasonerは、トークンログに対する差別化可能な最適化をデコードループに統合する反復生成フレームワークである。 $nabla$-Reasonerは、挑戦的な数学的推論ベンチマークで20%以上の精度の向上を実現している。
  論文  参考訳（メタデータ） (2026-03-05T08:42:54Z)
• Accelerating RL for LLM Reasoning with Optimal Advantage Regression [52.0792918455501]
  本稿では,最適優位関数を直接近似する新しい2段階ポリシー最適化フレームワークを提案する。 A$*-POは、幅広い数学的推論ベンチマークで競合性能を達成する。 PPO、GRPO、REBELと比較して、トレーニング時間を最大2$times$、ピークメモリ使用率を30%以上削減する。
  論文  参考訳（メタデータ） (2025-05-27T03:58:50Z)
• Energy Landscapes for the Quantum Approximate Optimisation Algorithm [0.0]
  QAOA anszeのエネルギー景観を様々なグラフでナビゲートするために、流域ホットなグローバルな手法を用いています。 対応するランドスケープは一般的に単一のファンネル組織を持つため、Max-Cut ソリューションの確率がよい低いミニマを見つけることは比較的容易である。
  論文  参考訳（メタデータ） (2024-01-09T19:17:01Z)
• Using Differential Evolution to avoid local minima in Variational Quantum Algorithms [0.0]
  変分量子アルゴリズム(VQA)は、量子コンピューティングを利用する最も有望なNISQ時代のアルゴリズムの一つである。 本研究の目的は,局所的ミニマ問題や大理石高原問題の影響を回避・低減できる代替最適化手法を検討することである。
  論文  参考訳（メタデータ） (2023-03-21T20:31:06Z)
• Recursive greedy initialization of the quantum approximate optimization algorithm with guaranteed improvement [1.720510639137902]
  量子近似最適化アルゴリズム (QAOA) は変分量子アルゴリズムであり、量子コンピュータは変分ユニタリ演算子の$p$層からなる変分アンサッツを実装している。 本稿では,QAOAを$p+1$で局所最小のQAOAを$p$で使用するQAOAの遷移状態の解析的構成について述べる。
  論文  参考訳（メタデータ） (2022-09-02T16:40:21Z)
• Avoiding local minima in Variational Quantum Algorithms with Neural Networks [0.0]
  変分量子アルゴリズムは、短期計算の先導パラダイムとして登場してきた。 本稿では,勾配景観問題の事例をベンチマークする2つのアルゴリズムを提案する。 提案手法は,コストランドスケープが短期量子コンピューティングアルゴリズムを改善するための実りある道であることを示唆している。
  論文  参考訳（メタデータ） (2021-04-07T07:07:28Z)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• Provably Efficient Reward-Agnostic Navigation with Linear Value Iteration [143.43658264904863]
  我々は、最小二乗値スタイルのアルゴリズムで一般的に使用される、より標準的なベルマン誤差の概念の下での反復が、ほぼ最適値関数の学習において強力なPAC保証を提供することを示す。 そこで本稿では,任意の(線形な)報酬関数に対して,最適に近いポリシーを学習するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2020-08-18T04:34:21Z)
• Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
  単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。 いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。 これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
  論文  参考訳（メタデータ） (2020-03-31T16:54:22Z)

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。