論文の概要: Absence of quantum advantage for approximate spin glass optimization

• arxiv url: http://arxiv.org/abs/2607.08708v1
• Date: Thu, 09 Jul 2026 17:18:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.606649
• Title: Absence of quantum advantage for approximate spin glass optimization
• Title（参考訳）: 近似スピングラス最適化のための量子優位性の存在
• Abstract要約: シェリントン・カークパトリック(SK)モデルを用いて量子近似最適化アルゴリズム(QAOA)を解析する。 スピン上の最終エネルギーの非単調な依存を観察する。 半古典学は真のスピン-1/2 QAOAをわずかに上回る。
• 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 perform a semiclassical, large-spin S, analysis of the quantum approximate optimization algorithm (QAOA) on the Sherrington-Kirkpatrick (SK) model, using the truncated Wigner approximation. Fixing the QAOA angles to their previously determined optimal S=1/2 values, we observe a non-monotonic dependence of the final energy on the spin. At small S the semiclassics is dominated by noise, while the large-S limit is constrained by the exponential growth of the initial fluctuations. For a depth-p QAOA one achieves the optimal balance at S of order p, resulting in a convergence of the final energy to the Parisi value like log(p)/p. We find that the semiclassics slightly outperforms the true spin-1/2 QAOA, and thus suggest they both converge to the Parisi value in the same way. Finally, removing all the initial noise, and re-optimizing the parameters to account for that change, results in superior performance with 1/p convergence.
• Abstract（参考訳）: 我々は,シェリントン・カークパトリック(SK)モデルを用いた量子近似最適化アルゴリズム(QAOA)の半古典的,大スピンSを用いて解析を行う。 予め決定された最適S=1/2値にQAOA角を固定すると、スピン上の最終エネルギーの非単調な依存が観測される。 小さいSでは半古典派がノイズに支配され、大きなS極限は初期ゆらぎの指数的な成長によって制限される。 深さ-p QAOA の場合、位数 p の S における最適バランスを達成し、結果として最終エネルギーは log(p)/p のようなパリの値に収束する。 半古典学は真のスピン-1/2 QAOAをわずかに上回り、パリの値に同じ方法で収束することを示唆する。 最後に、すべての初期ノイズを除去し、その変更を考慮に入れたパラメータを再最適化すると、1/p収束によるパフォーマンスが向上する。

関連論文リスト

• Evidence that the Quantum Approximate Optimization Algorithm Optimizes the Sherrington-Kirkpatrick Model Efficiently in the Average Case [3.4872784636892047]
  Sherrington-Kirkpatrick(SK)モデルは、混乱したシステムを理解するための基盤となるフレームワークである。 量子近似最適化アルゴリズム (Quantum Approximate Optimization Algorithm, QAOA) は、量子最適化アルゴリズムであり、その性能は深さ$p$で単調に向上する。 無限大の極限においてSKモデルに適用されたQAOAを解析し、回路深さ$mathcalO(n/epsilon1.13)$の最適エネルギーに対して1-epsilon$の近似が得られるという数値的な証拠を与える。
  論文  参考訳（メタデータ） (2025-05-12T18:00:01Z)
• Quantum Approximate Optimization Algorithm in Finite Size and Large Depth and Equivalence to Quantum Annealing [1.0651272230712345]
  QAOAエネルギーは、2つの条件下での量子アニールを近似し、すなわち、角度が1つの層から次の層に滑らかに変化し、和が定数で束縛されていることを示す。 我々の証明は、一定の角度の和に対してQAOAの深さが増加するにつれて量子アニール限界に収束することを示す、角度の和におけるQAOAエネルギーの一連の拡張に依存している。
  論文  参考訳（メタデータ） (2025-03-12T17:27:40Z)
• Improving Quantum Optimization to Achieve Quadratic Time Complexity [13.190476985206043]
  我々はPenta-Oを導入する。Penta-Oは、古典的な外ループを排除し、サンプリングオーバーヘッドを最小限に抑え、非遅延性能を確保する。 p$レベルのQAOAの場合、 Penta-O は $mathcalO(p2)$ という前例のない時間の複雑さを達成し、サンプリングオーバーヘッドは 5p+1$ に比例する。
  論文  参考訳（メタデータ） (2025-01-23T08:33:26Z)
• A semiconcavity approach to stability of entropic plans and exponential convergence of Sinkhorn's algorithm [3.686530147760242]
  エントロピック最適輸送問題に対するシンクホーンアルゴリズムのバウンダリと収束の安定性について検討する。 新しい用途には、部分空間の弾性コスト、弱対数対数辺縁、軽い尾を持つ辺縁などがある。
  論文  参考訳（メタデータ） (2024-12-12T12:45:31Z)
• The role of gaps in digitized counterdiabatic QAOA for fully-connected spin models [0.0]
  量子近似最適化アルゴリズム(QAOA)に対するCD補正が提案され、標準QAOAよりも所望の精度で収束する。 本研究では,解析したインスタンスのスペクトル特性にアルゴリズムの性能が関係していることを示す。
  論文  参考訳（メタデータ） (2024-09-05T13:17:56Z)
• Adaptive, Doubly Optimal No-Regret Learning in Strongly Monotone and Exp-Concave Games with Gradient Feedback [75.29048190099523]
  オンライン勾配降下(OGD)は、強い凸性や単調性仮定の下では二重最適であることが知られている。 本稿では,これらのパラメータの事前知識を必要としない完全適応型OGDアルゴリズム,textsfAdaOGDを設計する。
  論文  参考訳（メタデータ） (2023-10-21T18:38:13Z)
• PAPAL: A Provable PArticle-based Primal-Dual ALgorithm for Mixed Nash Equilibrium [58.26573117273626]
  2プレイヤゼロサム連続ゲームにおける非AL平衡非漸近目的関数について考察する。 連続分布戦略のための粒子ベースアルゴリズムに関する新しい知見を述べる。
  論文  参考訳（メタデータ） (2023-03-02T05:08:15Z)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)
• High-probability Bounds for Non-Convex Stochastic Optimization with Heavy Tails [55.561406656549686]
  我々は、勾配推定が末尾を持つ可能性のある一階アルゴリズムを用いたヒルベルト非最適化を考える。 本研究では, 勾配, 運動量, 正規化勾配勾配の収束を高確率臨界点に収束させることと, 円滑な損失に対する最もよく知られた繰り返しを示す。
  論文  参考訳（メタデータ） (2021-06-28T00:17:01Z)
• Linear Last-iterate Convergence in Constrained Saddle-point Optimization [48.44657553192801]
  我々は、OGDA(Optimistic Gradient Descent Ascent)とOMWU(Optimistic Multiplicative Weights Update)に対する最終段階の独特さの理解を著しく拡大する。 平衡が一意である場合、線形終端収束は、値が普遍定数に設定された学習速度で達成されることを示す。 任意のポリトープ上の双線型ゲームがこの条件を満たすことを示し、OGDAは一意の平衡仮定なしで指数関数的に高速に収束することを示した。
  論文  参考訳（メタデータ） (2020-06-16T20:53:04Z)
• The Convergence Indicator: Improved and completely characterized parameter bounds for actual convergence of Particle Swarm Optimization [68.8204255655161]
  我々は、粒子が最終的に単一点に収束するか、分岐するかを計算するのに使用できる新しい収束指標を導入する。 この収束指標を用いて、収束群につながるパラメータ領域を完全に特徴づける実際の境界を提供する。
  論文  参考訳（メタデータ） (2020-06-06T19:08:05Z)

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。