論文の概要: Imaginarity as a necessary resource for trainability in QAOA

• arxiv url: http://arxiv.org/abs/2608.05093v1
• Date: Wed, 05 Aug 2026 17:31:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:44.058015
• Title: Imaginarity as a necessary resource for trainability in QAOA
• Title（参考訳）: QAOAにおける教育訓練に必要なイマギナリティ
• Authors: Syed Muhammad Ali Hassan, Kostas Blekos, Stefan Kühn, Nikos Kollas, Karl Jansen,
• Abstract要約: 量子近似最適化アルゴリズム(QAOA)は、古典ループの量子回路をチューニングすることで問題に取り組む。 回路の最終的なパラメータを調整するために用いられる勾配は、虚偽性によって境界づけられていることを示す。
• 参考スコア（独自算出の注目度）: 2.520720041208864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The quantum approximate optimization algorithm (QAOA) tackles combinatorial problems by tuning a quantum circuit in a classical loop, often guided by gradients. We show that the gradient used to tune the circuit's final parameter is bounded by imaginarity, which weights phase relationships between candidate solutions by how strongly the circuit connects them and how differently the problem scores them. Imaginarity is necessary but not sufficient for a nonzero gradient. We extend the bound to three common noise models and compare it numerically with the gradient in Max-Cut simulations.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)は、古典ループで量子回路をチューニングすることで、しばしば勾配によって導かれる組合せ問題に対処する。 回路の最終的なパラメータを調整するために用いられる勾配は、回路がいかに強く接続するか、どのように問題が異なるかによって、候補解間の位相関係を重み付けする虚偽性によって境界づけられていることを示す。 イマギナリティは必要だが、非ゼロ勾配には不十分である。 境界を3つの共通雑音モデルに拡張し、Max-Cutシミュレーションの勾配と数値的に比較する。

関連論文リスト

• RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
  変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。 与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。 量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T08:30:35Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Light Cone Cancellation for Variational Quantum Eigensolver in Solving Noisy Max-Cut [2.646003577565874]
  変分量子固有解法(VQE)は、与えられたハミルトンの基底エネルギーを推定するために用いられる量子古典ハイブリッドアルゴリズムである。 本研究では,光円錐キャンセラ法(LCC)を用いて2局所アンサッツに必要な量子ビット数とゲート数を削減した。
  論文  参考訳（メタデータ） (2024-04-30T12:31:03Z)
• Quantum Approximate Optimization Algorithm with Cat Qubits [0.0]
  猫の量子ビットを用いたQAOAを用いてMaxCut問題の解法を数値シミュレーションする。 猫の量子ビットを用いたQAOAの実行は、2レベルシステムに符号化された量子ビットに対して、MaxCutのランダムなインスタンスに対する近似比を増大させることを示す。
  論文  参考訳（メタデータ） (2023-05-09T15:44:52Z)
• Zeroth-Order Hard-Thresholding: Gradient Error vs. Expansivity [34.84170466506512]
  本稿では,新しいランダムサンプリングを用いた一般ZO勾配推定器を用いたゼロ階ハードスレッディング(SZOHT)アルゴリズムを提案する。 SZOHTの問合せ複雑性は, 異なる条件下での次元性に依存しないか, あるいは弱く依存していることが判明した。
  論文  参考訳（メタデータ） (2022-10-11T09:23:53Z)
• 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)
• Multi-angle Quantum Approximate Optimization Algorithm [0.2609784101826761]
  回路深度を低減し,近似比を向上するQAOA用多角アンサッツを提案する。 この新たなアンザッツは、QAOA上のMaxCutインスタンスの無限族に対する近似比を33%増加させる。 その結果,QAOAはQAOAよりも細い回路を必要とすることが明らかとなった。
  論文  参考訳（メタデータ） (2021-09-23T15:57:49Z)
• Gradient-free quantum optimization on NISQ devices [0.0]
  重み依存学習の最近の進歩を考察し、適切な回路アーキテクチャとパラメータチューニングのトレードオフに対処する戦略を提案する。 遺伝的競合を介して回路を評価するNEATに基づくアルゴリズムの使用を検討し、パラメータ数を超えることにより問題を回避します。
  論文  参考訳（メタデータ） (2020-12-23T10:24:54Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。