論文の概要: Batched pattern search for QAOA parameter optimization on cloud-accessed quantum hardware

• arxiv url: http://arxiv.org/abs/2609.13669v1
• Date: Sat, 12 Sep 2026 02:51:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.463346
• Title: Batched pattern search for QAOA parameter optimization on cloud-accessed quantum hardware
• Title（参考訳）: クラウドアクセス量子ハードウェア上でのQAOAパラメータ最適化のためのバッチパターン探索
• Abstract要約: 量子近似最適化(QAOA)の簡単な結果について検討する。 任意の結果が返される前に、次の試行パラメータのセットが知られているアルゴリズムは、1つのジョブでセット全体を評価することができる。 我々は,IBM の ibmfez プロセッサにおける逐次パターン探索と COBYLA との比較を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: On a cloud-accessed quantum processor the classical optimizer of a variational algorithm communicates with the device through submitted jobs, and each job carries a queueing and turnaround overhead that does not depend on how many circuits it contains. We study a simple consequence of this for the quantum approximate optimization algorithm (QAOA). An optimizer whose next set of trial parameters is known before any result returns can evaluate the whole set in one job, whereas a sequential optimizer such as COBYLA spends one job per function evaluation. We compare a batched pattern search with COBYLA on IBM's \ibmfez\ processor for cardinality-constrained portfolio selection with six to twelve assets, giving both optimizers the same number of jobs and the same number of shots. At every size the batched search reaches, after its first job, a parameter quality that the serial optimizer takes several jobs to match, and the two methods converge to comparable final values; repeating the eight-asset comparison from four starting points gives the same ordering each time. The instances are small enough to be solved exactly, which lets us check that the device's output distribution is correlated with the true ranking of portfolios and is clearly separated from a control circuit of the same depth with the cost layer removed. A short scan over circuit depth at classically optimal parameters shows that on this device the measured solution quality peaks at two or three QAOA layers. The protocol is described in enough detail to be reproduced, and the notebooks and raw counts are released.
• Abstract（参考訳）: クラウドアクセス型量子プロセッサでは、変分アルゴリズムの古典的なオプティマイザが送信されたジョブを通じてデバイスと通信し、各ジョブにはキューとターンアラウンドのオーバーヘッドがあり、回路数に依存しない。 量子近似最適化アルゴリズム(QAOA)の簡単な結果について検討する。 任意の結果が返される前に次の試行パラメータが知られているオプティマイザは1つのジョブの集合全体を評価することができるが、COBYLAのようなシーケンシャルなオプティマイザは1つの関数評価に1つのジョブを使う。 我々は,IBM の \ibmfez\ プロセッサのバッチパターン検索と COBYLA を比較し,基数制約付きポートフォリオ選択を 6 から 12 のアセットで行い,オプティマイザに同じジョブ数と同じショット数を与える。 バッチ検索が到達したすべてのサイズにおいて、最初のジョブの後、シリアルオプティマイザがマッチするために複数のジョブを消費するパラメータ品質と、2つのメソッドは同等の最終値に収束する。 これにより、デバイスの出力分布がポートフォリオの真のランキングと相関し、コスト層を除去した同じ深さの制御回路から明確に分離されていることを確認することができる。 古典的最適パラメータにおける回路深さのショートスキャンにより、このデバイスでは、測定された解の質が2つか3つのQAOA層でピークとなることが示された。 プロトコルを再現するのに十分な詳細で記述し、ノートブックと生のカウントを解放する。

関連論文リスト

• Retriever Portfolios: A Principled Approach to Adaptive RAG [30.668406304237404]
  そこで本研究では,対象クエリ分布の異なる領域をカバーするために,候補の大規模プールから,少数の多種多様なサブセットを自動的に選択する手法を提案する。 複数のQAベンチマークを通じて、学習したポートフォリオとルータパイプラインは、一貫してシングルリレーバとナイーブなマルチリレーバベースラインを上回っています。
  論文  参考訳（メタデータ） (2026-05-29T11:43:05Z)
• optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
  単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。 LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:18:12Z)
• AutoQRA: Joint Optimization of Mixed-Precision Quantization and Low-rank Adapters for Efficient LLM Fine-Tuning [23.59600455731982]
  混合量子化微調整プロセスにおいて,各レイヤのビット幅とLoRAランク設定を同時に最適化する共同最適化フレームワークを提案する。 実験によると、AutoQRAは、均一な4ビットメソッドに匹敵するメモリフットプリントで、完全精度の微調整に近いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-25T07:18:08Z)
• End-to-End Protocol for High-Quality QAOA Parameters with Few Shots [2.906880059847219]
  我々は,複数のパラメータ設定と微調整技術を組み合わせたエンドツーエンドプロトコルを開発した。 最大32キュービットと5QAOA層を用いたトラップイオンプロセッサを実装した。 パイプラインは少量のハードウェアノイズに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-08-01T13:39:40Z)
• Digitized Counterdiabatic Quantum Algorithms for Logistics Scheduling [33.04597339860113]
  本稿では,2つのスケジューリング問題に対して,ディジタル化された反断熱量子最適化(DCQO)アルゴリズムを提案する。 ジョブショップスケジューリング問題では,特定の制約下で複数のタスクを実行するロボットの最適なスケジュールを見つけることを目的としている。 旅行セールスパーソンの問題は、すべての都市をカバーし、最短の旅行距離と関連する経路を見つけることである。
  論文  参考訳（メタデータ） (2024-05-24T16:53:30Z)
• Shapley-NAS: Discovering Operation Contribution for Neural Architecture Search [96.20505710087392]
  ニューラルアーキテクチャ探索のための演算寄与度(Shapley-NAS)を評価するためのShapley値に基づく手法を提案する。 提案手法は,光探索コストに比例して最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-20T14:41:49Z)
• Unsupervised strategies for identifying optimal parameters in Quantum Approximate Optimization Algorithm [3.508346077709686]
  最適化なしでパラメータを設定するための教師なし機械学習手法について検討する。 繰り返しに使用するQAOAパラメータの数が3ドルに制限された場合、これらをRecursive-QAOAで3ドルまで紹介します。 我々は、アングルを広範囲に最適化し、多数のサーキットコールを省く場合と同じような性能を得る。
  論文  参考訳（メタデータ） (2022-02-18T19:55:42Z)
• Bayesian Optimization over Permutation Spaces [30.650753803587794]
  BOPS (Permutation Spaces) に対する2つのアルゴリズムの提案と評価を行った。 BOPS-Tの性能を理論的に解析し,その後悔がサブリニアに増加することを示す。 複数の合成および実世界のベンチマーク実験により、BOPS-TとBOPS-Hは、空間に対する最先端のBOアルゴリズムよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-12-02T08:20:50Z)
• Effective and Fast: A Novel Sequential Single Path Search for Mixed-Precision Quantization [45.22093693422085]
  混合精度量子化モデルは、異なる層の感度に応じて異なる量子化ビット精度にマッチし、優れた性能を達成できます。 いくつかの制約に従ってディープニューラルネットワークにおける各層の量子化ビット精度を迅速に決定することは難しい問題である。 混合精度量子化のための新規なシーケンシャルシングルパス探索(SSPS)法を提案する。
  論文  参考訳（メタデータ） (2021-03-04T09:15:08Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• 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)
• Accelerating Quantum Approximate Optimization Algorithm using Machine Learning [6.735657356113614]
  本稿では,量子近似最適化アルゴリズム(QAOA)の実装を高速化する機械学習手法を提案する。 QAOAは、いわゆる量子超越性を証明する量子古典ハイブリッドアルゴリズムである。 提案手法は,264種類のグラフを用いて行った解析から,最適化の繰り返し回数を最大65.7%削減できることを示す。
  論文  参考訳（メタデータ） (2020-02-04T02:21:00Z)

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。