論文の概要: When is global evolutionary search useful for variational quantum algorithms? A landscape-first study

• arxiv url: http://arxiv.org/abs/2609.14594v1
• Date: Sun, 13 Sep 2026 15:22:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.861796
• Title: When is global evolutionary search useful for variational quantum algorithms? A landscape-first study
• Title（参考訳）: 変分量子アルゴリズムのグローバル進化探索はいつ有用か?ランドスケープファーストの研究
• Abstract要約: 2つのメカニズムは、回路層にまたがるパラメータトラップと、2-ローカルと3-ローカルのコスト項の競合という、局所的な信頼性を損なう。 適応微分進化(DE)は、難しい構成において、マルチスタートのBFGSとマルチスタートのパウエルよりも低い中央値誤差を達成する。 探索は、堅牢なグローバルサーチが利用可能である場合、量子回路の複雑さがより厳密な古典的最適化のために交換できるかどうかを動機付けている。
• 参考スコア（独自算出の注目度）: 0.06875312133832077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms recast state preparation as classical nonconvex optimization, but it is often unclear when multistart local search suffices and when population-based global search justifies its evaluation cost. Using a landscape-first design, controlled QAOA experiments identify two mechanisms making local search unreliable: parameter reuse across circuit layers and competition between 2-local and 3-local cost terms. Increasing QAOA depth alone does not replicate this effect. We test these mechanisms across eight unseen spin glasses, fresh $N=10$ and $N=12$ instances, and standard MaxCut, transverse-field Ising, and Heisenberg models. On all eight unseen spin glasses, adaptive differential evolution (DE) achieves lower median error than both multistart BFGS and multistart Powell on the two difficult constructions, whereas the independent-depth control does not. The parameter-reuse effect transfers to MaxCut at both sizes, while standard VQE models remain favorable to local search. A pre-benchmark landscape score combining random-start local outcomes and 1D parameter slices is fixed from confirmation data before evaluating new optimizers. It predicts whether adaptive DE outperforms multistart BFGS by over one spectral-range percentage point on 50 new quantum objectives with 80--86% condition-level accuracy. The clearest indicator of global-search utility is that local search frequently traps in inferior basins, rather than circuit depth or curvature anisotropy. The findings motivate whether quantum circuit complexity can be traded for harder classical optimization when robust global search is available.
• Abstract（参考訳）: 変分量子アルゴリズムは、状態準備を古典的な非凸最適化として再考するが、マルチスタートローカルサーチがいつ有効か、また人口ベースグローバルサーチがその評価コストを正当化するかは、しばしば不明である。 ランドスケープファーストの設計を用いて、制御されたQAOA実験は、局所探索を信頼できない2つのメカニズムを識別する。 QAOA深度だけの増加は、この効果を複製しない。 我々は、これらのメカニズムを8つの未確認スピングラス、新しい$N=10$および$N=12$インスタンス、標準MaxCut、transverse-field Ising、Heisenbergモデルでテストする。 8つの未確認スピングラス上では、アダプティブ微分進化(DE)は2つの難しい構成において、マルチスタートのBFGSとマルチスタートのパウエルよりも低い中央値誤差を達成するが、独立深度制御はそうではない。 パラメータ再利用効果は両方のサイズでMaxCutに転送されるが、標準的なVQEモデルは局所探索に好適である。 ランダム開始局所結果と1Dパラメータスライスを組み合わせた事前ベンチマークランドスケープスコアを、新しいオプティマイザを評価する前に確認データから固定する。 適応Dは、80～86%の条件レベルの精度で、50の新しい量子目標に対して、1以上のスペクトル範囲のパーセンテージでマルチスタートBFGSより優れているかを予測している。 グローバルサーチユーティリティの最も明確な指標は、回路深度や曲率異方性よりも、下流域での局所的な探索が頻繁に行われることである。 この結果は、ロバストなグローバルサーチが利用可能である場合、量子回路の複雑さがより厳密な古典的な最適化のために交換できるかどうかを動機付けている。

関連論文リスト

• DE-2LS: Differential Evolution with Late-Stage local-search for Unconstrained Single-Objective Numerical Optimization [0.8122270502556375]
  RDEx上に構築されたDEC-2LSは,変数境界を持つ制約なし単目的最適化のための,後期的,局所探索強化型微分進化フレームワークである。 提案手法はRDExの進化的検索エンジンを保存し、2つの保守的な改良を導入する。 実験結果から, DE-2LS は直接ヘッド・ツー・ヘッド比較において, RDEx を一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-06-26T06:43:08Z)
• Nonvariational quantum optimisation approaches to pangenome-guided sequence assembly [0.42970700836450487]
  ゲノム組立問題に対する短期量子最適化手法を開発した。 固定された線形ランプQAOAスケジュールと反復的ウォームスタートバイアス更新を組み合わせたIterative-QAOAフレームワークを使用する。 カスタム回路コンパイル戦略は、標準ツールと比較してハードウェアゲートのオーバーヘッドを最大67%削減する。
  論文  参考訳（メタデータ） (2026-04-07T17:17:34Z)
• Neural Nonmyopic Bayesian Optimization in Dynamic Cost Settings [73.44599934855067]
  LookaHESは、動的で履歴に依存したコスト環境のために設計された非心筋BOフレームワークである。 LookaHESは、$H$-Entropy Searchのマルチステップ版と、パスワイズサンプリングとニューラルポリシー最適化を組み合わせたものだ。 私たちの革新は、構造化されたドメイン固有のアクションスペースを効果的にナビゲートするために、大きな言語モデルを含むニューラルポリシーの統合です。
  論文  参考訳（メタデータ） (2026-01-10T09:49:45Z)
• FLIQS: One-Shot Mixed-Precision Floating-Point and Integer Quantization Search [50.07268323597872]
  本稿では,整数浮動小数点モデルと低精度浮動小数点モデルの両方において再学習を不要とする,最初のワンショット混合量子化探索を提案する。 整数モデルでは、ImageNet上のResNet-18の精度を1.31%、ResNet-50の精度を0.90%向上させる。 従来のFP8モデルと比較して,新しい混合精度浮動小数点探索を探索し,最大0.98%改善した。
  論文  参考訳（メタデータ） (2023-08-07T04:17:19Z)
• 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)
• Learning To Dive In Branch And Bound [95.13209326119153]
  グラフニューラルネットワークを用いて特定の潜水構造を学習するためのL2Diveを提案する。 我々は、変数の割り当てを予測するために生成モデルを訓練し、線形プログラムの双対性を利用して潜水決定を行う。
  論文  参考訳（メタデータ） (2023-01-24T12:01:45Z)
• Quantum Approximate Optimization Algorithm Parameter Prediction Using a Convolutional Neural Network [0.0]
  我々は、深度$p+1$QAOAのパラメータから深度$p+1$QAOAのパラメータを予測する畳み込みニューラルネットワークを構築している。 Max-Cut に対する平均近似比 92735$ 800$ ErdHos-R'enyi を得る。
  論文  参考訳（メタデータ） (2022-11-17T13:20:58Z)
• 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)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• APQ: Joint Search for Network Architecture, Pruning and Quantization Policy [49.3037538647714]
  本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。 ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。 同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
  論文  参考訳（メタデータ） (2020-06-15T16:09:17Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)

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。