Fugu-MT 論文翻訳(概要): Learned-projector QAOA for hierarchical optimization

論文の概要: Learned-projector QAOA for hierarchical optimization

arxiv url: http://arxiv.org/abs/2609.28888v1
Date: Thu, 24 Sep 2026 01:04:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:09.631752
Title: Learned-projector QAOA for hierarchical optimization
Title（参考訳）: 階層最適化のための学習プロジェクタQAOA
Abstract要約: 我々は、学習プロジェクタ量子交互演算子アンサッツ(LP-QAOA)を紹介する。連続した凍結段階を通して近似誤差の伝播を束縛するLP-QAOAの安定性定理を証明した。本結果は,階層的問題構造を利用して変動量子最適化を改善するLPQAOAの可能性を強調した。
参考スコア（独自算出の注目度）: 7.458095007581487
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Many optimization problems reveal inexpensive structural information before requiring costly final evaluation, whereas the conventional quantum approximate optimization algorithm (QAOA) applies a single aggregate objective throughout. We introduce the learned-projector quantum alternating operator ansatz (LP-QAOA), a multistage protocol that freezes optimized circuits and uses their output states to define later projector mixers. We prove a stability theorem for LP-QAOA that bounds the propagation of approximation errors through successive frozen stages. Our analysis also shows how learned-projector mixing avoids the high-order tunnelling suppression of local mixers. We conduct state-vector simulations on block-constrained spin tiling (BCST) instances, where LP-QAOA achieves higher probabilities of sampling the optimum, lower estimated logical-resource requirements, and better trainability than the tested baselines. A supporting stochastic block model experiment extends LP-QAOA to optimization problems with soft hierarchical structure. Our results highlight the potential of LP-QAOA to improve variational quantum optimization by exploiting hierarchical problem structure.
Abstract（参考訳）: 従来の量子近似最適化アルゴリズム(QAOA)は1つの集合目標を全体に適用するのに対し、多くの最適化問題はコストのかかる最終評価を必要とする前に安価な構造情報を明らかにする。我々は、最適化された回路を凍結し、その出力状態を用いて後のプロジェクタミキサーを定義する多段階プロトコルである、学習プロジェクタ量子交互演算子Ansatz (LP-QAOA)を紹介した。連続した凍結段階を通して近似誤差の伝播を束縛するLP-QAOAの安定性定理を証明した。また,局所ミキサーの高次トンネル抑制を学習プロジェクタ混合が回避していることを示す。ブロック拘束型スピンタイリング(BCST)インスタンス上で状態ベクトルシミュレーションを行い、LP-QAOAは最適サンプリングの確率が高く、論理リソースの要求が低く、試験ベースラインよりも訓練性がよいことを示す。補足確率ブロックモデル実験は、LP-QAOAを拡張し、ソフト階層構造を持つ問題を最適化する。本結果は,階層的問題構造を利用して変動量子最適化を改善するLP-QAOAの可能性を強調した。

関連論文リスト

EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
論文参考訳（メタデータ） (2026-04-20T13:57:49Z)
QAOA-Predictor: Forecasting Success Probabilities and Minimal Depths for Efficient Fixed-Parameter Optimization [0.9558392439655014]
本稿では,グラフニューラルネットワーク(GNN)を用いた量子近似最適化アルゴリズム(QAOA)の性能予測手法を提案する。我々は,GNNが真値の10%のマージンでQAOA性能を正確に予測できることを実証した。
論文参考訳（メタデータ） (2026-03-03T13:43:44Z)
Reliable Optimization Under Noise in Quantum Variational Algorithms [0.05219568203653522]
有限ショットサンプリングノイズにより,変分量子固有解法が困難であることを示す。適応的メタヒューリスティックスは最も効果的でレジリエントな戦略である。
論文参考訳（メタデータ） (2025-11-11T14:21:43Z)
On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
論文参考訳（メタデータ） (2025-10-22T18:25:43Z)
Approximate Quantum State Preparation with Tree-Based Bayesian Optimization Surrogates [4.946006905837039]
短期量子コンピュータにおける近似状態準備の問題について検討する。目的は、リソースオーバーヘッドを最小限にしつつ、ターゲット量子状態の出力分布を再現するパラメータ化回路を構築することである。本稿では,木モデルを用いたベイズ最適化に基づくサロゲート誘導最適化フレームワークCircuitTreeを提案する。
論文参考訳（メタデータ） (2025-09-30T18:19:37Z)
Adam assisted Fully informed Particle Swarm Optimization ( Adam-FIPSO ) based Parameter Prediction for the Quantum Approximate Optimization Algorithm (QAOA) [1.024113475677323]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、マックス・カット問題などの最適化問題の解法として用いられる顕著な変分アルゴリズムである。 QAOAの重要な課題は、高品質なソリューションにつながる適切なパラメータを効率的に特定することである。
論文参考訳（メタデータ） (2025-06-07T13:14:41Z)
Out of the Loop: Structural Approximation of Optimisation Landscapes and non-Iterative Quantum Optimisation [1.4691887238367354]
解空間構造からQAOA最適化景観を効率的に近似する手法を導入する。 2レベルハミルトニアンに対する単位深度QAOAの新しいアルゴリズムを導出する。我々のアプローチは、QAOAにおける量子非依存構造に関する長年の予想を証明することに基づいている。
論文参考訳（メタデータ） (2024-08-12T21:02:58Z)
Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-04T01:47:37Z)
Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文参考訳（メタデータ） (2022-09-27T07:58:25Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
On the Convergence Rate of Projected Gradient Descent for a Back-Projection based Objective [58.33065918353532]
我々は、最小二乗(LS)の代替として、バックプロジェクションに基づく忠実度項を考える。 LS項ではなくBP項を用いることで最適化アルゴリズムの繰り返しを少なくすることを示す。
論文参考訳（メタデータ） (2020-05-03T00:58:23Z)

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。