論文の概要: Optimization Geometry of QAOA and Variational Quantum Algorithms

• arxiv url: http://arxiv.org/abs/2610.05524v1
• Date: Sun, 04 Oct 2026 20:40:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 13:20:42.817136
• Title: Optimization Geometry of QAOA and Variational Quantum Algorithms
• Title（参考訳）: QAOAと変分量子アルゴリズムの最適化幾何学
• Abstract要約: 変分量子アルゴリズムはハミルトン、アンザッツ、微分幾何学の選択を非国家目的問題に変換する。 この目的関数がどのように可視化され、振る舞いを説明する方法によって特徴づけられるかを示す。
• 参考スコア（独自算出の注目度）: 14.551721187769049
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms turn choices of Hamiltonian, ansatz, and parameterization into a classical nonconvex optimization problem. We study how this objective function can be visualized and characterized in ways that help explain optimizer behavior. We distinguish two properties of the objective: the number of local minima encountered along sampled directions and the differences in quality among local-search endpoints. We then ask how a local optimizer, represented by BFGS, compares with adaptive differential evolution, represented by jSO. Rather than comparing jSO with a single local run, we allow BFGS multiple starts within the same function-evaluation budget. This gives local search repeated opportunities to explore different basins and provides a stronger baseline for asking when a global evolutionary solver is useful. We study these questions using VQE and QAOA, focusing on how frustra- tion, circuit depth, parameter tying, mixed locality, and nonlinear repa- rameterization change the Hamiltonian expectation-value objective seen by the classical optimizer. Increasing independent circuit depth raises the sampled local-minimum count without making global search more effective. Parameter tying, by contrast, produces both more repeated local structure and much larger differences in quality among local-search endpoints, and in this regime adaptive differential evolution outperforms function-evaluation-matched multistart BFGS. The comparison shows that the number of local minima alone does not determine whether global search is advantageous: the important distinction is whether different basins lead to similarly good solutions or to substantially different objective values. These results provide a practical workflow for connecting model construction, objective- function geometry, empirical diagnostics, and optimizer choice.
• Abstract（参考訳）: 変分量子アルゴリズムは、ハミルトン、アンザッツ、パラメータ化の選択を古典的な非凸最適化問題に変換する。 本研究では,この目的関数をどのように可視化し,最適化動作を説明する方法として特徴付けるかを検討する。 本研究の目的は,サンプル方向に沿って遭遇する局所最小値の数と,局所探索エンドポイント間の品質差の2点を区別することである。 次に、BFGSで表される局所オプティマイザが、jSOで表される適応微分進化とどのように比較するかを問う。 単一のローカル実行とjSOを比較するのではなく、同じ関数評価予算内でBFGSの複数起動を許可します。 これにより、局所的な探索を繰り返して異なる盆地を探索する機会を与え、グローバルな進化的解法が有用であるかどうかを問うためのより強力なベースラインを提供する。 VQE と QAOA を用いてこれらの質問について検討し、フラストラオン, 回路深さ, パラメータタイリング, 混合局所性, 非線形リパラメトリゼーションが、古典的なオプティマイザで見られるハミルトン予想値の目的をどのように変化させるかに注目した。 独立回路深度の増加は、グローバルサーチをより効果的にすることなく、サンプリングされた局所最小数を上昇させる。 対照的にパラメータタイリングは、より反復的な局所構造と局所探索エンドポイント間の品質差の両方を生じさせ、この状態において適応微分進化は関数評価マッチングされたマルチスタートBFGSより優れる。 比較の結果、局所的なミニマの数は、大域的な探索が有利であるかどうかを判断できないことが示され、重要な違いは、異なる盆地が同様に良い解に導かれるか、あるいは実質的に異なる客観的値に導かれるかである。 これらの結果は、モデル構築、客観的関数幾何学、経験診断、最適化選択を接続するための実用的なワークフローを提供する。

関連論文リスト

• Neural network optimization strategies and the topography of the loss landscape [45.88028371034407]
  勾配降下(SGD)によるニューラルネットワーク学習について検討する。 これら2つの最適化手法によって得られたニューラルネットワークパラメータを,いくつかの計算ツールを用いて調査する。
  論文  参考訳（メタデータ） (2026-02-24T17:49:13Z)
• Local Entropy Search over Descent Sequences for Bayesian Optimization [48.7994415668802]
  実用的な方法は、勾配降下のような局所最適化手法を用いて初期設計の近傍を反復的に洗練することである。 降下列で到達可能な解を明示的に対象とするベイズ最適化パラダイムである局所エントロピー探索(LES)を提案する。
  論文  参考訳（メタデータ） (2025-11-24T15:52:17Z)
• Make Optimization Once and for All with Fine-grained Guidance [78.14885351827232]
  Learning to Optimize (L2O)は、統合ニューラルネットワークによる最適化効率を向上させる。 L2Oパラダイムは、例えば、リフィット、目に見えない解決策を反復的または直接的に生成するなど、大きな成果を達成する。 そこで本研究では,Diff-L2Oと呼ばれる学習最適化のための一般的なフレームワークについて検討した。
  論文  参考訳（メタデータ） (2025-03-14T14:48:12Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• 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)
• Global and Preference-based Optimization with Mixed Variables using Piecewise Affine Surrogates [0.6083861980670925]
  本稿では,線形制約付き混合変数問題の解法として,新しいサロゲートに基づく大域的最適化アルゴリズムを提案する。 提案手法は, 目的関数の断片的なアフィンサロゲートを, 実現可能なサンプル上に構築することに基づいている。 この2つのアルゴリズムは、制約なしおよび制約付き混合変数ベンチマーク問題に対して評価される。
  論文  参考訳（メタデータ） (2023-02-09T15:04:35Z)
• Pre-trained Gaussian Processes for Bayesian Optimization [24.730678780782647]
  本稿では,HyperBO という事前学習型 BO フレームワークを提案する。 GPが既知の「地中真実」を仮定することなく, 後続の予測と, ほぼゼロの後悔をHyperBOに示す。
  論文  参考訳（メタデータ） (2021-09-16T20:46:26Z)
• 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)
• 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)

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。