Ρύθμιση παραμέτρων στην κβαντική κατά προσέγγιση βελτιστοποίηση σταθμισμένων προβλημάτων

Ρύθμιση παραμέτρων στην κβαντική κατά προσέγγιση βελτιστοποίηση σταθμισμένων προβλημάτων

Κόμβος πηγής: 3070550

Σρι Χάρι Σουρεσμπάμπου1, Ντίλαν Χέρμαν1, Ruslan Shaydulin1, Ζοάο Μπάσο2, Shouvanik Chakrabarti1, Yue Sun1και ο Μάρκο Πιστόια1

1Global Technology Applied Research, JPMorgan Chase, Νέα Υόρκη, NY 10017
2Τμήμα Μαθηματικών, University of California, Berkeley, CA 94720

Βρείτε αυτό το άρθρο ενδιαφέρουσα ή θέλετε να συζητήσετε; Scite ή αφήστε ένα σχόλιο για το SciRate.

Περίληψη

Ο Quantum Approximate Optimization Algorithm (QAOA) είναι ένας κορυφαίος υποψήφιος αλγόριθμος για την επίλυση προβλημάτων συνδυαστικής βελτιστοποίησης σε κβαντικούς υπολογιστές. Ωστόσο, σε πολλές περιπτώσεις το QAOA απαιτεί υπολογιστικά εντατική βελτιστοποίηση παραμέτρων. Η πρόκληση της βελτιστοποίησης παραμέτρων είναι ιδιαίτερα έντονη στην περίπτωση σταθμισμένων προβλημάτων, για τα οποία οι ιδιοτιμές του τελεστή φάσης είναι μη ακέραιοι και το ενεργειακό τοπίο QAOA δεν είναι περιοδικό. Σε αυτή την εργασία, αναπτύσσουμε ευρετικές ρυθμίσεις παραμέτρων για QAOA που εφαρμόζονται σε μια γενική κατηγορία σταθμισμένων προβλημάτων. Αρχικά, εξάγουμε τις βέλτιστες παραμέτρους για το QAOA με βάθος $p=1$ που εφαρμόζεται στο σταθμισμένο πρόβλημα MaxCut κάτω από διαφορετικές παραδοχές για τα βάρη. Συγκεκριμένα, αποδεικνύουμε αυστηρά τη συμβατική σοφία ότι στη μέση περίπτωση το πρώτο τοπικό βέλτιστο κοντά στο μηδέν δίνει σφαιρικά βέλτιστες παραμέτρους QAOA. Δεύτερον, για το $pgeq 1$ αποδεικνύουμε ότι το ενεργειακό τοπίο QAOA για το σταθμισμένο MaxCut προσεγγίζει αυτό για τη μη σταθμισμένη περίπτωση υπό μια απλή επανακλιμάκωση των παραμέτρων. Επομένως, μπορούμε να χρησιμοποιήσουμε παραμέτρους που ελήφθησαν προηγουμένως για μη σταθμισμένο MaxCut για σταθμισμένα προβλήματα. Τέλος, αποδεικνύουμε ότι για $p=1$ ο στόχος QAOA συγκεντρώνεται έντονα γύρω από τις προσδοκίες του, πράγμα που σημαίνει ότι οι κανόνες ρύθμισης παραμέτρων ισχύουν με υψηλή πιθανότητα για μια τυχαία σταθμισμένη περίπτωση. Επικυρώνουμε αριθμητικά αυτήν την προσέγγιση σε γενικά σταθμισμένα γραφήματα και δείχνουμε ότι κατά μέσο όρο η ενέργεια QAOA με τις προτεινόμενες σταθερές παραμέτρους απέχει μόνο 1.1 $ εκατοστιαίες μονάδες από αυτήν με βελτιστοποιημένες παραμέτρους. Τρίτον, προτείνουμε ένα γενικό ευρετικό σχήμα επανακλιμάκωσης εμπνευσμένο από τα αναλυτικά αποτελέσματα για το σταθμισμένο MaxCut και αποδεικνύουμε την αποτελεσματικότητά του χρησιμοποιώντας QAOA με τον αναμικτήρα διατήρησης βάρους XY Hamming που εφαρμόζεται στο πρόβλημα βελτιστοποίησης χαρτοφυλακίου. Το ευρετικό μας βελτιώνει τη σύγκλιση των τοπικών βελτιστοποιητών, μειώνοντας τον αριθμό των επαναλήψεων κατά 7.4 φορές κατά μέσο όρο.

Αυτή η εργασία διερευνά κανόνες ρύθμισης παραμέτρων για το QAOA, έναν κορυφαίο κβαντικό ευρετικό αλγόριθμο, που εφαρμόζεται σε μια γενική κατηγορία προβλημάτων συνδυαστικής βελτιστοποίησης. Η βελτιστοποίηση παραμέτρων είναι ένα σημαντικό εμπόδιο για τη βραχυπρόθεσμη εφαρμογή. Προτείνεται ένα γενικό ευρετικό κλιμάκωσης παραμέτρων για τη μεταφορά παραμέτρων QAOA μεταξύ σταθμισμένων περιπτώσεων προβλημάτων και παρουσιάζονται αυστηρά αποτελέσματα που δείχνουν την αποτελεσματικότητα αυτής της διαδικασίας στο MaxCut. Επιπλέον, οι αριθμοί δείχνουν ότι αυτή η διαδικασία μειώνει σημαντικά τον χρόνο εκπαίδευσης του QAOA για βελτιστοποίηση χαρτοφυλακίου, το οποίο είναι ένα σημαντικό πρόβλημα στη χρηματοοικονομική μηχανική

► Δεδομένα BibTeX

► Αναφορές

[1] Michael A Nielsen και Isaac L Chuang. «Κβαντικός υπολογισμός και κβαντικές πληροφορίες». Πανεπιστημιακός Τύπος του Cambridge. (2010).
https: / / doi.org/ 10.1017 / CBO9780511976667

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Alexey Galda, Ilya Safro, Yue Sun, Marco Pistoia και Yuri Alexeev. «Έρευνα κβαντικού υπολογισμού για τη χρηματοδότηση» (2022). url: https://doi.org/​10.48550/​arXiv.2201.02773.
https://doi.org/​10.48550/​arXiv.2201.02773

[3] Ο Tad Hogg και ο Dmitriy Portnov. «Κβαντική βελτιστοποίηση». Information Sciences 128, 181–197 (2000).
https:/​/​doi.org/​10.1016/​s0020-0255(00)00052-9

[4] Edward Farhi, Jeffrey Goldstone και Sam Gutmann. «Ένας κβαντικός αλγόριθμος βελτιστοποίησης κατά προσέγγιση» (2014). url: https://doi.org/​10.48550/​arXiv.1411.4028.
https://doi.org/​10.48550/​arXiv.1411.4028

[5] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli και Rupak Biswas. «Από τον κβαντικό αλγόριθμο βελτιστοποίησης κατά προσέγγιση σε έναν κβαντικό εναλλασσόμενο τελεστή ansatz». Algorithms 12, 34 (2019). url: https://doi.org/​10.3390/​a12020034.
https: / / doi.org/ 10.3390 / a12020034

[6] Sami Boulebnane και Ashley Montanaro. «Επίλυση προβλημάτων δυαδικής ικανοποίησης με τον κβαντικό αλγόριθμο βελτιστοποίησης κατά προσέγγιση» (2022). url: https://doi.org/​10.48550/​arXiv.2208.06909.
https://doi.org/​10.48550/​arXiv.2208.06909

[7] Joao Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga και Leo Zhou. «Ο κβαντικός κατά προσέγγιση αλγόριθμος βελτιστοποίησης σε μεγάλο βάθος για maxcut σε κανονικά γραφήματα μεγάλης περιφέρειας και το μοντέλο sherrington-kirkpatrick». Πρακτικά Συνεδρίου για τη Θεωρία Κβαντικού Υπολογισμού, Επικοινωνίας και Κρυπτογραφίας 7, 1–21 (2022).
https://doi.org/​10.4230/​LIPICS.TQC.2022.7

[8] Matthew B. Hastings. "Ένας κλασικός αλγόριθμος που ξεπερνά επίσης το $frac{1}{2}+frac{2}{pi}frac{1}{sqrt{d}}$ για μέγιστη περιφέρεια μέγιστης περικοπής" (2021). url: https://doi.org/​10.48550/​arXiv.2111.12641.
https://doi.org/​10.48550/​arXiv.2111.12641

[9] Ruslan Shaydulin, Phillip C. Lotshaw, Jeffrey Larson, James Ostrowski και Travis S. Humble. «Μεταφορά παραμέτρων για κβαντική κατά προσέγγιση βελτιστοποίηση του σταθμισμένου MaxCut». ACM Transactions on Quantum Computing 4, 1–15 (2023).
https: / / doi.org/ 10.1145 / 3584706

[10] Sami Boulebnane, Xavier Lucas, Agnes Meyder, Stanislaw Adaszewski και Ashley Montanaro. «Διαμορφωτική δειγματοληψία πεπτιδίων με χρήση του αλγόριθμου κβαντικής κατά προσέγγιση βελτιστοποίησης». npj Quantum Information 9, 70 (2023). url: https://doi.org/​10.1038/​s41534-023-00733-5.
https:/​/​doi.org/​10.1038/​s41534-023-00733-5

[11] Sebastian Brandhofer, Daniel Braun, Vanessa Dehn, Gerhard Hellstern, Matthias Hüls, Yanjun Ji, Ilia Polian, Amandeep Singh Bhatia και Thomas Wellens. «Συγκριτική αξιολόγηση της απόδοσης της βελτιστοποίησης χαρτοφυλακίου με qaoa». Quantum Information Processing 22, 25 (2022).
https:/​/​doi.org/​10.1007/​s11128-022-03766-5

[12] Sami Boulebnane και Ashley Montanaro. «Πρόβλεψη παραμέτρων για τον κβαντικό κατά προσέγγιση αλγόριθμο βελτιστοποίησης για μέγιστη περικοπή από το όριο άπειρου μεγέθους» (2021). url: https://doi.org/​10.48550/​arXiv.2110.10685.
https://doi.org/​10.48550/​arXiv.2110.10685

[13] Edward Farhi, Jeffrey Goldstone, Sam Gutmann και Leo Zhou. «Ο κβαντικός αλγόριθμος βελτιστοποίησης κατά προσέγγιση και το μοντέλο Sherrington-Kirkpatrick σε άπειρο μέγεθος». Quantum 6, 759 (2022).
https:/​/​doi.org/​10.22331/​q-2022-07-07-759

[14] Amir Dembo, Andrea Montanari και Subhabrata Sen. «Εξαιρετικές περικοπές αραιών τυχαίων γραφημάτων». The Annals of Probability 45 (2017).
https://doi.org/​10.1214/​15-aop1084

[15] Gavin E Crooks. «Απόδοση του αλγορίθμου κβαντικής κατά προσέγγιση βελτιστοποίησης στο πρόβλημα μέγιστης κοπής» (2018). url: https://doi.org/​10.48550/​arXiv.1811.08419.
https://doi.org/​10.48550/​arXiv.1811.08419

[16] Michael Streif και Martin Leib. «Εκπαίδευση του κβαντικού αλγορίθμου βελτιστοποίησης κατά προσέγγιση χωρίς πρόσβαση σε μονάδα κβαντικής επεξεργασίας». Quantum Science and Technology 5, 034008 (2020).
https:/​/​doi.org/​10.1088/​2058-9565/​ab8c2b

[17] Leo Zhou, Sheng-Tao Wang, Soonwon Choi, Hannes Pichler και Mikhail D. Lukin. «Κβαντικός αλγόριθμος βελτιστοποίησης κατά προσέγγιση: Απόδοση, μηχανισμός και υλοποίηση σε βραχυπρόθεσμες συσκευές». Φυσική Ανασκόπηση X 10, 021067 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.021067

[18] Ruslan Shaydulin, Ilya Safro και Jeffrey Larson. «Μέθοδοι πολλαπλής εκκίνησης για κβαντική κατά προσέγγιση βελτιστοποίηση». Στο συνέδριο IEEE High Performance Extreme Computing. Σελίδες 1–8. (2019).
https://doi.org/​10.1109/​hpec.2019.8916288

[19] Xinwei Lee, Yoshiyuki Saito, Dongsheng Cai και Nobuyoshi Asai. «Στρατηγική καθορισμού παραμέτρων για αλγόριθμο κβαντικής κατά προσέγγιση βελτιστοποίησης». 2021 IEEE International Conference on Quantum Computing and Engineering (QCE) (2021).
https://doi.org/​10.1109/​qce52317.2021.00016

[20] Stefan H. Sack και Maksym Serbyn. "Κβαντική ανόπτηση αρχικοποίησης του αλγορίθμου κβαντικής κατά προσέγγιση βελτιστοποίησης". Quantum 5, 491 (2021).
https:/​/​doi.org/​10.22331/​q-2021-07-01-491

[21] Ohad Amosy, Tamuz Danzig, Ely Porat, Gal Chechik και Adi Makmal. "Κβαντικός αλγόριθμος βελτιστοποίησης χωρίς επαναληπτική κατά προσέγγιση με χρήση νευρωνικών δικτύων" (2022). url: https://doi.org/​10.48550/​arXiv.2208.09888.
https://doi.org/​10.48550/​arXiv.2208.09888

[22] Danylo Lykov, Roman Schutski, Alexey Galda, Valeri Vinokur και Yuri Alexeev. "Κβαντικός προσομοιωτής δικτύου τανυστή με παραλληλοποίηση εξαρτώμενη από βήμα". Το 2022 IEEE International Conference on Quantum Computing and Engineering (QCE). Σελίδες 582–593. (2022).
https: / / doi.org/ 10.1109 / QCE53715.2022.00081

[23] Matija Medvidović και Giuseppe Carleo. «Κλασική προσομοίωση μεταβλητής του αλγόριθμου κβαντικής κατά προσέγγιση βελτιστοποίησης». npj Quantum Information 7 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00440-z

[24] Ruslan Shaydulin και Stefan M. Wild. «Η εκμετάλλευση της συμμετρίας μειώνει το κόστος της εκπαίδευσης QAOA». IEEE Transactions on Quantum Engineering 2, 1–9 (2021).
https: / / doi.org/ 10.1109 / tqe.2021.3066275

[25] Ruslan Shaydulin και Yuri Alexeev. «Αξιολόγηση αλγόριθμου κβαντικής κατά προσέγγιση βελτιστοποίησης: Μια μελέτη περίπτωσης». Δέκατο Διεθνές Συνέδριο Πράσινων και Αειφόρων Υπολογιστών (2019).
https: / / doi.org/ 10.1109 / IGSC48788.2019.8957201

[26] Fernando G. S. L. Brandão, Michael Broughton, Edward Farhi, Sam Gutmann και Hartmut Neven. «Για σταθερές παραμέτρους ελέγχου, η τιμή της αντικειμενικής συνάρτησης του αλγορίθμου κβαντικής κατά προσέγγιση βελτιστοποίησης συγκεντρώνεται για τυπικές περιπτώσεις» (2018). url: https://doi.org/​10.48550/​arXiv.1812.04170.
https://doi.org/​10.48550/​arXiv.1812.04170

[27] V. Akshay, D. Rabinovich, E. Campos, and J. Biamonte. «Συγκεντρώσεις παραμέτρων σε κβαντική κατά προσέγγιση βελτιστοποίηση». Φυσική Ανασκόπηση A 104 (2021).
https://doi.org/​10.1103/​physreva.104.l010401

[28] Phillip C. Lotshaw, Travis S. Humble, Rebekah Herrman, James Ostrowski και George Siopsis. «Εμπειρικά όρια απόδοσης για κβαντική κατά προσέγγιση βελτιστοποίηση». Quantum Information Processing 20, 403 (2021).
https:/​/​doi.org/​10.1007/​s11128-021-03342-3

[29] Alexey Galda, Xiaoyuan Liu, Danylo Lykov, Yuri Alexeev και Ilya Safro. «Μεταφορά βέλτιστων παραμέτρων qaoa μεταξύ τυχαίων γραφημάτων». Το 2021 IEEE International Conference on Quantum Computing and Engineering (QCE). Σελίδες 171–180. (2021).
https: / / doi.org/ 10.1109 / QCE52317.2021.00034

[30] Xinwei Lee, Ningyi Xie, Dongsheng Cai, Yoshiyuki Saito και Nobuyoshi Asai. «Μια στρατηγική αρχικοποίησης προοδευτικής βάθους για αλγόριθμο κβαντικής βελτιστοποίησης κατά προσέγγιση». Μαθηματικά 11, 2176 (2023).
https://doi.org/​10.3390/​math11092176

[31] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev και Prasanna Balaprakash. «Εκμάθηση βελτιστοποίησης μεταβλητών κβαντικών κυκλωμάτων για την επίλυση συνδυαστικών προβλημάτων». Πρακτικά του Συνεδρίου AAAI για την Τεχνητή Νοημοσύνη 34, 2367–2375 (2020).
https: / / doi.org/ 10.1609 / aaai.v34i03.5616

[32] Guillaume Verdon, Michael Broughton, Jarrod R. McClean, Kevin J. Sung, Ryan Babbush, Zhang Jiang, Hartmut Neven και Masoud Mohseni. «Μαθαίνω να μαθαίνω με κβαντικά νευρωνικά δίκτυα μέσω κλασικών νευρωνικών δικτύων» (2019). url: https://doi.org/​10.48550/​arXiv.1907.05415.
https://doi.org/​10.48550/​arXiv.1907.05415

[33] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev και Prasanna Balaprakash. «Βελτιστοποίηση μεταβλητών κβαντικών κυκλωμάτων με βάση την ενίσχυση της μάθησης για συνδυαστικά προβλήματα» (2019). url: https://doi.org/​10.48550/​arXiv.1911.04574.
https://doi.org/​10.48550/​arXiv.1911.04574

[34] Matteo M. Wauters, Emanuele Panizon, Glen B. Mbeng και Giuseppe E. Santoro. «Κβαντική βελτιστοποίηση υποβοηθούμενη από την ενίσχυση της μάθησης». Physical Review Research 2 (2020).
https: / / doi.org/ 10.1103 / physrevresearch.2.033446

[35] Mahabubul Alam, Abdullah Ash-Saki και Swaroop Ghosh. «Επιταχυνόμενος αλγόριθμος κβαντικής κατά προσέγγιση βελτιστοποίησης με χρήση μηχανικής μάθησης». Συνέδριο & Έκθεση Σχεδιασμού, Αυτοματισμού & Δοκιμών στην Ευρώπη 2020 (DATE) (2020).
https://doi.org/​10.23919/​date48585.2020.9116348

[36] Jiahao Yao, Lin Lin και Marin Bukov. «Ενίσχυση μάθησης για προετοιμασία εδάφους πολλών σωμάτων εμπνευσμένη από την αντιδιαβατική οδήγηση». Φυσική Ανασκόπηση X 11 (2021).
https: / / doi.org/ 10.1103 / physrevx.11.031070

[37] Zhihui Wang, Stuart Hadfield, Zhang Jiang και Eleanor G. Rieffel. «Κβαντικός αλγόριθμος βελτιστοποίησης κατά προσέγγιση για το MaxCut: Μια φερμιονική προβολή». Φυσική Ανασκόπηση A 97 (2018).
https: / / doi.org/ 10.1103 / physreva.97.022304

[38] Jonathan Wurtz και Danylo Lykov. «Η εικασία σταθερής γωνίας για το QAOA σε κανονικά γραφήματα MaxCut» (2021). url: https://doi.org/​10.48550/​arXiv.2107.00677.
https://doi.org/​10.48550/​arXiv.2107.00677

[39] Στιούαρτ Χάντφιλντ. «Κβαντικοί αλγόριθμοι για επιστημονικούς υπολογισμούς και κατά προσέγγιση βελτιστοποίηση» (2018). url: https://doi.org/​10.48550/​1805.03265.
https: / / doi.org/ 10.48550 / 1805.03265

[40] Paul Glasserman. «Μέθοδοι Μόντε Κάρλο στη χρηματοοικονομική μηχανική». Τόμος 53. Springer. (2004).
https:/​/​doi.org/​10.1007/​978-0-387-21617-1

[41] Walter Rudin. «Πραγματική και σύνθετη ανάλυση». McGraw-Hill. (1974).

[42] Walter Rudin. «Αρχές μαθηματικής ανάλυσης». McGraw-hill. (1976).

[43] Colin McDiarmid. «Σχετικά με τη μέθοδο των οριοθετημένων διαφορών». Σελίδα 148–188. Σειρά σημειώσεων της Μαθηματικής Εταιρείας του Λονδίνου. Cambridge University Press. (1989).
https: / / doi.org/ 10.1017 / CBO9781107359949.008

[44] Lutz Warnke. «Σχετικά με τη μέθοδο των τυπικών οριοθετημένων διαφορών». Combinatorics, Probability and Computing 25, 269–299 (2016).
https: / / doi.org/ 10.1017 / S0963548315000103

[45] Ρομάν Βερσίνιν. «Πιθανότητα υψηλών διαστάσεων: Εισαγωγή με εφαρμογές στην επιστήμη δεδομένων». Σειρά Cambridge στα Στατιστικά και Πιθανοτικά Μαθηματικά. Cambridge University Press. (2018).
https: / / doi.org/ 10.1017 / 9781108231596

[46] Joao Basso, David Gamarnik, Song Mei και Leo Zhou. «Απόδοση και περιορισμοί του QAOA σε σταθερά επίπεδα σε μεγάλα αραιά υπεργραφήματα και μοντέλα spin glass». 2022 IEEE 63rd Annual Symposium on Foundations of Computer Science (FOCS) (2022).
https://doi.org/​10.1109/​focs54457.2022.00039

[47] Γ Παρίσι. «Μια ακολουθία προσεγγιστικών λύσεων στο μοντέλο s-k για περιστρεφόμενα ποτήρια». Journal of Physics A: Mathematical and General 13, L115 (1980).
https:/​/​doi.org/​10.1088/​0305-4470/​13/​4/​009

[48] Μισέλ Ταλαγκράντ. «Η φόρμουλα του Παρισιού». Annals of Mathematics (2006).
https: / / doi.org/ 10.4007 / annals.2006.163.221

[49] Ντμίτρι Πάντσενκο. «Το μοντέλο Sherrington-Kirkpatrick». Springer Science & Business Media. (2013).
https:/​/​doi.org/​10.1007/​978-1-4614-6289-7

[50] Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz και Phillip C Lotshaw. "QAOAKit: Μια εργαλειοθήκη για αναπαραγώγιμη μελέτη, εφαρμογή και επαλήθευση του QAOA". Δεύτερο Διεθνές Εργαστήριο για το Λογισμικό Κβαντικών Υπολογιστών (2021).
https://doi.org/​10.1109/​QCS54837.2021.00011

[51] Joao Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga και Leo Zhou. «Ο κβαντικός κατά προσέγγιση αλγόριθμος βελτιστοποίησης σε μεγάλο βάθος για μέγιστη περικοπή σε κανονικά γραφήματα μεγάλης περιφέρειας και το μοντέλο sherrington-kirkpatrick» (2021). url: https://doi.org/​10.48550/​arXiv.2110.14206.
https://doi.org/​10.48550/​arXiv.2110.14206

[52] Dylan Herman, Ruslan Shaydulin, Yue Sun, Shouvanik Chakrabarti, Shaohan Hu, Pierre Minssen, Arthur Rattew, Romina Yalovetzky και Marco Pistoia. "Περιορισμένη βελτιστοποίηση μέσω κβαντικής δυναμικής zeno". Communications Physics 6, 219 (2023).
https:/​/​doi.org/​10.1038/​s42005-023-01331-9

[53] N. Slate, Ε. Matwiejew, S. Marsh, and J. B. Wang. «Βελτιστοποίηση χαρτοφυλακίου βασισμένη σε κβαντική περιήγηση». Quantum 5, 513 (2021).
https:/​/​doi.org/​10.22331/​q-2021-07-28-513

[54] Mark Hodson, Brendan Ruck, Hugh Ong, David Garvin και Stefan Dulman. «Πειράματα εξισορρόπησης χαρτοφυλακίου με χρήση του κβαντικού εναλλασσόμενου τελεστή ansatz» (2019). url: https://doi.org/​10.48550/​arXiv.1911.05296.
https://doi.org/​10.48550/​arXiv.1911.05296

[55] Tianyi Hao, Ruslan Shaydulin, Marco Pistoia και Jeffrey Larson. «Εκμετάλλευση ενέργειας σε περιορισμούς σε περιορισμένη μεταβλητή κβαντική βελτιστοποίηση». 2022 IEEE/​ACM Third International Workshop on Quantum Computing Software (QCS) (2022).
https://doi.org/​10.1109/​qcs56647.2022.00017

[56] Zichang He, Ruslan Shaydulin, Shouvanik Chakrabarti, Dylan Herman, Changhao Li, Yue Sun και Marco Pistoia. "Η ευθυγράμμιση μεταξύ αρχικής κατάστασης και μίκτη βελτιώνει την απόδοση qaoa για περιορισμένη βελτιστοποίηση". npj Quantum Information 9, 121 (2023).
https:/​/​doi.org/​10.1038/​s41534-023-00787-5

[57] «Qiskit finance». https://qiskit.org/​documentation/​finance/​.
https://qiskit.org/​documentation/​finance/​

[58] Steven G. Johnson. «Το πακέτο μη γραμμικής βελτιστοποίησης NLopt» (2022). http://github.com/​stevengj/​nlopt.
http://github.com/​stevengj/​nlopt

[59] Michael JD Powell. «Ο αλγόριθμος BOBYQA για δεσμευμένη περιορισμένη βελτιστοποίηση χωρίς παράγωγα». Cambridge NA Report NA2009/​06 26 (2009).

[60] Ruslan Shaydulin και Stefan M. Wild. "Σημασία του εύρους ζώνης του πυρήνα στην κβαντική μηχανική μάθηση". Φυσική Ανασκόπηση A 106 (2022).
https: / / doi.org/ 10.1103 / physreva.106.042407

[61] Abdulkadir Canatar, Evan Peters, Cengiz Pehlevan, Stefan M. Wild και Ruslan Shaydulin. «Το εύρος ζώνης επιτρέπει τη γενίκευση σε μοντέλα κβαντικού πυρήνα» (2022). url: https://doi.org/​10.48550/​arXiv.2206.06686.
https://doi.org/​10.48550/​arXiv.2206.06686

[62] Kaining Zhang, Liu Liu, Min-Hsiu Hsieh και Dacheng Tao. «Διαφυγή από το άγονο οροπέδιο μέσω γκαουσιανών αρχικοποιήσεων σε βαθιά μεταβλητά κβαντικά κυκλώματα». In Advances in Neural Information Processing Systems. Τόμος 35, σελίδες 18612–18627. Curran Associates, Inc. (2022).

Αναφέρεται από

[1] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilya Safro, Marco Pistoia και Yuri Alexeev, «Quantum computing for finance». Φυσική Κριτικές Φυσικής 5 8, 450 (2023).

[2] Abid Khan, Bryan K. Clark και Norm M. Tubman, “Pre-optimizing variational quantum eigensolvers with tensor networks”. arXiv: 2310.12965, (2023).

[3] Igor Gaidai και Rebekah Herrman, “Performance Analysis of Multi-Angle QAOA for p > 1”, arXiv: 2312.00200, (2023).

[4] Dylan Herman, Ruslan Shaydulin, Yue Sun, Shouvanik Chakrabarti, Shaohan Hu, Pierre Minssen, Arthur Rattew, Romina Yalovetzky και Marco Pistoia, «Περιορισμένη βελτιστοποίηση μέσω της κβαντικής δυναμικής του Zeno», Επικοινωνίες Φυσική 6 1, 219 (2023).

[5] Ruslan Shaydulin, Changhao Li, Shouvanik Chakrabarti, Matthew DeCross, Dylan Herman, Niraj Kumar, Jeffrey Larson, Danylo Lykov, Pierre Minssen, Yue Sun, Yuri Alexeev, Joan M. Dreiling, John P. Gaebler, Thomas M. Gatterman , Justin A. Gerber, Kevin Gilmore, Dan Gresh, Nathan Hewitt, Chandler V. Horst, Shaohan Hu, Jacob Johansen, Mitchell Matheny, Tanner Mengle, Michael Mills, Steven A. Moses, Brian Neyenhuis, Peter Siegfried, Romina Yalovetzky και Marco Pistoia, “Evidence of Scaling Advantage for the Quantum Approximate Optimization Algorithm on a Classicly Intreable Problem” arXiv: 2308.02342, (2023).

[6] Filip B. Maciejewski, Stuart Hadfield, Benjamin Hall, Mark Hodson, Maxime Dupont, Bram Evert, James Sud, M. Sohaib Alam, Zhihui Wang, Stephen Jeffrey, Bhuvanesh Sundar, P. Aaron Lott, Shon Grabbe, Eleanor G Rieffel, Matthew J. Reagor και Davide Venturelli, «Σχεδίαση και εκτέλεση κβαντικών κυκλωμάτων χρησιμοποιώντας δεκάδες υπεραγώγιμα qubits και χιλιάδες πύλες για προβλήματα βελτιστοποίησης πυκνού Ising». arXiv: 2308.12423, (2023).

[7] Mara Vizzuso, Gianluca Passarelli, Giovanni Cantele και Procolo Lucignano, «Σύγκλιση ψηφιοποιημένου-αντιδιαβατικού QAOA: βάθος κυκλώματος έναντι ελεύθερων παραμέτρων», arXiv: 2307.14079, (2023).

Οι παραπάνω αναφορές είναι από SAO / NASA ADS (τελευταία ενημέρωση επιτυχώς 2024-01-19 00:28:46). Η λίστα μπορεί να είναι ελλιπής, καθώς δεν παρέχουν όλοι οι εκδότες τα κατάλληλα και πλήρη στοιχεία αναφοράς.

On Η υπηρεσία παραπομπής του Crossref δεν βρέθηκαν δεδομένα σχετικά με την αναφορά έργων (τελευταία προσπάθεια 2024-01-19 00:28:44).

Σφραγίδα ώρας:

Περισσότερα από Quantum Journal