Parameetrite seadistus kaalutud probleemide kvantumbkaudsel optimeerimisel

Taasavaldanud Platon

järgijaid: 0

Shree Hari Sureshbabu¹, Dylan Herman¹, Ruslan Shaydulin¹, Joao Basso², Shouvanik Chakrabarti¹, Yue Sun¹ja Marco Pistoia¹

¹Global Technology Applied Research, JPMorgan Chase, New York, NY 10017
²California ülikooli matemaatika osakond, Berkeley, CA 94720

Kas see artikkel on huvitav või soovite arutada? Scite või jätke SciRate'i kommentaar.

Abstraktne

Quantum Approximate Optimization Algorithm (QAOA) on juhtiv kandidaatalgoritm kvantarvutite kombinatoorse optimeerimise probleemide lahendamiseks. Kuid paljudel juhtudel nõuab QAOA arvutuslikult intensiivset parameetrite optimeerimist. Parameetrite optimeerimise väljakutse on eriti terav kaalutud probleemide puhul, mille puhul faasioperaatori omaväärtused on mittetäisarvud ja QAOA energiamaastik ei ole perioodiline. Selles töös töötame välja QAOA parameetrite seadmise heuristika, mida rakendatakse kaalutud probleemide üldklassile. Esiteks tuletame QAOA optimaalsed parameetrid sügavusega $ p = 1 $, mida rakendatakse kaalutud MaxCut probleemile kaalude erinevatel eeldustel. Eelkõige tõestame rangelt tavapärast tarkust, et keskmisel juhul annab esimene nullilähedane lokaalne optimum globaalselt optimaalsed QAOA parameetrid. Teiseks tõestame $ pgeq 1 $ puhul, et kaalutud MaxCuti QAOA energiamaastik läheneb kaalumata juhtumi korral lihtsa parameetrite skaleerimisega. Seetõttu saame kaalutud probleemide jaoks kasutada eelnevalt kaalumata MaxCuti jaoks saadud parameetreid. Lõpuks tõestame, et $p = 1$ korral keskendub QAOA eesmärk järsult oma ootustele, mis tähendab, et meie parameetrite seadistusreeglid kehtivad suure tõenäosusega juhusliku kaalutud eksemplari puhul. Kinnitame selle lähenemisviisi numbriliselt üldistel kaalutud graafikutel ja näitame, et keskmiselt on QAOA energia kavandatud fikseeritud parameetritega vaid 1.1 $ protsendipunkti kaugusel optimeeritud parameetritega energiast. Kolmandaks pakume välja üldise heuristilise skaleerimise skeemi, mis on inspireeritud kaalutud MaxCuti analüüsitulemustest, ja demonstreerime selle tõhusust QAOA abil koos XY Hamming-kaalu säilitava segistiga, mida rakendatakse portfelli optimeerimise probleemile. Meie heuristika parandab kohalike optimeerijate lähenemist, vähendades iteratsioonide arvu keskmiselt 7.4 korda.

Esiletõstetud pilt: protseduur optimaalsete QAOA parameetrite ülekandmiseks Sherrington-Kirkpatricku (SK) mudelist kaalutud MaxCuti probleemile sama suurusega tavalisel graafikul. Parameetrid $gamma^{text{inf}}$ skaleeritakse vastavalt pakutud meetodile, samas kui $beta^{text{inf}}$ on fikseeritud. Graafik näitab, et uudse skaleerimistehnikaga QAOA saavutab varasemate tehnikatega võrreldes kõrgema lähendussuhte ja on võrreldav optimeeritud parameetritega.

Populaarne kokkuvõte

See töö uurib juhtiva kvantheuristilise algoritmi QAOA parameetrite seadmise reegleid, mida rakendatakse kombineeritud optimeerimise probleemide üldklassile. Parameetrite optimeerimine on märkimisväärne kitsaskoht lähiaja rakendamisel. Pakutakse välja üldine parameetrite skaleerimise heuristika QAOA parameetrite ülekandmiseks kaalutud probleemjuhtumite vahel ja esitatakse täpsed tulemused, mis näitavad selle protseduuri tõhusust MaxCuti puhul. Lisaks näitavad numbrid, et see protseduur vähendab oluliselt QAOA koolitusaega portfelli optimeerimiseks, mis on finantskorralduses oluline probleem.

► BibTeX-i andmed

@article{Sureshbabu2024parametersettingin, doi = {10.22331/q-2024-01-18-1231}, url = {https://doi.org/10.22331/q-2024-01-18-1231}, title = {Parameter {S}etting in {Q}uantum {A}pproximate {O}ptimization of {W}eighted {P}roblems}, author = {Sureshbabu, Shree Hari and Herman, Dylan and Shaydulin, Ruslan and Basso, Joao and Chakrabarti, Shouvanik and Sun, Yue and Pistoia, Marco}, journal = {{Quantum}}, issn = {2521-327X}, publisher = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {8}, pages = {1231}, month = jan, year = {2024} }

► Viited

[1] Michael A Nielsen ja Isaac L Chuang. "Kvantarvutus ja kvantteave". Cambridge'i ülikooli ajakirjandus. (2010).
https:///doi.org/10.1017/CBO9780511976667

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Aleksei Galda, Ilja Safro, Yue Sun, Marco Pistoia ja Juri Aleksejev. "Uuring kvantarvutuste kohta rahanduses" (2022). url: https:///doi.org/10.48550/arXiv.2201.02773.
https:///doi.org/10.48550/arXiv.2201.02773

[3] Tad Hogg ja Dmitriy Portnov. "Kvantoptimeerimine". Infoteadused 128, 181–197 (2000).
https://doi.org/10.1016/s0020-0255(00)00052-9

[4] Edward Farhi, Jeffrey Goldstone ja Sam Gutmann. "Kvantligikaudne optimeerimisalgoritm" (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 ja Rupak Biswas. "Kvantligikaudsest optimeerimisalgoritmist kuni kvantvahelduva operaatorini ansatz". Algoritmid 12, 34 (2019). url: https:///doi.org/10.3390/a12020034.
https:///doi.org/10.3390/a12020034

[6] Sami Boulebnane ja Ashley Montanaro. "Tõveväärtuse rahuldamisprobleemide lahendamine kvantumbkaudse optimeerimisalgoritmiga" (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 ja Leo Zhou. "Kvant-ligikaudne optimeerimisalgoritm suurel sügavusel maksimaalse lõikamise jaoks suure ümbermõõduga tavalistel graafikutel ja sherrington-kirkpatricku mudelil." Kvantarvutuse, kommunikatsiooni ja krüptograafia teooria konverentsi materjalid 7, 1–21 (2022).
https:///doi.org/10.4230/LIPICS.TQC.2022.7

[8] Matthew B. Hastings. „Klassikaline algoritm, mis ületab kõrge ümbermõõdu maksimaalse lõike puhul ka $frac{1}{2}+frac{2}{pi}frac{1}{sqrt{d}}$” (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 ja Travis S. Humble. "Parameetrite ülekanne kaalutud MaxCuti kvantumbkaudseks optimeerimiseks". ACM Transactions on Quantum Computing 4, 1–15 (2023).
https:///doi.org/10.1145/3584706

[10] Sami Boulebnane, Xavier Lucas, Agnes Meyder, Stanislaw Adaszewski ja Ashley Montanaro. "Peptiidi konformatsiooniline proovide võtmine kvantumbkaudse optimeerimise algoritmi abil". 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 ja Thomas Wellens. "Portfelli optimeerimise toimivuse võrdlus qaoaga". Quantum Information Processing 22, 25 (2022).
https://doi.org/10.1007/s11128-022-03766-5

[12] Sami Boulebnane ja Ashley Montanaro. „Lõpmatu suuruse piirist maksimaalse kärpe kvantumbkaudse optimeerimise algoritmi parameetrite ennustamine” (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 ja Leo Zhou. "Kvantligikaudne optimeerimisalgoritm ja Sherrington-Kirkpatricku mudel lõpmatu suurusega". Quantum 6, 759 (2022).
https://doi.org/10.22331/q-2022-07-07-759

[14] Amir Dembo, Andrea Montanari ja Subhabrata Sen. “Hõredate juhuslike graafikute ekstreemsed lõiked”. The Annals of Probability 45 (2017).
https:///doi.org/10.1214/15-aop1084

[15] Gavin E Crooks. "Kvantligikaudse optimeerimisalgoritmi jõudlus maksimaalse lõikeprobleemi korral" (2018). url: https:///doi.org/10.48550/arXiv.1811.08419.
https:///doi.org/10.48550/arXiv.1811.08419

[16] Michael Streif ja Martin Leib. "Kvantligikaudse optimeerimisalgoritmi treenimine ilma juurdepääsuta kvanttöötlusüksusele". 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 ja Mihhail D. Lukin. "Kvantligikaudne optimeerimisalgoritm: jõudlus, mehhanism ja rakendamine lähiaja seadmetes". Physical Review X 10, 021067 (2020).
https:///doi.org/10.1103/PhysRevX.10.021067

[18] Ruslan Shaydulin, Ilya Safro ja Jeffrey Larson. "Mitmekäivitusmeetodid kvantumbkaudseks optimeerimiseks". IEEE High Performance Extreme Computing konverentsil. Lk 1–8. (2019).
https:///doi.org/10.1109/hpec.2019.8916288

[19] Xinwei Lee, Yoshiyuki Saito, Dongsheng Cai ja Nobuyoshi Asai. "Parameetrite fikseerimise strateegia kvantumbkaudse optimeerimise algoritmi jaoks". 2021. aasta IEEE rahvusvaheline kvantarvutite ja -tehnoloogia konverents (QCE) (2021).
https:///doi.org/10.1109/qce52317.2021.00016

[20] Stefan H. Sack ja Maksym Serbyn. "Kvantligikaudse optimeerimisalgoritmi kvantlõõmutamise lähtestamine". Quantum 5, 491 (2021).
https://doi.org/10.22331/q-2021-07-01-491

[21] Ohad Amosy, Tamuz Danzig, Ely Porat, Gal Chechik ja Adi Makmal. "Iteratiivvaba kvantumbkaudne optimeerimisalgoritm närvivõrke kasutades" (2022). url: https:///doi.org/10.48550/arXiv.2208.09888.
https:///doi.org/10.48550/arXiv.2208.09888

[22] Danylo Lykov, Roman Schutski, Aleksei Galda, Valeri Vinokur ja Juri Aleksejev. "Tensorvõrgu kvantsimulaator sammust sõltuva paralleelsusega". 2022. aastal toimub IEEE rahvusvaheline kvantarvutite ja -tehnoloogia konverents (QCE). Lk 582–593. (2022).
https:///doi.org/10.1109/QCE53715.2022.00081

[23] Matija Medvidović ja Giuseppe Carleo. "Kvantligikaudse optimeerimisalgoritmi klassikaline variatsioonisimulatsioon". npj Quantum Information 7 (2021).
https:///doi.org/10.1038/s41534-021-00440-z

[24] Ruslan Shaydulin ja Stefan M. Wild. "Sümmeetria kasutamine vähendab QAOA koolituse kulusid." IEEE Transactions on Quantum Engineering 2, 1–9 (2021).
https:///doi.org/10.1109/tqe.2021.3066275

[25] Ruslan Shaydulin ja Juri Aleksejev. "Kvantligikaudse optimeerimisalgoritmi hindamine: juhtumiuuring". Kümnes rahvusvaheline rohelise ja säästva andmetöötluse konverents (2019).
https:///doi.org/10.1109/IGSC48788.2019.8957201

[26] Fernando GSL Brandão, Michael Broughton, Edward Farhi, Sam Gutmann ja Hartmut Neven. "Fikseeritud juhtimisparameetrite puhul keskendub kvantumbkaudse optimeerimise algoritmi sihtfunktsiooni väärtus tüüpilistele juhtumitele" (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 ja J. Biamonte. "Parameetrite kontsentratsioonid kvantumbkaudsel optimeerimisel". Physical Review A 104 (2021).
https:///doi.org/10.1103/physreva.104.l010401

[28] Phillip C. Lotshaw, Travis S. Humble, Rebekah Herrman, James Ostrowski ja George Siopsis. "Empiirilised jõudluspiirid kvantumbkaudseks optimeerimiseks". Quantum Information Processing 20, 403 (2021).
https://doi.org/10.1007/s11128-021-03342-3

[29] Aleksei Galda, Xiaoyuan Liu, Danylo Lykov, Juri Aleksejev ja Ilja Safro. "Optimaalsete qaoa parameetrite ülekandmine juhuslike graafikute vahel". 2021. aastal toimub IEEE rahvusvaheline kvantarvutite ja -tehnoloogia konverents (QCE). Lk 171–180. (2021).
https:///doi.org/10.1109/QCE52317.2021.00034

[30] Xinwei Lee, Ningyi Xie, Dongsheng Cai, Yoshiyuki Saito ja Nobuyoshi Asai. "Kvantligikaudse optimeerimisalgoritmi sügavus-progresseeruv lähtestamisstrateegia". Matemaatika 11, 2176 (2023).
https:///doi.org/10.3390/math11092176

[31] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Juri Aleksejev ja Prasanna Balaprakash. "Variatsiooniliste kvantahelate optimeerimise õppimine kombinatoorsete probleemide lahendamiseks". AAAI tehisintellekti konverentsi toimetised 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 ja Masoud Mohseni. "Kvantnärvivõrkudega õppimise õppimine klassikaliste närvivõrkude kaudu" (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, Juri Aleksejev ja Prasanna Balaprakash. "Tugevdusõppel põhinev variatsioonikvantahelate optimeerimine kombinatoorsete probleemide jaoks" (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 ja Giuseppe E. Santoro. "Tugevdamise ja õppimisega toetatud kvantoptimeerimine". Physical Review Research 2 (2020).
https:///doi.org/10.1103/physrevresearch.2.033446

[35] Mahabubul Alam, Abdullah Ash-Saki ja Swaroop Ghosh. "Kiirenev kvantumbkaudne optimeerimisalgoritm masinõppe abil". 2020. aasta disaini, automatiseerimise ja testimise konverents ja näitus Euroopas (KUUPÄEV) (2020).
https:///doi.org/10.23919/date48585.2020.9116348

[36] Jiahao Yao, Lin Lin ja Marin Bukov. Diabaatilisest sõidust inspireeritud tugevdav õpe paljude kehade põhiseisundi ettevalmistamiseks. Physical Review X 11 (2021).
https:///doi.org/10.1103/physrevx.11.031070

[37] Zhihui Wang, Stuart Hadfield, Zhang Jiang ja Eleanor G. Rieffel. “MaxCuti kvantumbkaudne optimeerimisalgoritm: fermiooniline vaade”. Physical Review A 97 (2018).
https:///doi.org/10.1103/physreva.97.022304

[38] Jonathan Wurtz ja Danylo Lykov. "Fikseeritud nurga oletus QAOA jaoks tavalistel MaxCuti graafikutel" (2021). url: https:///doi.org/10.48550/arXiv.2107.00677.
https:///doi.org/10.48550/arXiv.2107.00677

[39] Stuart Hadfield. "Kvantalgoritmid teaduslikuks arvutamiseks ja ligikaudseks optimeerimiseks" (2018). url: https:///doi.org/10.48550/1805.03265.
https:///doi.org/10.48550/1805.03265

[40] Paul Glasserman. "Monte Carlo meetodid finantskorralduses". Köide 53. Springer. (2004).
https://doi.org/10.1007/978-0-387-21617-1

[41] Walter Rudin. "Reaalne ja keeruline analüüs". McGraw-Hill. (1974).

[42] Walter Rudin. "Matemaatilise analüüsi põhimõtted". McGraw-mägi. (1976).

[43] Colin McDiarmid. "Piiratud erinevuste meetodist". Lk 148–188. Londoni Matemaatika Seltsi loengukonspektide sari. Cambridge University Press. (1989).
https:///doi.org/10.1017/CBO9781107359949.008

[44] Lutz Warnke. "Tüüpiliste piiratud erinevuste meetodist". Combinatorics, Probability and Computing 25, 269–299 (2016).
https:///doi.org/10.1017/S0963548315000103

[45] Roman Vershynin. "Kõrgemõõtmeline tõenäosus: sissejuhatus andmeteaduse rakendustega". Cambridge'i seeria statistilises ja tõenäosuslikus matemaatikas. Cambridge University Press. (2018).
https:///doi.org/10.1017/9781108231596

[46] Joao Basso, David Gamarnik, Song Mei ja Leo Zhou. "QAOA jõudlus ja piirangud konstantsel tasemel suurte hõredate hüpergraafide ja spin klaasmudelite korral". 2022 IEEE 63. iga-aastane arvutiteaduse aluste sümpoosion (FOCS) (2022).
https:///doi.org/10.1109/focs54457.2022.00039

[47] G Parisi. "Sk-mudeli ligikaudsete lahenduste jada keerutavate klaaside jaoks". Journal of Physics A: Mathematical and General 13, L115 (1980).
https://doi.org/10.1088/0305-4470/13/4/009

[48] Michel Talagrand. "Pariisi valem". Annals of Mathematics (2006).
https:///doi.org/10.4007/annals.2006.163.221

[49] Dmitri Pantšenko. "Sherringtoni-Kirkpatricku mudel". Springeri teadus- ja ärimeedia. (2013).
https://doi.org/10.1007/978-1-4614-6289-7

[50] Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz ja Phillip C Lotshaw. "QAOAKit: tööriistakomplekt QAOA reprodutseeritavaks uurimiseks, rakendamiseks ja kontrollimiseks". Teine rahvusvaheline kvantarvutitarkvara seminar (2021).
https:///doi.org/10.1109/QCS54837.2021.00011

[51] Joao Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga ja Leo Zhou. "Kvantligikaudne optimeerimisalgoritm suurel sügavusel suure ümbermõõduga tavagraafikute maksimaalse lõikamise jaoks ja sherrington-kirkpatricku mudel" (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 ja Marco Pistoia. "Piiratud optimeerimine kvantzeno dünaamika kaudu". Sidefüüsika 6, 219 (2023).
https://doi.org/10.1038/s42005-023-01331-9

[53] N. Slate, E. Matwiejew, S. Marsh ja JB Wang. "Kvantkõnnipõhine portfelli optimeerimine". Quantum 5, 513 (2021).
https://doi.org/10.22331/q-2021-07-28-513

[54] Mark Hodson, Brendan Ruck, Hugh Ong, David Garvin ja Stefan Dulman. "Portfelli tasakaalustamise katsed kvantvahelduva operaatori ansatz abil" (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 ja Jeffrey Larson. "Piiratud energia kasutamine piiratud variatsioonilises kvantoptimeerimises". 2022 IEEE/ACM kolmas rahvusvaheline kvantarvutustarkvara (QCS) töötuba (2022).
https:///doi.org/10.1109/qcs56647.2022.00017

[56] Zichang He, Ruslan Shaydulin, Shouvanik Chakrabarti, Dylan Herman, Changhao Li, Yue Sun ja Marco Pistoia. "Algseisundi ja mikseri joondamine parandab qaoa jõudlust piiratud optimeerimise jaoks." npj Quantum Information 9, 121 (2023).
https://doi.org/10.1038/s41534-023-00787-5

[57] "Qiskiti rahandus". https:///qiskit.org/documentation/finance/.
https:///qiskit.org/documentation/finance/

[58] Steven G. Johnson. "NLopt mittelineaarse optimeerimise pakett" (2022). http:///github.com/stevengj/nlopt.
http:///github.com/stevengj/nlopt

[59] Michael JD Powell. "BOBYQA algoritm seotud piiratud optimeerimiseks ilma tuletisteta". Cambridge NA aruanne NA2009/06 26 (2009).

[60] Ruslan Shaydulin ja Stefan M. Wild. "Tuuma ribalaiuse tähtsus kvantmasinõppes". Physical Review A 106 (2022).
https:///doi.org/10.1103/physreva.106.042407

[61] Abdulkadir Canatar, Evan Peters, Cengiz Pehlevan, Stefan M. Wild ja Ruslan Shaydulin. "Bandwidth võimaldab üldistamist kvanttuuma mudelites" (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 ja Dacheng Tao. "Põgenemine viljatult platoolt Gaussi initsialiseerimise kaudu sügavates variatsioonilistes kvantahelates". Neuraalsete teabetöötlussüsteemide edusammudes. 35. köide, lk 18612–18627. Curran Associates, Inc. (2022).

Viidatud

[1] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilja Safro, Marco Pistoia ja Juri Aleksejev, "Kvantarvuti rahanduses" Nature Reviews Physics 5 8, 450 (2023).

[2] Abid Khan, Bryan K. Clark ja Norm M. Tubman, "Variatsiooniliste kvantomalahendajate eeloptimeerimine tensorvõrkudega", arXiv: 2310.12965, (2023).

[3] Igor Gaidai ja Rebekah Herrman, "Multinurga QAOA toimivuse analüüs p > 1 jaoks", arXiv: 2312.00200, (2023).

[4] Dylan Herman, Ruslan Shaydulin, Yue Sun, Shouvanik Chakrabarti, Shaohan Hu, Pierre Minssen, Arthur Rattew, Romina Yalovetzky ja Marco Pistoia, "Piiratud optimeerimine kvantzeno dünaamika kaudu", Sidefüüsika 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, Juri Aleksejev, 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 ja Marco Pistoia, "Kvant-ligikaudse optimeerimisalgoritmi skaleerimise eelise tõendid klassikaliselt lahendamatu probleemi korral" 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 ja Davide Venturelli, "Kvantahelate projekteerimine ja teostamine, kasutades kümneid ülijuhtivaid kubitte ja tuhandeid väravaid tihedate Isingi optimeerimisprobleemide jaoks". arXiv: 2308.12423, (2023).

[7] Mara Vizzuso, Gianluca Passarelli, Giovanni Cantele ja Procolo Lucignano, "Digitiseeritud-vastudiabaatilise QAOA lähenemine: vooluringi sügavus versus vabad parameetrid", arXiv: 2307.14079, (2023).

Ülaltoodud tsitaadid on pärit SAO/NASA KUULUTUSED (viimati edukalt värskendatud 2024-01-19 00:28:46). Loend võib olla puudulik, kuna mitte kõik väljaandjad ei esita sobivaid ja täielikke viiteandmeid.

On Crossrefi viidatud teenus teoste viitamise andmeid ei leitud (viimane katse 2024-01-19 00:28:44).

See raamat on avaldatud Quantum all Creative Commons Attribution 4.0 International (CC BY 4.0) litsents. Autoriõigus jääb algsetele autoriõiguste valdajatele, näiteks autoritele või nende institutsioonidele.

SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
Allikas: https://quantum-journal.org/papers/q-2024-01-18-1231/

Ajatempel: Jaanuar 18, 2024

Ajatempel: Oktoober 6, 2022

Parameetrite seadistamine kaalutud probleemide kvant-ligikaudses optimeerimises

Taasavaldanud Platon

Abstraktne

Populaarne kokkuvõte

► BibTeX-i andmed

► Viited

Viidatud

Veel alates Quantum Journal

Kvantsügav maandamine

Kvantvälja teooria piiri saavutamine tasakaalust kaugel asuvates kvantlülimudelites

"Mõtlik" kohaliku sõbralikkuse keelu teoreem: tulevane eksperiment uute eeldustega, mis sobivad

Mõõtmispõhine kassi ja võrgu olekute genereerimine ja säilitamine pideva muutujaga klastri olekus

Mõõtmeteooriate ja bosoniliste süsteemide tõestatult täpne simulatsioon

Fermioonide tootmine paisuva universumi piiril: külmaaatomi gravitatsioonianaloog

Adaptiivne mõõtefilter: tõhus strateegia kvant-Markovi ahelate optimaalseks hindamiseks

Kvantmärgid digitaalallkirjade jaoks

Sümmeetria testimine kvantarvutites

Kvantalgoritmid fluktuatsiooniteoreemidest: Soojusoleku ettevalmistamine

Meist

Vertikaalne otsing ja Ai

Platvorm

Püsi ühenduses

konto