ملاحظات تأخیر برای بهینه سازهای تصادفی در الگوریتم های کوانتومی متغیر

بازنشر افلاطون

دنبال: 0

مت منیکلی¹یونسو ها²، و متیو اوتن³

¹بخش ریاضیات و علوم کامپیوتر، آزمایشگاه ملی آرگون، 9700 S. Cass Ave., Lemont, IL 60439
²ادوارد پی فیتس گروه مهندسی صنایع و سیستم ها، دانشگاه ایالتی کارولینای شمالی، 915 Partners Way، رالی، NC 27601
³HRL Laboratories, LLC, 3011 Malibu Canyon Road, Malibu, CA 90265

این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.

چکیده

الگوریتم‌های کوانتومی متغیر، که در تنظیمات کوانتومی پر سر و صدا در مقیاس متوسط ظاهر شده‌اند، به پیاده‌سازی یک بهینه‌ساز تصادفی روی سخت‌افزار کلاسیک نیاز دارند. تا به امروز، بیشتر تحقیقات از الگوریتم‌هایی مبتنی بر تکرار گرادیان تصادفی به عنوان بهینه‌ساز کلاسیک تصادفی استفاده کرده‌اند. در این کار ما در عوض استفاده از الگوریتم‌های بهینه‌سازی تصادفی را پیشنهاد می‌کنیم که فرآیندهای تصادفی را شبیه‌سازی دینامیک الگوریتم‌های قطعی کلاسیک ارائه می‌دهند. این رویکرد منجر به روش‌هایی با پیچیدگی‌های تکراری بدترین حالت از لحاظ نظری برتر می‌شود و این به قیمت پیچیدگی‌های بیشتر نمونه در هر تکرار (شات) است. ما این مبادله را هم از نظر تئوری و هم از نظر تجربی بررسی می‌کنیم و به این نتیجه می‌رسیم که ترجیحات برای انتخاب بهینه‌ساز تصادفی باید به صراحت به تابعی از زمان تأخیر و زمان اجرای شلیک بستگی داشته باشد.

تصویر ویژه: تأخیرها و دقت هدف بر انتخاب بهینه سازهای تصادفی برای الگوریتم های کوانتومی متغیر تأثیر می گذارد.

خلاصه محبوب

الگوریتم های کوانتومی متغیر نامزدهای امیدوارکننده ای برای حل مسائل عملی در رایانه های کوانتومی کوتاه مدت هستند. با این حال، فرآیند بهینه‌سازی این الگوریتم‌ها به دلیل دو نیاز به 1) انجام اندازه‌گیری‌های مکرر (تصویربرداری) روی رایانه کوانتومی و 2) تنظیم پارامترهای مدار کوانتومی می‌تواند از نظر محاسباتی گران باشد. در اینجا، ما یک الگوریتم بهینه‌سازی تصادفی جدید به نام SHOALS (جستجوی خط تطبیقی SHOt) را پیشنهاد می‌کنیم که با این فرض طراحی شده است که زمان صرف شده در بهینه‌سازی انجام عکس‌ها تحت تسلط زمان صرف شده در بهینه‌سازی انجام تنظیمات مدار است. ما نشان می‌دهیم که SHOALS از سایر الگوریتم‌های بهینه‌سازی تصادفی در این تنظیم بهتر عمل می‌کند. برعکس، زمانی که زمان شات با زمان سوئیچینگ مدار قابل مقایسه باشد، الگوریتم‌های نزولی گرادیان تصادفی کارآمدتر هستند. با در نظر گرفتن معاوضه بین زمان شات، زمان سوئیچینگ مدار، و کارایی الگوریتم بهینه‌سازی، نشان می‌دهیم که کل زمان اجرای الگوریتم‌های کوانتومی متغیر را می‌توان به طور قابل‌توجهی کاهش داد.

► داده های BibTeX

@article{Menickelly2023latency، doi = {10.22331/q-2023-03-16-949}، url = {https://doi.org/10.22331/q-2023-03-16-949}، عنوان = {ملاحظات تأخیر برای بهینه سازهای تصادفی در الگوریتم های کوانتومی متغیر}، نویسنده = {Menickelly, Matt and Ha, Yunsoo and Otten, Matthew}, journal = {{Quantum}}, issn = {2521-327X}, ناشر = {{Verein zur F{“ {o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}، جلد = {7}، صفحات = {949}، ماه = مارس، سال = {2023} }

◄ مراجع

[1] بنجامین پی لانیون، جیمز دی ویتفیلد، جف جی گیلت، مایکل ای گوگین، مارسلو پی آلمیدا، ایوان کاسال، ژاکوب دی بیامونته، مسعود محسنی، بن جی پاول، مارکو باربیری و دیگران. "به سوی شیمی کوانتومی در یک کامپیوتر کوانتومی". Nature Chemistry 2، 106-111 (2010).
https://doi.org/10.1038/nchem.483

[2] ایان سی کلوئت، متیو آر دیتریش، جان آرینگتون، الکسی بازووف، مایکل بیشوف، آدام فریز، الکسی وی گورشکوف، آنا گراسلینو، کوتار حفیدی، زوبین ژاکوب، و همکاران. «فرصت‌هایی برای فیزیک هسته‌ای و علم اطلاعات کوانتومی» (2019). arXiv:1903.05453.
arXiv: 1903.05453

[3] آدام اسمیت، ام اس کیم، فرانک پولمن و یوهانس نول. "شبیه سازی دینامیک چند جسمی کوانتومی در یک کامپیوتر کوانتومی دیجیتال فعلی". npj Quantum Information 5، 1–13 (2019).
https://doi.org/10.1038/s41534-019-0217-0

[4] بنجامین ناچمن، دیوید پرواسولی، ویب آ د یونگ و کریستین دبلیو بائر. "الگوریتم کوانتومی برای شبیه سازی فیزیک انرژی بالا". Physical Review Letters 126, 062001 (2021).
https://doi.org/10.1103/PhysRevLett.126.062001

[5] جیکوب بیامونته، پیتر ویتک، نیکولا پانکوتی، پاتریک ربنتروست، ناتان ویبه و ست لوید. "یادگیری ماشین کوانتومی". Nature 549, 195–202 (2017).
https://doi.org/10.1038/nature23474

[6] رومن اوروس، ساموئل موگل و انریکه لیزاسو. محاسبات کوانتومی برای امور مالی: بررسی اجمالی و چشم انداز بررسی‌ها در فیزیک 4، 100028 (2019).
https://doi.org/10.1016/j.revip.2019.100028

[7] جان پرسکیل. محاسبات کوانتومی در عصر NISQ و فراتر از آن Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79

[8] U Dorner، R Demkowicz-Dobrzanski، BJ Smith، JS Lundeen، W Wasilewski، K Banaszek، و IA Walmsley. "برآورد فاز کوانتومی بهینه". Physical Review Letters 102, 040403 (2009).
https://doi.org/10.1103/PhysRevLett.102.040403

[9] جان پرسکیل. محاسبات کوانتومی مقاوم به خطا در مقدمه ای بر محاسبات کوانتومی و اطلاعات. صفحات 213-269. علمی جهانی (1998).

[10] مارکو سرزو، اندرو آراسمیت، رایان بابوش، سایمون سی بنجامین، سوگورو اندو، کیسوکه فوجی، جارود آر مک‌کلین، کوسوکه میتارای، شیائو یوان، لوکاس سینسیو و همکاران. الگوریتم های کوانتومی متغیر Nature Reviews Physics Pages 1-20 (2021).
https://doi.org/10.1038/s42254-021-00348-9

[11] پیتر جی جی اومالی، رایان بابوش، ایان دی کیولیچان، جاناتان رومرو، جارود آر مک‌کلین، رامی بارندز، جولیان کلی، پدرام روشن، اندرو ترانتر، نان دینگ و دیگران. "شبیه سازی کوانتومی مقیاس پذیر انرژی های مولکولی". Physical Review X 6, 031007 (2016).
https://doi.org/10.1103/PhysRevX.6.031007

[12] شیائو یوان، سوگورو اندو، چی ژائو، یانگ لی و سایمون سی بنجامین. "نظریه شبیه سازی کوانتومی تغییرات". Quantum 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191

[13] متیو اوتن، کریستین ال کورتس و استفن کی گری. "دینامیک کوانتومی مقاوم به نویز با استفاده از آنساتزهای حفظ تقارن" (2019). arXiv:1910.06284.
arXiv: 1910.06284

[14] آبیناو کاندالا، آنتونیو مزاکاپو، کریستن تم، مایکا تاکیتا، مارکوس برینک، جری ام چاو و جی ام گامبتا. حل ویژه کوانتومی متغیر سخت افزاری برای مولکول های کوچک و آهنرباهای کوانتومی. Nature 549, 242-246 (2017).
https://doi.org/10.1038/nature23879

[15] کوسوکه میتارای، ماکوتو نگورو، ماساهیرو کیتاگاوا و کیسوکه فوجی. "یادگیری مدار کوانتومی". بررسی فیزیکی A 98, 032309 (2018).
https://doi.org/10.1103/PhysRevA.98.032309

[16] متیو اوتن، ایمنه آر گومیری، بنجامین دبلیو پریست، جورج اف چاپلین و مایکل دی اشنایدر. "یادگیری ماشین کوانتومی با استفاده از فرآیندهای گاوسی با هسته های کوانتومی عملکردی" (2020). arXiv:2004.11280.
arXiv: 2004.11280

[17] رابرت ام پریش، ادوارد جی هوهنشتاین، پیتر ال مک ماهون، و تاد جی مارتینز. "محاسبات کوانتومی انتقال های الکترونیکی با استفاده از حل ویژه کوانتومی متغیر". Physical Review Letters 122, 230401 (2019).
https://doi.org/10.1103/PhysRevLett.122.230401

[18] کوین جی سانگ، جیهائو یائو، متیو پی هریگان، نیکلاس سی روبین، ژانگ جیانگ، لین لین، رایان باببوش و جارود آر مک‌کلین. "استفاده از مدل ها برای بهبود بهینه سازها برای الگوریتم های کوانتومی متغیر". علم و فناوری کوانتومی 5، 044008 (2020).
https://doi.org/10.1088/2058-9565/abb6d9

[19] Jay Gambetta، WA Braff، A Wallraff، SM Girvin و RJ Schoelkopf. پروتکل‌هایی برای بازخوانی بهینه کیوبیت‌ها با استفاده از اندازه‌گیری پیوسته بدون تخریب کوانتومی. بررسی فیزیکی A 76, 012325 (2007).
https://doi.org/10.1103/PhysRevA.76.012325

[20] سوزان ام کلارک، دنیل لابسر، ملیسا سی رول، کریستوفر جی یل، دیوید بوسرت، اشلین دی برچ، متیو ان چاو، کریگ دبلیو هوگل، مگان ایوری، جسیکا پهر، و همکاران. "مهندسی بستر آزمایشی کاربر باز محاسبات علمی کوانتومی". IEEE Transactions on Quantum Engineering 2، 1-32 (2021).
https://doi.org/10.1109/TQE.2021.3096480

[21] کالین دی بروزویچ، جان چیاورینی، رابرت مک کانل و جرمی ام سیج. محاسبات کوانتومی یون به دام افتاده: پیشرفت و چالش ها بررسی های فیزیک کاربردی 6، 021314 (2019).
https://doi.org/10.1063/1.5088164

[22] جوناس ام کوبلر، اندرو آراسمیت، لوکاس سینسیو و پاتریک جی کولز. "یک بهینه ساز تطبیقی برای الگوریتم های تغییرات اندازه گیری مقرون به صرفه". Quantum 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263

[23] دیدریک پی کینگما و جیمی با. "آدام: روشی برای بهینه سازی تصادفی" (2014). arXiv:1412.6980.
arXiv: 1412.6980

[24] تریگوه هلگاکر، پول یورگنسن و جپه اولسن. "نظریه ساختار الکترونیکی مولکولی". جان وایلی و پسران (2014).
https://doi.org/10.1002/9781119019572

[25] تام شاول، یوآنیس آنتونوگلو و دیوید سیلور. "آزمون های واحد برای بهینه سازی تصادفی". در Yoshua Bengio و Yann LeCun، ویراستاران، دومین کنفرانس بین المللی در مورد بازنمایی یادگیری، ICLR 2، Banff، AB، کانادا، 2014-14 آوریل، 16، مجموعه مقالات پیگیری کنفرانس. (2014). آدرس اینترنتی: http://arxiv.org/abs/2014.
arXiv: 1312.6055

[26] هلال عسی و جان سی دوچی. "اهمیت مدل های بهتر در بهینه سازی تصادفی". مجموعه مقالات آکادمی ملی علوم 116، 22924–22930 (2019).
https://doi.org/10.1073/pnas.1908018116

[27] بیلی جین، کاتیا شاینبرگ و میائولان زی. "محدوده های پیچیدگی احتمال بالا برای جستجوی خط بر اساس اوراکل های تصادفی" (2021). arXiv:2106.06454.
arXiv: 2106.06454

[28] خوزه بلانشت، کورالیا کارتیس، مت منیکلی و کاتیا شاینبرگ. "تحلیل نرخ همگرایی روش تصادفی منطقه اعتماد از طریق سوپرمارتینگا". INFORMS Journal on Optimization 1, 92-119 (2019).
https://doi.org/10.1287/ijoo.2019.0016

[29] کورتنی پاکت و کاتیا شاینبرگ. "روش جستجوی خط تصادفی با تحلیل پیچیدگی مورد انتظار". SIAM Journal on Optimization 30, 349-376 (2020).
https://doi.org/10.1137/18M1216250

[30] آلبرت اس براهاس، لیوان کائو و کاتیا شاینبرگ. "تحلیل نرخ همگرایی جهانی یک الگوریتم جستجوی خط عمومی با نویز". SIAM Journal on Optimization 31، 1489-1518 (2021).
https://doi.org/10.1137/19M1291832

[31] کورالیا کارتیس، نیکلاس IM گولد، و Ph L Toint. "در مورد پیچیدگی شیب دارترین نزول، روش های نیوتن و نیوتن منظم برای مسائل بهینه سازی نامحدود غیر محدب". Siam journal on optimization 20, 2833-2852 (2010).
https://doi.org/10.1137/090774100

[32] کورالیا کارتیس، نیکلاس آی‌ام گولد، و فیلیپ ال تونت. "درباره پیچیدگی اوراکل الگوریتم های مرتبه اول و بدون مشتق برای کمینه سازی غیر محدب صاف". مجله SIAM در بهینه سازی 22، 66-86 (2012).
https://doi.org/10.1137/100812276

[33] یایر کارمون، جان سی دوچی، الیور هیندر و آرون سیدفورد. "مرزهای پایین برای یافتن نقاط ثابت I". Mathematical Programming 184, 71–120 (2020).
https://doi.org/10.1007/s10107-019-01406-y

[34] یایر کارمون، جان سی دوچی، الیور هیندر و آرون سیدفورد. "محدب تا زمانی که گناهکار ثابت شود": شتاب بدون ابعاد نزول گرادیان در توابع غیر محدب. در کنفرانس بین المللی یادگیری ماشین. صفحات 654-663. PMLR (2017).
https://doi.org/10.5555/3305381.3305449

[35] چی جین، پرانیت نتراپالی و مایکل اول جردن. "نزول شیب تسریع شده از نقاط زین سریعتر از شیب نزول فرار می کند." در کنفرانس تئوری یادگیری. صفحات 1042-1085. PMLR (2018). آدرس اینترنتی: https://proceedings.mlr.press/v75/jin18a.html.
https://proceedings.mlr.press/v75/jin18a.html

[36] سعید قدیمی و گوانگوی لان. "روش های تصادفی مرتبه اول و صفر برای برنامه ریزی تصادفی غیر محدب". SIAM Journal on Optimization 23, 2341-2368 (2013).
https://doi.org/10.1137/120880811

[37] یوسی ارجوانی، یایر کارمون، جان سی دوچی، دیلن جی فاستر، ناتان سربرو و بلیک وودورث. "مرزهای پایین تر برای بهینه سازی تصادفی غیر محدب" (2019). arXiv:1912.02365.
arXiv: 1912.02365

[38] کونگ فانگ، کریس جونچی لی، ژوچن لین و تانگ ژانگ. "عنکبوت: بهینه سازی غیر محدب نزدیک به بهینه از طریق برآوردگر دیفرانسیل یکپارچه مسیر تصادفی". در S. Bengio، H. Wallach، H. Larochelle، K. Grauman، N. Cesa-Bianchi، و R. Garnett، ویراستاران، پیشرفت‌ها در سیستم‌های پردازش اطلاعات عصبی. جلد 31. Curran Associates, Inc. (2018). آدرس اینترنتی: https://proceedings.neurips.cc/paper/2018/file/1543843a4723ed2ab08e18053ae6dc5b-Paper.pdf.
https://proceedings.neurips.cc/paper/2018/file/1543843a4723ed2ab08e18053ae6dc5b-Paper.pdf

[39] شیرو تامیا و هایتا یاماساکی. "بهینه سازی بیزی خط شیب تصادفی: کاهش عکس های اندازه گیری در بهینه سازی مدارهای کوانتومی پارامتر" (2021). arXiv:2111.07952.
https://doi.org/10.1038/s41534-022-00592-6
arXiv: 2111.07952

[40] پاسکوال جردن و یوجین پل ویگنر. “über das paulische äquivalenzverbot”. در مجموعه آثار یوجین پل ویگنر. صفحات 109-129. اسپرینگر (1993).

[41] ماریا شولد، ویل برگهولم، کریستین گوگولین، جاش ایزاک و ناتان کیلوران. "ارزیابی گرادیان های تحلیلی بر روی سخت افزار کوانتومی". بررسی فیزیکی A 99, 032331 (2019).
https://doi.org/10.1103/PhysRevA.99.032331

[42] جونهو لی، ویلیام جی هاگینز، مارتین هد-گوردون و کی بیرگیتا ویلی. توابع موج خوشه ای جفت شده واحد برای محاسبات کوانتومی. مجله نظریه شیمی و محاسبات 15، 311-324 (2018).
https://doi.org/10.1021/acs.jctc.8b01004

[43] آلبرتو پروزو، جارود مک‌کلین، پیتر شادبولت، من-هنگ یونگ، شیائو-چی ژو، پیتر جی لاو، آلان آسپورو-گوزیک، و جرمی ال اوبرین. حل‌کننده ارزش ویژه متغیر در یک پردازنده کوانتومی فوتونیک. Nature Communications 5، 1-7 (2014). آدرس اینترنتی: https://doi.org/10.1038/ncomms5213.
https://doi.org/10.1038/ncomms5213

[44] ایلیا جی ریابینکین، تزو چینگ ین، اسکات ان جنین و آرتور اف ایزمایلوف. "روش خوشه ای جفت شده کیوبیت: یک رویکرد سیستماتیک به شیمی کوانتومی در یک کامپیوتر کوانتومی". مجله نظریه و محاسبات شیمی 14، 6317-6326 (2018).
https://doi.org/10.1021/acs.jctc.8b00932

[45] هو لون تانگ، VO شاکلنیکوف، جورج اس بارون، هارپر آر گریمزلی، نیکلاس جی میهال، ادوین بارنز، و سوفیا ای اکونومو. "qubit-ADAPT-VQE: یک الگوریتم تطبیقی برای ساختن تحلیل سخت افزاری کارآمد بر روی یک پردازنده کوانتومی". PRX Quantum 2, 020310 (2021).
https://doi.org/10.1103/PRXQuantum.2.020310

[46] دیمیتری A. فدوروف، یوری الکسیف، استفان کی گری و متیو اوتن. "روش زوج-خوشه ای انتخابی واحد". Quantum 6, 703 (2022).
https://doi.org/10.22331/q-2022-05-02-703

[47] پراناو گوخال، اولیویا آنگیولی، یونگشان دینگ، کایون گی، تیگ تومش، مارتین سوچارا، مارگارت مارتونوسی، و فردریک تی چونگ. "$ o (n^3) $ هزینه اندازه گیری برای حل ویژه کوانتومی متغیر در هامیلتونی های مولکولی". معاملات IEEE در مهندسی کوانتومی 1، 1-24 (2020).
https://doi.org/10.1109/TQE.2020.3035814

[48] روبینگ چن، مت منیکلی و کاتیا شاینبرگ. "بهینه سازی تصادفی با استفاده از روش منطقه اعتماد و مدل های تصادفی". برنامه نویسی ریاضی 169، 447-487 (2018).
https://doi.org/10.1007/s10107-017-1141-8

[49] لئون بوتو، فرانک ای کورتیس و خورخه نوسدال. "روش های بهینه سازی برای یادگیری ماشینی در مقیاس بزرگ". Siam Review 60, 223–311 (2018).
https://doi.org/10.1137/16M1080173

[50] یوئل دروری و اوحد شامیر. "پیچیدگی یافتن نقاط ثابت با نزول گرادیان تصادفی". در کنفرانس بین المللی یادگیری ماشین. صفحات 2658–2667. PMLR (2020). آدرس اینترنتی: https://proceedings.mlr.press/v119/drori20a.html.
https://proceedings.mlr.press/v119/drori20a.html

[51] کنگ فانگ، ژوچن لین و تانگ ژانگ. "تحلیل تیز برای SGD غیر محدب فرار از نقاط زین". در کنفرانس تئوری یادگیری. صفحات 1192-1234. PMLR (2019). آدرس اینترنتی: https://proceedings.mlr.press/v99/fang19a.html.
https://proceedings.mlr.press/v99/fang19a.html

[52] S Reddi، Manzil Zaheer، Devendra Sachan، Satyen Kale و Sanjiv Kumar. "روش های تطبیقی برای بهینه سازی غیر محدب". در مجموعه مقالات سی و دومین کنفرانس سیستم های پردازش اطلاعات عصبی (NIPS 32). (2018). آدرس اینترنتی: https://proceedings.neurips.cc/paper/2018/file/2018ccc90365351a7437dc1309e64db4a32-Paper.pdf.
https://proceedings.neurips.cc/paper/2018/file/90365351ccc7437a1309dc64e4db32a3-Paper.pdf

[53] لئون بوتو و اولیویه بوسکه. "معادل یادگیری در مقیاس بزرگ". در J. Platt، D. Koller، Y. Singer، و S. Roweis، ویراستاران، پیشرفت‌ها در سیستم‌های پردازش اطلاعات عصبی. جلد 20. Curran Associates, Inc. (2007). آدرس اینترنتی: https://proceedings.neurips.cc/paper/2007/file/0d3180d672e08b4c5312dcdafdf6ef36-Paper.pdf.
https://proceedings.neurips.cc/paper/2007/file/0d3180d672e08b4c5312dcdafdf6ef36-Paper.pdf

[54] پیتر جی کارالکاس، نیکلاس آ تزاک، اریک سی پترسون، کولم ای رایان، مارکوس پی داسیلوا و رابرت اس اسمیت. یک پلتفرم ابری کوانتومی کلاسیک بهینه شده برای الگوریتم های ترکیبی متغیر. علم و فناوری کوانتومی 5، 024003 (2020).
https://doi.org/10.1088/2058-9565/ab7559

[55] HJ Briegel، Tommaso Calarco، Dieter Jaksch، Juan Ignacio Cirac و Peter Zoller. محاسبات کوانتومی با اتم های خنثی مجله اپتیک مدرن 47، 415-451 (2000).
https://doi.org/10.1080/09500340008244052

[56] سرگئی براوی، جی ام گامبتا، آنتونیو مزاکاپو و کریستن تم. "کاهش کیوبیت ها برای شبیه سازی همیلتونی های فرمیونی" (2017). arXiv:1701.08213.
arXiv: 1701.08213

[57] دکتر ساجید انیس، هکتور آبراهام، آدووفی، روچیشا آگاروال، گابریله آگلیاردی، مراو آهارونی، اسماعیل یونس آخالویا، گدی الکساندرویچ، توماس الکساندر، متیو امی، ساشوات آناگولوم، الی آربل، آبراهام اسفاو، آنیش آتلیه‌ایف، "Qiskit: یک چارچوب منبع باز برای محاسبات کوانتومی" (2021).

[58] سییو ژو، ریچارد اچ بیرد، پیهوانگ لو و خورخه نوسدال. "الگوریتم 778: L-BFGS-B: زیربرنامه های فرترن برای بهینه سازی محدود محدود در مقیاس بزرگ". ACM Transactions on Mathematical Software (TOMS) 23, 550-560 (1997).
https://doi.org/10.1145/279232.279236

[59] راگو بولاپراگادا، ریچارد برد و خورخه نوسدال. "راهبردهای نمونه گیری تطبیقی برای بهینه سازی تصادفی". SIAM Journal on Optimization 28, 3312–3343 (2018).
https://doi.org/10.1137/17M1154679

[60] Raghu Bollapragada، Jorge Nocedal، Dheevatsa Mudigere، Hao-Jun Shi، و Ping Tak Peter Tang. "روش دسته ای مترقی L-BFGS برای یادگیری ماشین". در کنفرانس بین المللی یادگیری ماشین. صفحات 620–629. PMLR (2018). آدرس اینترنتی: https://proceedings.mlr.press/v80/bollapragada18a.html.
https://proceedings.mlr.press/v80/bollapragada18a.html

[61] راغو پسوپاتی، پیتر گلین، سومیادیپ قوش، و فاطمه س هاشمی. "در مورد نرخ نمونه برداری در بازگشت های مبتنی بر شبیه سازی". SIAM Journal on Optimization 28, 45-73 (2018).
https://doi.org/10.1137/140951679

[62] اندرو آراسمیت، لوکاس سینسیو، رولاندو دی سوما و پاتریک جی کولز. «نمونه‌گیری اپراتور برای بهینه‌سازی مقرون به صرفه در الگوریتم‌های متغیر» (2020). arXiv:2004.06252.
arXiv: 2004.06252

[63] یانگ یانگ ژو و ووتائو یین. "بلاک تکرار گرادیان تصادفی برای بهینه سازی محدب و غیر محدب". SIAM Journal on Optimization 25، 1686-1716 (2015).
https://doi.org/10.1137/140983938

ذکر شده توسط

[1] مت منیکلی، استفان ام. وایلد، و میائولان زی، "روش شبه نیوتنی تصادفی در غیاب اعداد تصادفی رایج"، arXiv: 2302.09128, (2023).

[2] کوسوکه ایتو، «تخصیص شات تطبیقی آگاه از تأخیر برای الگوریتم‌های کوانتومی متغیر کارآمد در زمان اجرا»، arXiv: 2302.04422, (2023).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-03-16 18:30:45). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

واکشی نشد داده های استناد شده متقاطع در آخرین تلاش 2023-03-16 18:30:43: داده های استناد شده برای 10.22331/q-2023-03-16-949 از Crossref دریافت نشد. اگر DOI اخیراً ثبت شده باشد، طبیعی است.

این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.

محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
منبع: https://quantum-journal.org/papers/q-2023-03-16-949/

تمبر زمان: مارس 16، 2023

تمبر زمان: ممکن است 24، 2023

ملاحظات تأخیر برای بهینه سازهای تصادفی در الگوریتم های کوانتومی متغیر

بازنشر افلاطون

چکیده

خلاصه محبوب

► داده های BibTeX

◄ مراجع

ذکر شده توسط

بیشتر از مجله کوانتومی

برآورد انرژی حالت پایه مقاوم در برابر نویز از مدارهای کوانتومی عمیق

ادغام مفاهیم مختلف ناسازگاری کوانتومی در یک سلسله مراتب دقیق از نظریه های منابع ارتباطی

در مورد نقش درهم تنیدگی در فشرده سازی مدار مبتنی بر qudit

محاسبات کوانتومی توزیع شده دوبخشی کارآمد درهم تنیدگی

کانال های میرایی دامنه رزونانس چند سطحی

کدهای محصول Quantum XYZ

قانون منطقه حرارتی برای بوزون های شبکه

دماسنج کوانتومی بحرانی و امکان سنجی آن در سیستم های اسپینی

مدارهای کانال های کوانتومی مکان و زمان

درباره‌ ما

جستجوی عمودی و هوش مصنوعی

سکو

همیشه در ارتباط ماندن

حساب