Parametriasetus painotettujen ongelmien kvantti-likimääräisessä optimoinnissa

Julkaissut Platon

seuraajia: 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
²Matematiikan laitos, Kalifornian yliopisto, Berkeley, CA 94720

Onko tämä artikkeli mielenkiintoinen vai haluatko keskustella? Scite tai jätä kommentti SciRate.

Abstrakti

Quantum Approximate Optimization Algorithm (QAOA) on johtava kandidaattialgoritmi kombinatoristen optimointiongelmien ratkaisemiseen kvanttitietokoneissa. Monissa tapauksissa QAOA vaatii kuitenkin laskennallisesti intensiivistä parametrien optimointia. Parametrien optimoinnin haaste on erityisen akuutti painotetuissa ongelmissa, joissa vaiheoperaattorin ominaisarvot ovat ei-kokonaislukuja ja QAOA-energiamaisema ei ole jaksollinen. Tässä työssä kehitämme QAOA:n parametrien asetusheuristiikkaa, jota sovelletaan yleiseen painotettujen ongelmien luokkaan. Ensin johdetaan optimaaliset parametrit QAOA:lle syvyydellä $p=1$, jota sovelletaan painotettuun MaxCut-ongelmaan eri painojen oletuksilla. Erityisesti todistamme tiukasti sen perinteisen viisauden, että keskimääräisessä tapauksessa ensimmäinen paikallinen optimi lähellä nollaa antaa globaalisti optimaaliset QAOA-parametrit. Toiseksi, $pgeq 1$:lla todistamme, että painotetun MaxCut:n QAOA-energiamaisema lähestyy painottamattoman tapauksen arvoa yksinkertaisella parametrien uudelleenskaalauksella. Siksi voimme käyttää painotettuihin ongelmiin aiemmin saatuja parametreja painottamattomalle MaxCutille. Lopuksi todistamme, että $p=1$ QAOA-tavoite keskittyy jyrkästi odotuksensa ympärille, mikä tarkoittaa, että parametriasetussäännömme pätevät suurella todennäköisyydellä satunnaiselle painotetulle ilmentymälle. Vahvistamme tämän lähestymistavan numeerisesti yleisillä painotetuilla kaavioilla ja osoitamme, että keskimäärin QAOA-energia ehdotetuilla kiinteillä parametreilla on vain $1.1 $ prosenttiyksikön päässä optimoiduilla parametreilla. Kolmanneksi ehdotamme yleistä heuristista uudelleenskaalausmallia, joka on saanut inspiraationsa painotetun MaxCutin analyyttisistä tuloksista, ja osoitamme sen tehokkuuden käyttämällä QAOA:ta ja XY Hamming-painoa säilyttävää sekoitinta, jota sovellettiin portfolion optimointiongelmaan. Heuristimme parantaa paikallisten optimoijien konvergenssia vähentäen iteraatioiden määrää keskimäärin 7.4-kertaisesti.

Suositeltu kuva: Menettely optimaalisten QAOA-parametrien siirtämiseksi Sherrington-Kirkpatrick (SK) -mallista painotettuun MaxCut-ongelmaan samankokoisessa tavallisessa kaaviossa. $gamma^{text{inf}}$ parametrit skaalataan ehdotetun menetelmän mukaan, kun taas $beta^{text{inf}}$ ovat kiinteitä. Kaavio osoittaa, että QAOA uudella skaalaustekniikalla saavuttaa korkeamman approksimaatiosuhteen kuin aikaisemmilla tekniikoilla ja on verrattavissa optimoituihin parametreihin.

Suosittu yhteenveto

Tämä työ tutkii parametrien asetussääntöjä QAOA:lle, johtavalle kvanttiheuristiselle algoritmille, jota sovelletaan yleiseen kombinatoristen optimointiongelmien luokkaan. Parametrien optimointi on merkittävä pullonkaula lähitulevaisuudessa. Ehdotetaan yleistä parametrin skaalausheuristiikkaa QAOA-parametrien siirtämiseksi painotettujen ongelmatapahtumien välillä, ja esitetään tarkkoja tuloksia, jotka osoittavat tämän menettelyn tehokkuuden MaxCutissa. Lisäksi numeeriset luvut osoittavat, että tämä menettely lyhentää merkittävästi QAOA:n koulutusaikaa salkun optimointiin, mikä on tärkeä ongelma rahoitussuunnittelussa.

► BibTeX-tiedot

@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} }

► Viitteet

[1] Michael A Nielsen ja Isaac L Chuang. "Kvanttilaskenta ja kvanttitieto". Cambridgen yliopiston lehdistö. (2010).
https: / / doi.org/ 10.1017 / CBO9780511976667

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Aleksei Galda, Ilja Safro, Yue Sun, Marco Pistoia ja Juri Alekseev. "Tutkimus rahoituksen kvanttilaskentaan" (2022). url: https:///doi.org/10.48550/arXiv.2201.02773.
https:///doi.org/10.48550/arXiv.2201.02773

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

[4] Edward Farhi, Jeffrey Goldstone ja Sam Gutmann. "Kvanttilikimääräinen optimointialgoritmi" (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. "Kvanttilikimääräisestä optimointialgoritmista kvanttivaihtuvaan operaattoriin ansatz". Algoritmit 12, 34 (2019). URL-osoite: https:///doi.org/10.3390/a12020034.
https: / / doi.org/ 10.3390 / a12020034

[6] Sami Boulebnane ja Ashley Montanaro. "Boolen tyydyttävyysongelmien ratkaiseminen kvanttilikimääräisellä optimointialgoritmilla" (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. "Kvanttilikimääräinen optimointialgoritmi suurella syvyydellä maksimileikkaukselle suuren ympäryksen säännöllisissä kaavioissa ja sherrington-kirkpatrick-mallissa". Proceedings of the Conference on the Theory of Quantum Computation, Communication and Cryptography 7, 1–21 (2022).
https:///doi.org/10.4230/LIPICS.TQC.2022.7

[8] Matthew B. Hastings. "Klassinen algoritmi, joka voittaa myös $frac{1}{2}+frac{2}{pi}frac{1}{sqrt{d}}$ korkean ympärysmitan maksimileikkauksessa" (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. "Parametrien siirto painotetun MaxCutin kvanttilikimääräiseen optimointiin". 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. "Peptidin konformaationäytteenotto kvanttilikimääräisellä optimointialgoritmilla". 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. "Salkun optimoinnin suorituskyvyn vertailu qaoan avulla". Quantum Information Processing 22, 25 (2022).
https://doi.org/10.1007/s11128-022-03766-5

[12] Sami Boulebnane ja Ashley Montanaro. "Kvanttilikimääräisen optimointialgoritmin parametrien ennustaminen äärettömän koon rajan enimmäisleikkaukselle" (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. "Kvanttilikimääräinen optimointialgoritmi ja Sherrington-Kirkpatrickin malli äärettömässä koossa". Quantum 6, 759 (2022).
https://doi.org/10.22331/q-2022-07-07-759

[14] Amir Dembo, Andrea Montanari ja Subhabrata Sen. "Extremal cuts of harvan satunnaiset kaaviot". The Annals of Probability 45 (2017).
https:///doi.org/10.1214/15-aop1084

[15] Gavin E Crooks. "Kvanttilikimääräisen optimointialgoritmin suorituskyky maksimileikkausongelmassa" (2018). url: https:///doi.org/10.48550/arXiv.1811.08419.
https:///doi.org/10.48550/arXiv.1811.08419

[16] Michael Streif ja Martin Leib. "Kvanttilikimääräisen optimointialgoritmin koulutus ilman pääsyä kvanttiprosessointiyksikköön". 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 Mikhail D. Lukin. "Kvanttilikimääräinen optimointialgoritmi: Suorituskyky, mekanismi ja toteutus lähiaikaisissa laitteissa". Physical Review X 10, 021067 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.021067

[18] Ruslan Shaydulin, Ilya Safro ja Jeffrey Larson. "Multistart menetelmät kvanttilikimääräiseen optimointiin". IEEE High Performance Extreme Computing -konferenssissa. Sivut 1-8. (2019).
https:///doi.org/10.1109/hpec.2019.8916288

[19] Xinwei Lee, Yoshiyuki Saito, Dongsheng Cai ja Nobuyoshi Asai. "Parametrien kiinnitysstrategia kvanttilikimääräiselle optimointialgoritmille". 2021 IEEE International Conference on Quantum Computing and Engineering (QCE) (2021).
https:///doi.org/10.1109/qce52317.2021.00016

[20] Stefan H. Sack ja Maksym Serbyn. "Kvanttilikimääräisen optimointialgoritmin kvanttihehkutusalustaminen". 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. "Iteratiivista vapaa kvanttilikimääräinen optimointialgoritmi neuroverkkoja käyttämällä" (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. "Tensoriverkkokvanttisimulaattori, jossa on askelriippuvainen rinnastus". Vuonna 2022 IEEE International Conference on Quantum Computing and Engineering (QCE). Sivut 582–593. (2022).
https: / / doi.org/ 10.1109 / QCE53715.2022.00081

[23] Matija Medvidović ja Giuseppe Carleo. "Kvanttilikimääräisen optimointialgoritmin klassinen variaatiosimulaatio". npj Quantum Information 7 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00440-z

[24] Ruslan Shaydulin ja Stefan M. Wild. "Symmetrian hyödyntäminen vähentää QAOA-koulutuksen kustannuksia". IEEE Transactions on Quantum Engineering 2, 1–9 (2021).
https: / / doi.org/ 10.1109 / tqe.2021.3066275

[25] Ruslan Shaydulin ja Juri Alekseev. "Kvanttilikimääräisen optimointialgoritmin arviointi: tapaustutkimus". Kymmenes kansainvälinen Green and Sustainable Computing -konferenssi (2019).
https: / / doi.org/ 10.1109 / IGSC48788.2019.8957201

[26] Fernando GSL Brandão, Michael Broughton, Edward Farhi, Sam Gutmann ja Hartmut Neven. "Kiinteille ohjausparametreille kvanttilikimääräisen optimointialgoritmin tavoitefunktion arvo keskittyy tyypillisiin tapauksiin" (2018). URL-osoite: 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. "Parametripitoisuudet kvanttilikimääräisessä optimoinnissa". 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. "Empiiriset suorituskykyrajat kvanttilikimääräiselle optimoinnille". 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. "Optimaattisten qaoa-parametrien siirrettävyys satunnaisten kaavioiden välillä". Vuonna 2021 IEEE International Conference on Quantum Computing and Engineering (QCE). Sivut 171-180. (2021).
https: / / doi.org/ 10.1109 / QCE52317.2021.00034

[30] Xinwei Lee, Ningyi Xie, Dongsheng Cai, Yoshiyuki Saito ja Nobuyoshi Asai. "Syvyysprogressiivinen alustusstrategia kvanttilikimääräiselle optimointialgoritmille". Mathematics 11, 2176 (2023).
https:///doi.org/10.3390/math11092176

[31] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Juri Alekseev ja Prasanna Balaprakash. "Oppiminen optimoimaan variaatiokvanttipiirejä kombinatoristen ongelmien ratkaisemiseksi". Tekoälyn AAAI-konferenssin aineisto 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. "Oppimaan oppimaan kvanttihermoverkkojen avulla klassisten hermoverkkojen kautta" (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 Alekseev ja Prasanna Balaprakash. "Vahvistusoppimiseen perustuva variaatiokvanttipiirien optimointi kombinatorisiin ongelmiin" (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. "Vahvistus-oppimisavusteinen kvanttioptimointi". Physical Review Research 2 (2020).
https: / / doi.org/ 10.1103 / physrevresearch.2.033446

[35] Mahabubul Alam, Abdullah Ash-Saki ja Swaroop Ghosh. "Kvanttilikimääräisen optimointialgoritmin kiihtyminen koneoppimisen avulla". 2020 Design, Automation & Test in Europe Conference & Exhibition (PÄIVÄMÄÄRÄ) (2020).
https:///doi.org/10.23919/date48585.2020.9116348

[36] Jiahao Yao, Lin Lin ja Marin Bukov. "Vahvistava oppiminen monen kehon perustilaan valmistautumiseen vastadiabaattisen ajamisen innoittamana". Physical Review X 11 (2021).
https: / / doi.org/ 10.1103 / physrevx.11.031070

[37] Zhihui Wang, Stuart Hadfield, Zhang Jiang ja Eleanor G. Rieffel. "Kvanttilikimääräinen optimointialgoritmi MaxCut:lle: fermioninen näkymä". Physical Review A 97 (2018).
https: / / doi.org/ 10.1103 / physreva.97.022304

[38] Jonathan Wurtz ja Danylo Lykov. "Kiinteän kulman arvaus QAOA:lle tavallisissa MaxCut-kaavioissa" (2021). url: https:///doi.org/10.48550/arXiv.2107.00677.
https:///doi.org/10.48550/arXiv.2107.00677

[39] Stuart Hadfield. "Kvanttialgoritmit tieteelliseen laskemiseen ja likimääräiseen optimointiin" (2018). url: https:///doi.org/10.48550/1805.03265.
https: / / doi.org/ 10.48550 / +1805.03265

[40] Paul Glasserman. "Monte Carlon menetelmät rahoitussuunnittelussa". Osa 53. Springer. (2004).
https://doi.org/10.1007/978-0-387-21617-1

[41] Walter Rudin. "Todellinen ja monimutkainen analyysi". McGraw-Hill. (1974).

[42] Walter Rudin. "Matemaattisen analyysin periaatteet". McGraw-mäki. (1976).

[43] Colin McDiarmid. "Rajallisten erojen menetelmästä". Sivut 148–188. Lontoon matematiikan seuran luentomuistiinpanosarja. Cambridge University Press. (1989).
https: / / doi.org/ 10.1017 / CBO9781107359949.008

[44] Lutz Warnke. "Tyypillisten rajallisten erojen menetelmästä". Combinatorics, Probability and Computing 25, 269–299 (2016).
https: / / doi.org/ 10.1017 / S0963548315000103

[45] Roman Vershynin. "Suuriulotteinen todennäköisyys: johdanto datatieteen sovelluksiin". Cambridge-sarja tilastollisessa ja todennäköisyyslaskennassa. Cambridge University Press. (2018).
https: / / doi.org/ 10.1017 / +9781108231596

[46] Joao Basso, David Gamarnik, Song Mei ja Leo Zhou. "QAOA:n suorituskyky ja rajoitukset vakiotasoilla suurissa harvassa hypergraafissa ja spin lasimalleissa". 2022 IEEE 63rd Annual Symposium on Foundations of Computer Science (FOCS) (2022).
https:///doi.org/10.1109/focs54457.2022.00039

[47] G Parisi. "Jos likimääräisiä ratkaisuja spin-lasien sk-malliin". Journal of Physics A: Mathematical and General 13, L115 (1980).
https://doi.org/10.1088/0305-4470/13/4/009

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

[49] Dmitri Panchenko. "Sherrington-Kirkpatrickin malli". Springer Science & Business Media. (2013).
https://doi.org/10.1007/978-1-4614-6289-7

[50] Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz ja Phillip C Lotshaw. "QAOAKit: Työkalusarja QAOA:n toistettavaan tutkimiseen, soveltamiseen ja todentamiseen". Toinen kansainvälinen kvanttilaskentaohjelmistojen työpaja (2021).
https:///doi.org/10.1109/QCS54837.2021.00011

[51] Joao Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga ja Leo Zhou. "Kvanttilikimääräinen optimointialgoritmi suurella syvyydellä maksimileikkaukselle suuren ympäryksen säännöllisissä kaavioissa ja sherrington-kirkpatrick-mallissa" (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. "Rajoitettu optimointi kvanttizenodynamiikan kautta". Communications Physics 6, 219 (2023).
https://doi.org/10.1038/s42005-023-01331-9

[53] N. Slate, E. Matwiejew, S. Marsh ja JB Wang. "Kvanttikävelypohjainen portfoliooptimointi". 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. "Portfolion tasapainotuskokeet käyttämällä kvanttialternoivaa operaattoria 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 ja Jeffrey Larson. "Rajoitetun energian hyödyntäminen rajoitetussa variaatiokvanttioptimoinnissa". 2022 IEEE/ACM kolmas kansainvälinen työpaja kvanttilaskentaohjelmistoista (QCS) (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. "Alkutilan ja mikserin välinen kohdistus parantaa qaoa-suorituskykyä rajoitettua optimointia varten." npj Quantum Information 9, 121 (2023).
https://doi.org/10.1038/s41534-023-00787-5

[57] "Qiskit rahoitus". https:///qiskit.org/documentation/finance/.
https:///qiskit.org/documentation/finance/

[58] Steven G. Johnson. "NLopt epälineaarinen optimointipaketti" (2022). http:///github.com/stevengj/nlopt.
http:///github.com/stevengj/nlopt

[59] Michael JD Powell. "BOBYQA-algoritmi sidottuun rajoitettuun optimointiin ilman johdannaisia". Cambridge NA -raportti NA2009/06 26 (2009).

[60] Ruslan Shaydulin ja Stefan M. Wild. "Ytimen kaistanleveyden merkitys kvanttikoneoppimisessa". 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. "Kaistanleveys mahdollistaa yleistyksen kvanttiydinmalleissa" (2022). URL-osoite: 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. "Pako karulta tasangolta Gaussin alustuksen kautta syvän vaihtelun kvanttipiireissä". Kirjassa Advances in Neural Information Processing Systems. Nide 35, sivut 18612–18627. Curran Associates, Inc. (2022).

Viitattu

[1] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexey Galda, Ilya Safro, Marco Pistoia ja Juri Alekseev, "Quantum computing for Financial", Luontoarvostelut Fysiikka 5 8, 450 (2023).

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

[3] Igor Gaidai ja 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 ja Marco Pistoia, "Rajoitettu optimointi kvanttizenodynamiikan avulla", Viestinnän fysiikka 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, "Todisteita kvanttisuoraan optimointialgoritmin skaalausedusta klassisessa vaikeassa ongelmassa", 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, "Kvanttipiirien suunnittelu ja toteutus käyttämällä kymmeniä suprajohtavia kubitteja ja tuhansia portteja tiheisiin Ising-optimointiongelmiin". arXiv: 2308.12423, (2023).

[7] Mara Vizzuso, Gianluca Passarelli, Giovanni Cantele ja Procolo Lucignano, "Convergence of Digitalis-Counterdiabatic QAOA: piirin syvyys vs. vapaat parametrit", arXiv: 2307.14079, (2023).

Yllä olevat sitaatit ovat peräisin SAO: n ja NASA: n mainokset (viimeksi päivitetty onnistuneesti 2024-01-19 00:28:46). Lista voi olla puutteellinen, koska kaikki julkaisijat eivät tarjoa sopivia ja täydellisiä viittaustietoja.

On Crossrefin siteerattu palvelu tietoja teosten viittaamisesta ei löytynyt (viimeinen yritys 2024-01-19 00:28:44).

Tämä kirja on julkaistu Quantum - lehdessä Creative Commons Nimeäminen 4.0 Kansainvälinen (CC BY 4.0) lisenssin. Tekijänoikeudet säilyvät alkuperäisillä tekijänoikeuksien haltijoilla, kuten tekijöillä tai heidän instituutioillaan.

SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
Lähde: https://quantum-journal.org/papers/q-2024-01-18-1231/

Aikaleima: Tammikuu 18, 2024

Aikaleima: Joulukuu 4, 2023

Parametrien asetus painotettujen ongelmien kvanttisuorassa optimoinnissa

Julkaissut Platon

Abstrakti

Suosittu yhteenveto

► BibTeX-tiedot

► Viitteet

Viitattu

Lisää aiheesta Quantum Journal

Variaatiokvanttialgoritmi rajoittamattomaan mustan laatikon binäärioptimointiin: Sovellus ominaisuuden valintaan

Täysin ei-positiivinen-osittain-transponoi aidosti sotkeutuneita aliavaruuksia

Kietoutumisulottuvuuden rajoittaminen kovarianssimatriisista

Kvanttilogiikka portti vapaille elektroneille

Moniosainen sisäinen ei-paikallinen ja laitteista riippumaton konferenssiavainsopimus

Laiteriippumattoman salauksen tehostaminen kolmiosaisella ei-paikallisuudella

Kvanttiviestinvälitysalgoritmi optimaaliseen ja tehokkaaseen dekoodaukseen

Pentagonien parimittauspinnan koodi

Käytännön satunnaisuuden vahvistus ja yksityistäminen toteutuksilla kvanttitietokoneilla

Käännettävien, turhautumattomien perustilojen vakaus suuria häiriöitä vastaan

Stabilisaattoritilojen muunnokset kvanttiverkoissa

Tietoa meistä

Pystysuuntainen haku ja Ai

foorumi

Pysy yhteydessä

Tili