量子トンネリングウォークによる非凸最適化の量子高速化について

【1] Zeyuan Allen-Zhu と Yuanzhi Li Neon2: 一次オラクルを介して極小値を見つける。 『Advances in Neural Information Processing Systems』、3716 ～ 3726 ページ、2018 年。URL http://papers.neurips.cc/paper/7629-neon2-finding-local-minima-via-first-order-oracles。 pdf。 arXiv:1711.06673。
arXiv：1711.06673
http://papers.neurips.cc/paper/7629-neon2-finding-local-minima-via-first-order-oracles.pdf

【2] アニマシュリー・アナンドクマール、ロン・ゲー、ダニエル・スー、シャム・M・カカデ、マトゥス・テルガルスキー。 潜在変数モデルを学習するためのテンソル分解。 Journal of machine learning Research、15: 2773–2832、2014。URL https:/ / jmlr.org/ papers/ volume15/ anandkumar14b/ 。 arXiv:1210.7559v4。
arXiv：1210.7559v4
https:/ / jmlr.org/ papers/ volume15/ anandkumar14b/

【3] ベン・アンドリュースとジュリー・クラッターバック。 基本的なギャップ予想の証明。 Journal of the American Mathematical Society、24 (3): 899–916、2011。ISSN 08940347、10886834。URL http://www.jstor.org/stable/23072145。 arXiv:1006.1686。
arXiv：1006.1686
http：/ / www.jstor.org/ stable / 23072145

【4] ヨラン・ファン・アペルドールンとアンドラーシュ・ギリエン。 アプリケーションによる量子 SDP 解決の改善。 オートマトン、言語、およびプログラミングに関する第 46 回国際コロキウムの議事録、ライプニッツ国際情報学会議 (LIPIcs) の第 132 巻、99:1 ～ 99:15 ページ。 Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik、2019. 10.4230/LIPIcs.ICALP.2019.99。 arXiv:1804.05058。
https：/ / doi.org/ 10.4230 / LIPIcs.ICALP.2019.99
arXiv：1804.05058

【5] ヨラン・ファン・アペルドールン、アンドラーシュ・ギリエン、サンダー・グリブリング、ロナルド・デ・ウルフ。 量子 SDP ソルバー: 上限と下限の改善。 コンピュータ サイエンスの基礎に関する第 58 回年次シンポジウムの議事録。 IEEE、2017. 10.1109/FOCS.2017.44。 arXiv:1705.01843。
https：/ / doi.org/ 10.1109 / FOCS.2017.44
arXiv：1705.01843

【6] ヨラン・ファン・アペルドールン、アンドラーシュ・ギリエン、サンダー・グリブリング、ロナルド・デ・ウルフ。 量子オラクルを使用した凸最適化。 量子、4: 220、2020。10.22331/q-2020-01-13-220。 arXiv:1809.00643。
https:/​/​doi.org/​10.22331/​q-2020-01-13-220
arXiv：1809.00643

【7] フランク・アルテ、クナル・アリヤ、ライアン・バブッシュ、デイブ・ベーコン、ジョセフ・C・バーディン、ラミ・バレンズ、セルジオ・ボイショ、マイケル・ブロートン、ボブ・B・バックリー、デヴィッド・A・ビューエル、ブライアン・バーケット、ニコラス・ブシュネル、ユー・チェン、ジジュン・チェン、ベンジャミン・キアーロ、ロベルト・コリンズ、ウィリアム・コートニー、ショーン・デムラ、アンドリュー・ダンズワース、エドワード・ファーヒ、オースティン・ファウラー、ブルックス・フォクセン、クレイグ・ギドニー、マリッサ・ジュスティナ、ロブ・グラフ、スティーブ・ハベガー、マシュー・P・ハリガン、アラン・ホー、サブリナ・ホン、トレント・ファン、ウィリアム・J . ハギンズ、レフ・イオッフェ、セルゲイ・V・イサコフ、エヴァン・ジェフリー、張江、コディ・ジョーンズ、ドヴィル・カフリ、コスティアンティン・ケチェジ、ジュリアン・ケリー、ソン・キム、ポール・V・クリモフ、アレクサンダー・コロトコフ、ヒョードル・コストトリツァ、デビッド・ランドハウス、パベル・ラプテフ、マイクリンドマーク、エリック・ルセロ、オリオン・マーティン、ジョン・M・マルティニス、ジャロッド・R・マクリーン、マット・マキュウェン、アンソニー・メグラント、シャオ・ミ、マスード・モーセニ、ヴォイチェフ・ムルツキェヴィッチ、ジョシュ・ムートゥス、オファー・ナアマン、マシュー・ニーリー、チャールズ・ニール、ハルトムート・ネヴェン、マーフィー・ユジェンニウ、トーマス・E・オブライエン、エリック・オストビー、アンドレ・ペトゥホフ、ハラルド・パターマン、クリス・キンタナ、ペドラム・ローシャン、ニコラス・C・ルービン、ダニエル・サンク、ケビン・J・サッツィンガー、ヴァディム・スメリャンスキー、ダグ・ストレイン、ケビン・J・サング、マルコ・ザレー、タイラー・Y・タケシタ、アミット・ヴァインセンチャー、セオドア・ホワイト、ネイサン・ウィーブ、Z・ジェイミー・ヤオ、ピン・イェー、アダム・ザルクマン。 超伝導量子ビット量子コンピューターに関するハートリー・フォック氏。 サイエンス、369 (6507): 1084–1089、2020。10.1126/science.abb9811。 URL https:/ / science.sciencemag.org/ content/ 369/ 6507/ 1084.abstract。 arXiv:2004.04174。
https：/ / doi.org/ 10.1126 / science.abb9811
arXiv：2004.04174
https:/ / science.sciencemag.org/ content/ 369/ 6507/ 1084.abstract

【8] ヨシ・アティアとシャンタナフ・チャクラボルティ。 クォンタムウォークのヒット時間の上限を改善しました。 Physical Review A、104: 032215、2021 年 2469 月。ISSN 9934-10.1103。 104.032215/フィスレバ.10.1103。 URL http://dx.doi.org/104.032215/PhysRevA.2005.04062。 arXiv:5vXNUMX。
https：/ / doi.org/ 10.1103 / physreva.104.032215
arXiv：2005.04062v5

【9] カルロ・バルダッシとリッカルド・ゼッキーナ。 非凸学習問題における量子アニーリングと古典的アニーリングの効率。 米国科学アカデミー紀要、115 (7): 1457–1462、2018 年 1091 月。ISSN 6490-10.1073。 1711456115/pnas.10.1073。 URL http://dx.doi.org/1711456115/pnas.1706.08470。 arXiv:XNUMX。
https：/ / doi.org/ 10.1073 / pnas.1711456115
arXiv：1706.08470

【10] チャールズ・H・ベネット、イーサン・バーンスタイン、ジル・ブラサール、ウメッシュ・ヴァジラニ。 量子コンピューティングの長所と短所。 SIAM ジャーナル オン コンピューティング、26 (5): 1510–1523、1997。10.1137/S0097539796300933。 URL https:/ / doi.org/ 10.1137/ S0097539796300933。 arXiv:quant-ph/9701001。
https：/ / doi.org/ 10.1137 / S0097539796300933
arXiv：quant-ph / 9701001

【11] マイケル・ベタンコート、マイケル・I・ジョーダン、アシア・C・ウィルソン。 シンプレクティック最適化について、2018。arXiv:1802.03653。
arXiv：1802.03653

【12] セルジオ・ボイショとロランド・D・ソンマ。 量子断熱近似の必要条件。 フィジカル レビュー A、81 (3): 032308、2010. 10.1103/PhysRevA.81.032308。 URL https:/ / journals.aps.org/ pra/ abstract/ 10.1103/ PhysRevA.81.032308。 arXiv:0911.1362。
https：/ / doi.org/ 10.1103 / PhysRevA.81.032308
arXiv：0911.1362

【13] フェルナンドGSLブランダオンとクリスタ・スヴォレ。 半正定値プログラミングの量子高速化。 第 58 回コンピュータ サイエンスの基礎に関する年次シンポジウム議事録、415 ～ 426 ページ、2017 年。10.1109/FOCS.2017.45。 arXiv:1609.05537。
https：/ / doi.org/ 10.1109 / FOCS.2017.45
arXiv：1609.05537

【14] フェルナンド GSL ブランドン、アミール カレブ、トンヤン リー、セドリック イェンユー リン、クリスタ M. スヴォレ、シャオディ ウー。 量子 SDP ソルバー: 大幅な高速化、最適化、量子学習へのアプリケーション。 オートマトン、言語、およびプログラミングに関する第 46 回国際コロキウムの議事録、ライプニッツ国際情報学会議 (LIPIcs) の第 132 巻、27:1 ～ 27:14 ページ。 Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik、2019. 10.4230/ LIPIcs.ICALP.2019.27。 arXiv:1710.02581。
https：/ / doi.org/ 10.4230 / LIPIcs.ICALP.2019.27
arXiv：1710.02581

【15] ショウヴァニク・チャクラバルティ、アンドリュー・M・チャイルズ、トンヤン・リー、シャオディ・ウー。 量子アルゴリズムと凸最適化の下限。 Quantum、4: 221、2020。10.22331/q-2020-01-13-221。 arXiv:1809.01731。
https:/​/​doi.org/​10.22331/​q-2020-01-13-221
arXiv：1809.01731

【16] シャンタナフ・チャクラボルティ、カイル・ルー、ジェレミー・ローランド。 量子ウォークはどれくらいの速度で混合しますか? Physical Review Letters、124: 050501、2020 年 10.1103 月。124.050501/PhysRevLett.10.1103。 URL https:// / link.aps.org/ doi/ 124.050501/ PhysRevLett.2001.06305。 arXiv:1vXNUMX。
https：/ / doi.org/ 10.1103 / PhysRevLett.124.050501
arXiv：2001.06305v1

【17] プラティク・チャウダリとステファノ・ソアット。 確率的勾配降下法は変分推論を実行し、深いネットワークのリミット サイクルに収束します。 2018 年の情報理論とアプリケーション ワークショップ (ITA)、1 ～ 10 ページ、2018 年。10.1109/ITA.2018.8503224。 arXiv:1710.11029v2。
https：/ / doi.org/ 10.1109 / ITA.2018.8503224
arXiv：1710.11029v2

【18] アンドリュー・M・チャイルズ、リチャード・クリーブ、エンリコ・デオット、エドワード・ファーヒ、サム・ガットマン、ダニエル・A・スピルマン。 量子ウォークによる指数関数的なアルゴリズムの高速化。 コンピューティング理論に関する第 03 回年次 ACM シンポジウム議事録、STOC '59、68 ～ 2003 ページ、米国ニューヨーク州ニューヨーク、1581136749 年。コンピューティング機械協会。 ISBN 10.1145. 780542.780552/ 10.1145. URL https:/ / doi.org/ 780542.780552/ 0209131。 arXiv:quant-ph/2vXNUMX。
https：/ / doi.org/ 10.1145 / 780542.780552
arXiv：quant-ph / 0209131v2

【19] アンドリュー・M・チャイルズ、ジンペン・リウ、アーロン・オストランダー。 偏微分方程式の高精度量子アルゴリズム。 Quantum、5: 574、2021 年 2521 月。ISSN 327-10.22331X。 2021/q-11-10-574-10.22331。 URL http://dx.doi.org/2021/q-11-10-574-2002.07868。 arXiv:XNUMX。
https:/​/​doi.org/​10.22331/​q-2021-11-10-574
arXiv：2002.07868

【20] ピエール・コモン、ザビエル・ルチアーニ、アンドレ・LF・デ・アルメイダ。 テンソル分解、交互最小二乗法、その他の話。 Journal of Chemometrics、23: 393–405、2009 年 10.1002 月、1236/cem.00410057。 URL https:// / hal.archives-ouvertes.fr/ hal-XNUMX。
https:/ / doi.org/ 10.1002/ cem.1236
https：/ / hal.archives-ouvertes.fr/ hal-00410057

【21] ペドロCSコスタ、スティーブン・ジョーダン、アーロン・オストランダー。 波動方程式をシミュレートするための量子アルゴリズム。 Physical Review A、99: 012323、2019 年 10.1103 月。99.012323/PhysRevA.10.1103。 URL https:// / link.aps.org/ doi/ 99.012323/ PhysRevA.1711.05394。 arXiv:XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.99.012323
arXiv：1711.05394

【22] クリストファー・クリスティエロとニコラ・ブーマル。 負の曲率は、正確な一次オラクルであっても、測地凸面最適化の加速を妨げます。2021. arXiv:2111.13263。
arXiv：2111.13263

【23] エリザベス・クロッソンとアラム・W・ハロー。 シミュレーテッド量子アニーリングは、従来のシミュレーテッド アニーリングよりも指数関数的に高速になる可能性があります。 2016 年の IEEE 57th Annual Symposium on Foundations of Computer Science (FOCS)、714 ～ 723 ページ。 IEEE、2016 年 10.1109 月、2016.81/focs.10.1109。 URL http://dx.doi.org/2016.81/FOCS.1601.03030。 arXiv:XNUMX。
https：/ / doi.org/ 10.1109 / focs.2016.81
arXiv：1601.03030

【24] ムエズ・ディマッシとヨハネス・ショーストランド。 準古典限界におけるスペクトル漸近。 ロンドン数学会講義ノートシリーズ。 ケンブリッジ大学出版局、1999 年。10.1017/CBO9780511662195。
https：/ / doi.org/ 10.1017 / CBO9780511662195

【25] フェリックス・ドラクスラー、カンビス・ヴェシュジーニ、マンフレッド・ザルムホーファー、フレッド・ハンプレヒト。 ニューラル ネットワークのエネルギー環境には基本的に障壁はありません。 機械学習に関する国際会議、1309 ～ 1318 ページ。 PMLR、2018 年。URL http:/ / proceedings.mlr.press/ v80/ draxler18a.html。 arXiv:1803.00885。
arXiv：1803.00885
http:// / proceedings.mlr.press/v80/draxler18a.html

【26] ルンヤオ・ドゥアン。 量子断熱定理再考、2020 年。arXiv:2003.03063v1。
arXiv：2003.03063v1

【27] ジョン・ドゥチ、エラド・ハザン、ヨーラム・シンガー。 オンライン学習と確率的最適化のための適応劣勾配法。 Journal of Machine Learning Research、12 (61): 2121–2159、2011。URL https:/ / www.jmlr.org/ papers/ volume12/ duchi11a/ duchi11a.pdf。
https:/ / www.jmlr.org/ papers/ volume12/ duchi11a/ duchi11a.pdf

【28] セパール・エバディ、タウト・T・ワン、ハリー・レヴィン、アレクサンダー・キースリング、ジュリア・セメギニ、アーメド・オムラン、ドレフ・ブルフスタイン、ライン・サマイダール、ハンネス・ピヒラー、ウェン・ウェイホー、スンウォン・チョイ、スビル・シャクデフ、マルクス・グライナー、ヴラダン・ヴレティッチ、ミハイル・D・ルーキン。 256 原子のプログラム可能な量子シミュレーター上の物質の量子相。 ネイチャー、595 (7866): 227–232、2021. 10.1038/ s41586-021-03582-4。 URL https://www.nature.com/articles/s41586-021-03582-4。
https:/​/​doi.org/​10.1038/​s41586-021-03582-4
https：/ / www.nature.com/ articles / s41586-021-03582-4

【29] Cong Fang、Chris Junchi Li、Zhouchen Lin、Tong Zhang。 Spider: 確率的パス統合微分推定器による、最適に近い非凸最適化。 『Advances in Neural Information Processing Systems』、689 ～ 699 ページ、2018 年。URL https:/ / dl.acm.org/ doi/ abs/ 10.5555/ 3326943.3327007。 arXiv:1807.01695。
arXiv：1807.01695
https：/ / dl.acm.org/ doi / abs / 10.5555 / 3326943.3327007

【30] Cong Fang、Zhouchen Lin、Tong Zhang。 鞍点から逃げる非凸 SGD の鋭い分析。 学習理論会議、1192 ～ 1234 ページ、2019 年。URL http:/ / proceedings.mlr.press/ v99/ fang19a.html。 arXiv:1902.00247。
arXiv：1902.00247
http:// / proceedings.mlr.press/ v99/ fang19a.html

【31] エドワード・ファーヒ、ジェフリー・ゴールドストーン、サム・ガットマン、ジョシュア・ラパン、アンドリュー・ラングレン、ダニエル・プレダ。 NP 完全問題のランダムなインスタンスに適用される量子断熱進化アルゴリズム。 Science、292 (5516): 472–475、2001 年 1095 月。ISSN 9203-10.1126。 1057726/サイエンス.10.1126。 URL http://dx.doi.org/1057726/science.0104129。 arXiv:quant-ph/XNUMX.
https：/ / doi.org/ 10.1126 / science.1057726
arXiv：quant-ph / 0104129

【32] AB フィニラ、MA ゴメス、C. セベニク、C. ステンソン、JD ドール。 量子アニーリング: 多次元関数を最小化する新しい方法。 Chemical Physics Letters、219 (5-6): 343–348、1994 年 0009 月。ISSN 2614-10.1016。 0009/2614-94(00117)0-10.1016。 URL http://dx.doi.org/0009/2614-94(00117)0-9404003。 arXiv:chem-ph/XNUMX。
https:/​/​doi.org/​10.1016/​0009-2614(94)00117-0
arXiv:chem-ph/9404003

【33] モージェ・フランソワ。 シンプレクティック リープ フロッグ スキーム、2020。URL https:/ / www.mathworks.com/ matlabcentral/ fileexchange/ 38652-symplectic-leap-frog-scheme。 https: / / www.mathworks.com / matlabcentral / fileexchange / 38652-symplectic-leap-frog-scheme。
https：/ / www.mathworks.com/ matlabcentral / fileexchange / 38652-symplectic-leap-frog-scheme

【34] アラン・フリーズ、マーク・ジェラム、ラヴィ・カンナン。 線形変換を学習します。 第 37 回コンピュータ サイエンスの基礎に関する会議の議事録、359 ～ 368 ページ、1996 年。10.1109/SFCS.1996.548495。
https：/ / doi.org/ 10.1109 / SFCS.1996.548495

【35] ティムール・ガリポフ、パベル・イズマイロフ、ドミトリー・ポドプリヒン、ドミトリー・ヴェトロフ、アンドリュー・ゴードン・ウィルソン。 損失曲面、モード接続性、DNN の高速アンサンブル。 『Advances in Neural Information Processing Systems』、8803 ～ 8812 ページ、2018 年。URL https:/ / dl.acm.org/ doi/ abs/ 10.5555/ 3327546.3327556。 arXiv:1802.10026。
arXiv：1802.10026
https：/ / dl.acm.org/ doi / abs / 10.5555 / 3327546.3327556

【36] 栄格と馬天宇。 テンソル分解の最適化ランドスケープについて。 数学的プログラミング、1 ～ 47 ページ、2020。ISSN 1436-4646。 10.1007/s10107-020-01579-x。 URL https:/ / doi.org/ 10.1007/ s10107-020-01579-x。 arXiv:1706.05598v1。
https：/ / doi.org/ 10.1007 / s10107-020-01579-x
arXiv：1706.05598v1

【37] 栄格、黄芙蓉、志進、楊源。 鞍点からの脱出 – テンソル分解のためのオンライン確率的勾配。 第 28 回学習理論会議議事録、機械学習研究論文集第 40 巻、797 ～ 842 ページ、2015 年。URL http://proceedings.mlr.press/v40/Ge15。 arXiv:1503.02101。
arXiv：1503.02101
http:// / proceedings.mlr.press/ v40/ Ge15

【38] ロン・ゲー、ジェイソン・D・リー、テンギュ・マー。 行列の完成には偽の極小値はありません。 『Advances in Neural Information Processing Systems』、2981 ～ 2989 ページ、2016 年。URL https:/ / dl.acm.org/ doi/ abs/ 10.5555/ 3157382.3157431。 arXiv:1605.07272。
arXiv：1605.07272
https：/ / dl.acm.org/ doi / abs / 10.5555 / 3157382.3157431

【39] Ming Gong、Shiyu Wang、Chen Zha、Ming-Cheng Chen、He-Liang Huang、Yulin Wu、Qingling Zhu、Youwei Zhao、Shaowei Li、Shaojun Guo、Haoran Qian、Yangsen Ye、Fusheng Chen、Chong Ying、Jiale Yu、Daojin Fan、Dachao Wu、Hong Su、Hui Deng、Hao Rong、Kaili Zhang、Sirui Cao、Jin Lin、Yu Xu、Lihua Sun、Cheng Guo、Na Li、Futian Liang、VM Bastidas、Kae Nemoto、WJ Munro、Yong-Heng Huo、Chao-Yang Lu、Cheng-Zhi Peng、Xiaobo Zhu、Jian-Wei Pan。 Quantum は、プログラム可能な 62 次元 372 量子ビット超伝導プロセッサ上を歩きます。 サイエンス、6545 (948): 952–2021、10.1126。7812/science.abg372。 URL https:/ / science.sciencemag.org/ content/ 6545/ 948/ 2102.02573.abstract。 arXiv:XNUMX。
https：/ / doi.org/ 10.1126 / science.abg7812
arXiv：2102.02573
https:/ / science.sciencemag.org/ content/ 372/ 6545/ 948.abstract

【40] スティーブン・K・グレイとデビッド・E・マノロポロス。 時間依存のシュレディンガー方程式に合わせたシンプレクティック積分器。 ジャーナル オブ ケミカル フィジックス、104 (18): 7099–7112、1996。10.1063/ 1.471428。 URL https:/ / doi.org/ 10.1063/ 1.471428。
https：/ / doi.org/ 10.1063 / 1.471428

【41] バーナード・ヘルファー。 シュレーディンガー演算子とアプリケーションの準古典的解析。 数学の講義ノート。 スプリンガー、1988年。10.1007/BFb0078115。
https：/ / doi.org/ 10.1007 / BFb0078115

【42] バーナード・ヘルファーとヨハネス・ショーストランド。 半古典極限における複数の井戸 I. 偏微分方程式におけるコミュニケーション、9 (4): 337–408、1984. 10.1080/ 03605308408820335。
https：/ / doi.org/ 10.1080 / 03605308408820335

【43] バーナード・ヘルファーとヨハネス・ショーストランド。 半古典限界 III の複数の井戸 – 非共鳴井戸を介した相互作用。 Mathematische Nachrichten、124 (1): 263–313、1985。https:/ / doi.org/ 10.1002/ mana.19851240117。 URL https:/ / onlinelibrary.wiley.com/ doi/ abs/ 10.1002/ mana.19851240117。
https：/ / doi.org/ 10.1002 / mana.19851240117

【44] ゼップ・ホッホライター。 リカレント ニューラル ネットワークと問題の解決策を学習する際の勾配消失問題。 International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems、6 (02): 107–116、1998. 10.1142/ S0218488598000094。 URL https:/ / dl.acm.org/ doi/ abs/ 10.1142/ S0218488598000094。
https：/ / doi.org/ 10.1142 / S0218488598000094

【45] アーポ・ヒバリネン。 ガウスモーメントを使用したノイズの多いデータ用の高速 ICA。 1999 年、回路とシステムに関する IEEE 国際シンポジウム (ISCAS)、第 5 巻、57 ～ 61 ページ、1999 年。10.1109/ISCAS.1999.777510。
https:/ / doi.org/ 10.1109/ ISCAS.1999.777510

【46] フレデリック・エロー、マイケル・ヒットリック、ヨハネス・ショーストランド。 クラマース・フォッカー・プランク型演算子のトンネル効果と対称性。 ジュシュー数学研究所ジャーナル、10 (3): 567–634、2011。10.1017/ S1474748011000028。
https：/ / doi.org/ 10.1017 / S1474748011000028

【47] チー ジン、ロン ゲー、プラネス ネトラパリ、シャム M. カカデ、マイケル I. ジョーダン。 鞍点ポイントを効率よく逃げる方法。 第 34 回機械学習国際会議議事録、第 70 巻、1724 ～ 1732 ページ、2017 年。URL http:/ / proceedings.mlr.press/ v70/ jin17a。 arXiv:1703.00887。
arXiv：1703.00887
http:// / proceedings.mlr.press/ v70/ jin17a

【48] チー ジン、リディア T. リウ、ロン ゲー、マイケル I. ジョーダン。 経験的リスクの極小値について。 『Advances in Neural Information Processing Systems』、第 31 巻、4901 ～ 4910 ページ。 Curran Associates, Inc.、2018。URL https:/ / proceedings.neurips.cc/ paper/ 2018/ file/ da4902cb0bc38210839714ebdcf0efc3-Paper.pdf。 arXiv:1803.09357。
arXiv：1803.09357
https:/​/​proceedings.neurips.cc/​paper/​2018/​file/​da4902cb0bc38210839714ebdcf0efc3-Paper.pdf

【49] チー ジン、プラニース ネトラパリ、ロン ゲー、シャム M カカデ、マイケル I. ジョーダン。 機械学習の非凸最適化について: 勾配、確率性、鞍点。 ACM ジャーナル (JACM)、68 (2): 1–29、2021。10.1145/ 3418526。 URL https:/ / dl.acm.org/ doi/ abs/ 10.1145/ 3418526。 arXiv:1902.04811。
https：/ / doi.org/ 10.1145 / 3418526
arXiv：1902.04811

【50] マイケル・I・ジョーダン。 勾配ベースの最適化に関する動的、シンプレクティック、確率論的な視点。 国際数学者会議議事録: リオデジャネイロ 2018、523 ～ 549 ページ。 World Scientific、2018 年。URL https:/ / doi.org/ 10.1142/ 9789813272880_0022。
https：/ / doi.org/ 10.1142 / 9789813272880_0022

【51] 川口健二、黄暁陽、レスリー・パック・ケルブリング。 すべての極小値は、非凸機械学習における誘導モデルの極小値です。 ニューラル コンピューティング、31 (12): 2293–2323、12 年 2019 月。ISSN 0899-7667。 10.1162/neco_a_01234. URL https:/ / doi.org/ 10.1162/ neco_a_01234。 arXiv:1904.03673v3。
https:/ / doi.org/ 10.1162/ neco_a_01234
arXiv：1904.03673v3

【52] ディーデリク・P・キングマとジミー・バー。 アダム: 確率的最適化の手法。 3 年第 2015 回学習表現国際会議にて。URL https://openreview.net/forum?id=8gmWwjFyLj。 arXiv:1412.6980。
arXiv：1412.6980
https://openreview.net/forum?id=8gmWwjFyLj

【53] アレクセイ・キタエフとウィリアム・A・ウェッブ。 量子コンピューターを使用した波動関数の準備とリサンプリング、2008。arXiv:0801.0342。
arXiv：0801.0342

【54] ボビー・クラインバーグ、リー・ユアンジ、ヤン・ユアン。 別の見方: SGD が極小値を脱出するのはいつですか? 機械学習に関する国際会議、2698 ～ 2707 ページ。 PMLR、2018 年。URL http:/ / proceedings.mlr.press/ v80/ kleinberg18a.html。 arXiv:1802.06175。
arXiv：1802.06175
http:// / proceedings.mlr.press/v80/kleinberg18a.html

【55] ガイ・コルノウスキーとオハド・シャミール。 滑らかでない非凸最適化における Oracle の複雑さ。 神経情報処理システムの進歩、2021 年。URL https://openreview.net/forum?id=aMZJBOiOOPg。 arXiv:2104.06763v2。
arXiv：2104.06763v2
https://openreview.net/forum?id=aMZJBOiOOPg

【56] Rohith Kuditipudi、Xiang Wang、Holden Lee、Yi Zhang、Zhiyuan Li、Wei Hu、Rong Ge、Sanjeev Arora。 マルチレイヤーネット向けの低コストソリューションのランドスケープ接続について説明します。 Advances in Neural Information Processing Systems、32: 14601–14610、2019。URL http://papers.nips.cc/paper/9602-explaining-landscape-connectivity-of-low-cost-solutions-for-多層ネット。 arXiv:1906.06247。
arXiv：1906.06247
http://papers.nips.cc/paper/9602-explaining-landscape-connectivity-of-low-cost-solutions-for-multilayer-nets

【57] ハロルド・J・クシュナーとG・ジョージ・イン。 確率的近似と再帰的アルゴリズムとアプリケーション、第 35 巻。Springer Science & Business Media、2003 年。10.1007/978-1-4471-4285-0_3。
https:/​/​doi.org/​10.1007/​978-1-4471-4285-0_3

【58] Keren Li、Shijie Wei、Pan Gao、Feihao Zhang、Zengrong Zhou、Tao Xin、Xiaoting Wang、Patrick Rebentrost、Guilu Long。 量子プロセッサ上の多項式関数の最適化。 npj 量子情報、7 (1): 1–7、2021a。 10.1038/s41534-020-00351-5。 arXiv:1804.05231。
https:/​/​doi.org/​10.1038/​s41534-020-00351-5
arXiv：1804.05231

【59] ジーユアン・リー、サディカ・マラディ、サンジーブ・アローラ。 確率微分方程式 (SDE) を使用した SGD のモデル化の妥当性について。 神経情報処理システムの進歩、2021b。 URL https://openreview.net/forum?id=goEdyJ_nVQI。 arXiv:2102.12470。
arXiv：2102.12470
https://openreview.net/forum?id=goEdyJ_nVQI

【60] グアン・ハオ・ロウとネイサン・ウィーブ。 インタラクション画像内のハミルトニアン シミュレーション、2019 年。URL https:/ / arxiv.org/ abs/ 1805.00675v2。 arXiv:1805.00675v2。
arXiv：1805.00675v2

【61] Cong Ma、Kaizheng Wang、Yuejie Chi、Yuxin Chen。 非凸統計推定における陰的な正則化: 勾配降下法は、位相の回復と行列の完成のために線形に収束します。 機械学習に関する国際会議、3345 ～ 3354 ページ。 PMLR、2018 年。URL http:/ / proceedings.mlr.press/ v80/ ma18c.html。 arXiv:1711.10467。
arXiv：1711.10467
http:// / proceedings.mlr.press/v80/ma18c.html

【62] 天牛馬。 局所的な方法で非凸問題を解決できるのはなぜですか?、465 ～ 485 ページ。 ケンブリッジ大学出版局、2021 年 10.1017/9781108637435.027。 arXiv:2103.13462。
https：/ / doi.org/ 10.1017 / 9781108637435.027
arXiv：2103.13462

【63] イーアン・マー、ユアンシー・チェン、チー・ジン、ニコラス・フラマリオン、マイケル・I・ジョーダン。 サンプリングは最適化よりも高速な場合があります。 米国科学アカデミー紀要、116 (42): 20881–20885、2019。URL https:/ / www.pnas.org/ content/ 116/ 42/ 20881.short。 arXiv:。
https：/ / doi.org/ 10.1073 / pnas.1820003116
https://www.pnas.org/content/116/42/20881.short

【64] ピーター・A・マルコウィッチとセドリック・ヴィラーニ。 フォッカー・プランク方程式の平衡傾向について: 物理学と機能解析の相互作用。 物理学および機能分析、Matematica Contemporanea (SBM) 19。Citeseer、1999。URL http:/ / citeseerx.ist.psu.edu/ viewdoc/ summary?doi=10.1.1.35.2278。
http：/ / citeseerx.ist.psu.edu/ viewdoc / summary？doi = 10.1.1.35.2278

【65] ローラン・ミシェル。 ウィッテンラプラシアンの小さな固有値について。 純粋および応用分析、1 (2): 149 – 206、2019. 10.2140/ paa.2019.1.149。 URL https:/ / doi.org/ 10.2140/ paa.2019.1.149。 arXiv:1702.01837。
https:/ / doi.org/ 10.2140/ paa.2019.1.149
arXiv：1702.01837

【66] シッダース・ムトゥクリシュナン、タミーム・アルバシュ、ダニエル・A・ライダー。 順列対称問題に対する量子最適化のトンネリングと高速化。 Physical Review X、6: 031010、2016 年 2160 月。ISSN 3308-10.1103。 6.031010/physrevx.10.1103。 URL http:/ / dx.doi.org/ 6.031010/ PhysRevX.1511.03910。 arXiv:XNUMX。
https：/ / doi.org/ 10.1103 / physrevx.6.031010
arXiv：1511.03910

【67] クイン・グエン。 深層学習における接続されたサブレベル セットについて。 機械学習に関する国際会議、4790 ～ 4799 ページ。 PMLR、2019 年。URL http:/ / proceedings.mlr.press/ v97/ nguyen19a.html。 arXiv:1901.07417。
arXiv：1901.07417
http:// / proceedings.mlr.press/ v97/ nguyen19a.html

【68] マイケル・A・ニールセンとアイザック・L・チュアン。 量子計算と量子情報：10周年記念版。 ケンブリッジ大学出版局、2010 年。10.1017/ CBO9780511976667。
https：/ / doi.org/ 10.1017 / CBO9780511976667

【69] グリゴリオス・A・パブリオティス。 確率過程と応用: 拡散過程、フォッカー・プランクおよびランジュバン方程式、第 60 巻。Springer、2014 年。10.1007/978-1-4939-1323-7。
https:/​/​doi.org/​10.1007/​978-1-4939-1323-7

【70] Qing Qu、Yuxiang Zhai、Xiao Li、Yuqian Zhang、Zhihui Zhui。 過完全表現学習の最適化ランドスケープの分析、2019。arXiv:1912.02427。
arXiv：1912.02427

【71] ジャンルカ・ラステッリ。 非対称二重井戸ポテンシャルにおける量子トンネリングの半古典式。 フィジカル レビュー A、86: 012106、2012 年 10.1103 月。86.012106/PhysRevA.10.1103。 URL https:// / link.aps.org/ doi/ 86.012106/ PhysRevA.1205.0366。 arXiv:XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.86.012106
arXiv：1205.0366

【72] アーサー・G・ラシュー、ユエ・サン、ピエール・ミンセン、マルコ・ピストイア。 量子レジスタ内の正規分布の効率的な準備。 Quantum、5: 609、2021。10.22331/q-2021-12-23-609。 URL https:// / quantum-journal.org/ papers/ q-2021-12-23-609/ 。 arXiv:2009.06601。
https:/​/​doi.org/​10.22331/​q-2021-12-23-609
arXiv：2009.06601
https：/ / quantum-journal.org/ papers / q-2021-12-23-609 /

【73] パトリック・レベントロスト、マリア・シュルド、レナード・ウォスニッヒ、フランチェスコ・ペトルッチョーネ、セス・ロイド。 量子勾配降下法と制約付き多項式最適化のためのニュートン法。 New Journal of Physics、21 (7): 073023、2019. 10.1088/ 1367-2630/ ab2a9e。 arXiv:1612.01789。
https:/​/​doi.org/​10.1088/​1367-2630/​ab2a9e
arXiv：1612.01789

【74] ブラク・シャヒノオールとロランド・D・ソンマ。 低エネルギー部分空間におけるハミルトニアン シミュレーション。 npj 量子情報、7 (1): 1–5、2021. 10.1038/s41534-021-00451-w。 URL https://www.nature.com/articles/s41534-021-00451-w arXiv:2006.02660。
https：/ / doi.org/ 10.1038 / s41534-021-00451-w
arXiv：2006.02660
https:/ / www.nature.com/ articles/ s41534-021-00451-w

【75] JMシュミット、ANクレランド、ジョン・クラーク。 小さな電流バイアスがかかったジョセフソン接合における共鳴トンネル現象。 フィジカル レビュー B、43: 229–238、1991 年 10.1103 月。43.229/PhysRevB.10.1103。 URL https:// / link.aps.org/ doi/ 43.229/ PhysRevB.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevB.43.229

【76] アレクサンダー・シェフチェンコとマルコ・モンデッリ。 過剰パラメータ化されたニューラルネットワークに対する SGD ソリューションのランドスケープ接続とドロップアウトの安定性。 機械学習に関する国際会議、8773 ～ 8784 ページ。 PMLR、2020。URL http:/ / proceedings.mlr.press/ v119/ shevchenko20a.html。 arXiv:1912.10095。
arXiv：1912.10095
http:// / proceedings.mlr.press/ v119/ shevchenko20a.html

【77] ビン・シー、ウェイジ・J・スー、マイケル・I・ジョーダン。 学習率とシュレーディンガー演算子について、2020 年。arXiv:2004.06977。
arXiv：2004.06977

【78] Bin Shi、Simon S. Du、Michael I. Jordan、Weijie J. Su. 高解像度の微分方程式を介して加速現象を理解します。 数学的プログラミング、1 ～ 70 ページ、2021 年。10.1007/s10107-021-01681-8。 URL https:/ / doi.org/ 10.1007/ s10107-021-01681-8。 arXiv:1810.08907。
https:/​/​doi.org/​10.1007/​s10107-021-01681-8
arXiv：1810.08907

【79] ウェイジ・スー、スティーブン・ボイド、エマニュエル・J・カンデス。 ネステロフの加速勾配法をモデル化するための微分方程式: 理論と洞察。 機械学習研究ジャーナル、17 (1): 5312–5354、2016. 10.5555/ 2946645.3053435。 URL https:/ / dl.acm.org/ doi/ abs/ 10.5555/ 2946645.3053435。 arXiv:1503.01243。
https：/ / doi.org/ 10.5555 / 2946645.3053435
arXiv：1503.01243

【80] 若有孫。 深層学習の最適化: 理論とアルゴリズム、2019. arXiv:1912.08957。
arXiv：1912.08957

【81] クナル・タルワール。 サンプリングと最適化の間の計算上の分離。 Advances in Neural Information Processing Systems、32: 15023–15033、2019。URL http:/ / papers.nips.cc/ paper/ 9639-computational-separations-between-sampling-and-optimization。 arXiv:1911.02074。
arXiv：1911.02074
http://papers.nips.cc/paper/9639-computational-separations-between-sampling-and-optimization

【82] Hao Tang、Xiao-Feng Lin、Zhen Feng、Jing-Yuan Chen、Jun Gao、Ke Sun、Chao-Yue Wang、Peng-Cheng Lai、Xiao-Yun Xu、Yao Wang、Lu-feng Qiao、Ai-Lin Yang、そしてシアン・ミン・ジン。 フォトニックチップ上の実験的な二次元量子ウォーク。 科学の進歩、4 (5): eaat3174、2018. 10.1126/sciadv.aat3174。 URL https:/ / www.science.org/ doi/ 10.1126/ sciadv.aat3174。 arXiv:1704.08242。
https：/ / doi.org/ 10.1126 / sciadv.aat3174
arXiv：1704.08242

【83] セドリック・ヴィラーニ。 低保磁力、米国数学協会回想録の第 202 巻。 アメリカ数学協会、2009 年。10.1090/S0065-9266-09-00567-5。 arXiv:math/0609050.
https:/​/​doi.org/​10.1090/​S0065-9266-09-00567-5
arXiv：math / 0609050

【84] アンドレ・ウィビソノ、アシア・C・ウィルソン、マイケル・I・ジョーダン。 最適化における加速手法に関する変分的な視点。 米国科学アカデミー紀要、113 (47): E7351–E7358、2016。10.1073/ pnas.1614734113。 URL https:/ / doi.org/ 10.1073/ pnas.1614734113。 arXiv:1603.04245。
https：/ / doi.org/ 10.1073 / pnas.1614734113
arXiv：1603.04245

【85] チャン・チェンイーとリー・トンヤン。 シンプルな勾配降下法ベースのアルゴリズムによって鞍点を回避します。 『Advances in Neural Information Processing Systems』、第 34 巻、2021 年。URL https:/ / openreview.net/ forum?id=lEf52hTHq0Q。 arXiv:2111.14069。
arXiv：2111.14069
https://openreview.net/forum?id=lEf52hTHq0Q

【86] チャン・チェンイー、レン・ジアチー、リー・トンヤン。 鞍点から脱出するための量子アルゴリズム。 Quantum、5: 529、2021a。 10.22331/ q-2021-08-20-529。 arXiv:2007.10253。
https:/​/​doi.org/​10.22331/​q-2021-08-20-529
arXiv：2007.10253

【87] Kaining Zhang、Min-Hsiu Hsieh、Liu Liu、Dacheng Tao。 非凸最適化で負の曲率方向を見つけるための量子アルゴリズム、2019。arXiv:1909.07622。
arXiv：1909.07622

【88] Yuqian Zhang、Qing Qu、ジョン・ライト。 対称性から幾何学へ: 扱いやすい非凸問題、2021b。 arXiv:2007.06753。
arXiv：2007.06753