QAOA با شروع گرم با میکسرهای سفارشی به طور قابل اثباتی همگرا می شود و از نظر محاسباتی حداکثر برش Goemans-Williamson را در اعماق مدار پایین شکست می دهد.

بازنشر افلاطون

دنبال: 0

روبن تیت¹, جی موندرا², برایان گارد³, گرگ مولر³و سواتی گوپتا⁴

¹CCS-3 علوم اطلاعات، آزمایشگاه ملی لوس آلاموس، لس آلاموس، NM 87544، ایالات متحده آمریکا
²موسسه فناوری جورجیا، آتلانتا، GA 30332، ایالات متحده آمریکا
³موسسه تحقیقات فناوری جورجیا، آتلانتا، GA 30332، ایالات متحده آمریکا
⁴دانشکده مدیریت اسلون، موسسه فناوری ماساچوست، کمبریج، MA 02142، ایالات متحده آمریکا

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

چکیده

ما الگوریتم بهینه سازی تقریبی کوانتومی (QAOA) فرهی و همکاران را تعمیم می دهیم. (2014) اجازه می دهد تا حالت های اولیه قابل جداسازی دلخواه با میکسرهای مربوطه به گونه ای باشد که حالت شروع هیجان انگیزترین حالت هامیلتونی اختلاط باشد. ما این نسخه از QAOA را که $QAOA-warmest$ می نامیم، با شبیه سازی Max-Cut بر روی نمودارهای وزنی نشان می دهیم. ما حالت شروع را به صورت $warm-start$ با استفاده از تقریب‌های $2$ و $3$-بعدی که با استفاده از پیش‌بینی تصادفی راه‌حل‌ها در برنامه نیمه قطعی Max-Cut بدست آمده‌اند، مقداردهی اولیه می‌کنیم و یک میکسر سفارشی $ وابسته به شروع گرم تعریف می‌کنیم. ما نشان می‌دهیم که این شروع‌های گرم، مدار QAOA را با تقریب‌های ضریب ثابت 0.658 دلار برای 2 دلار-بعدی و 0.585 دلار برای شروع گرم-بعدی 3 دلار برای نمودارهایی با وزن لبه‌های غیرمنفی آغاز می‌کنند، و بر اساس موارد پیشین شناخته شده بهبود می‌یابند. یعنی 0.5$ برای مقداردهی اولیه استاندارد) در بدترین حالت در $p=0$ است. این فاکتورها در واقع کران تقریبی را که برای Max-Cut در اعماق مدار بالاتر به دست می‌آیند، پایین‌تر می‌دانند، زیرا ما همچنین نشان می‌دهیم که گرم‌ترین QAOA با هر حالت اولیه قابل تفکیک به Max-Cut تحت حد آدیاباتیک به‌عنوان $prightarrow infty$ همگرا می‌شود. با این حال، انتخاب شروع گرم به طور قابل توجهی بر میزان همگرایی به Max-Cut تأثیر می گذارد، و ما به طور تجربی نشان می دهیم که شروع گرم ما در مقایسه با رویکردهای موجود به همگرایی سریع تری دست می یابد. علاوه بر این، شبیه‌سازی‌های عددی ما برش‌های با کیفیت بالاتر را در مقایسه با QAOA استاندارد، الگوریتم کلاسیک Goemans-Williamson و یک QAOA با شروع گرم بدون میکسرهای سفارشی برای کتابخانه‌ای از نمودارهای 1148 دلاری (تا 11 دلار گره‌ها) و عمق p=8 نشان می‌دهند. $. همچنین نشان می‌دهیم که گرم‌ترین QAOA از QAOA استاندارد Farhi و همکاران بهتر عمل می‌کند. در آزمایشات روی سخت افزار فعلی IBM-Q و Quantinuum.

QAOA با شروع گرم با میکسرهای سفارشی به طور قابل اثباتی همگرا می شود و از نظر محاسباتی حداکثر برش Goemans-Williamson را در اعماق مدار پایین، هوش داده پلاتو بلاک چین را شکست می دهد. جستجوی عمودی Ai.

تصویر برجسته: عملکرد QAOA-گرمترین (با شروع گرم) و استاندارد QAOA به عنوان تابعی از عمق QAOA برای شبیه سازی ایده آل (برقطع) و نویز (نقطه دار). برای نمودار 20 گره ای انتخاب شده، GW به نسبت تقریبی 0.912 دست می یابد، در حالی که در حالت ایده آل، گرمترین QAOA از GW برای $p geq 2 $ بهتر است در حالی که QAOA استاندارد به $p > 4 $ نیاز دارد. شبیه‌سازی نویز بر اساس داده‌های کالیبراسیون دستگاه Guadalupe IBM-Q است.

خلاصه محبوب

الگوریتم بهینه‌سازی تقریبی کوانتومی (QAOA) یک تکنیک ترکیبی کوانتومی-کلاسیک برای بهینه‌سازی ترکیبی است که قول می‌دهد از هر بهینه‌ساز کلاسیک قوی‌تر باشد. در این کار، ما پتانسیل آن را در یک مسئله بهینه‌سازی ترکیبی بنیادی، معروف به Max-Cut، مثال می‌زنیم، که در آن بهترین الگوریتم کلاسیک ممکن توسط گومنز و ویلیامسون (GW) است. ما با معرفی شروع‌های گرم به‌دست‌آمده به‌طور کلاسیک به QAOA، با اپراتورهای اختلاط اصلاح‌شده، به این امر دست می‌یابیم و از نظر محاسباتی نشان می‌دهیم که این از GW بهتر است. ما الگوریتم کوانتومی را به طور مناسب اصلاح می کنیم تا ارتباط با محاسبات آدیاباتیک کوانتومی حفظ شود. ما نظریه را مورد بحث قرار می دهیم و شواهد عددی و تجربی ارائه می کنیم که نوید رویکرد ما را نشان می دهد.

► داده های BibTeX

@article{Tate2023warmstartedqaoa، doi = {10.22331/q-2023-09-26-1121}، url = {https://doi.org/10.22331/q-2023-09-26-1121}، عنوان = {War {S}{QAOA} را با {C}ustom {M}ixers {P}rovably {C}همگرا می‌کند و {C}رایانه {B}می‌خورد {G}oemans-{W}illiamson's {M}ax-{C} در {L}ow {C}ircuit {D}epths}، نویسنده = {تیت، روبن و موندرا، جی و گارد، برایان و مولر، گرگ و گوپتا، سواتی}، مجله = {{کوانتوم}}، issn = {2521-327X}، ناشر = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}، جلد = {7}، صفحات = {1121}، ماه = سپتامبر، سال = {2023 }

◄ مراجع

[1] 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

[2] آرام دبلیو هارو و اشلی مونتانارو. "برتری محاسباتی کوانتومی". Nature 549, 203–209 (2017).
https://doi.org/10.1038/nature23458

[3] ادوارد فرهی، جفری گلدستون و سام گاتمن. "الگوریتم بهینه سازی تقریبی کوانتومی" (2014).

[4] ایین دانینگ، سواتی گوپتا و جان سیلبرهولز. چه زمانی بهتر عمل می کند؟ ارزیابی سیستماتیک اکتشافی برای Max-Cut و QUBO. INFORMS Journal on Computing 30 (2018).
https://doi.org/10.1287/ijoc.2017.0798

[5] میشل ایکس گومنز و دیوید پی ویلیامسون. الگوریتم‌های تقریب بهبود یافته برای مشکلات حداکثر برش و رضایت‌پذیری با استفاده از برنامه‌ریزی نیمه معین. مجله ACM (JACM) 42، 1115-1145 (1995).
https://doi.org/10.1145/227683.227684

[6] ساموئل بورر و رناتو دی سی مونتیرو "الگوریتم برنامه ریزی غیرخطی برای حل برنامه های نیمه معین از طریق فاکتورسازی رتبه پایین". برنامه نویسی ریاضی 95، 329-357 (2003).
https://doi.org/10.1007/s10107-002-0352-8

[7] هکتور آبراهام، آدووفی، روچیشا آگاروال، اسماعیل یونس آخالوایا، گادی الکساندرویچ و دیگران. "Qiskit: یک چارچوب منبع باز برای محاسبات کوانتومی" (2019).

[8] مادلین کین، ادوارد فرهی، سام گاتمن، دانیل رانارد و یوجین تانگ. "QAOA با شروع از یک رشته کلاسیک خوب گیر می کند" (2022).

[9] دانیل جی. اگر، یاکوب مارچک و استفان وورنر. "بهینه سازی کوانتومی با شروع گرم". Quantum 5, 479 (2021).
https://doi.org/10.22331/q-2021-06-17-479

[10] استفان اچ ساک، رایمل مدینا، ریچارد کوئنگ و ماکسیم سربین. "راه اندازی اولیه حریصانه بازگشتی الگوریتم بهینه سازی تقریبی کوانتومی با بهبود تضمین شده". بررسی فیزیکی A 107, 062404 (2023).
https://doi.org/10.1103/PhysRevA.107.062404

[11] استفان اچ ساک و ماکسیم سربین. "راه اندازی اولیه بازپخت کوانتومی الگوریتم بهینه سازی تقریبی کوانتومی". quantum 5, 491 (2021).
https://doi.org/10.22331/q-2021-07-01-491

[12] لئو ژو، شنگ تائو وانگ، سون وون چوی، هانس پیچلر و میخائیل دی لوکین. "الگوریتم بهینه سازی تقریبی کوانتومی: عملکرد، مکانیسم و پیاده سازی در دستگاه های کوتاه مدت". بررسی فیزیکی X 10، 021067 (2020).
https://doi.org/10.1103/PhysRevX.10.021067

[13] روسلان شایدولین، فیلیپ سی لوتشاو، جفری لارسون، جیمز اوستروفسکی و تراویس اس هامبل. "انتقال پارامتر برای بهینه سازی تقریبی کوانتومی حداکثر وزنی". ACM Transactions on Quantum Computing 4، 1-15 (2023).
https://doi.org/10.1145/3584706

[14] الکسی گالدا، شیائویان لیو، دانیلو لیکوف، یوری الکسیف و ایلیا سافرو. "قابلیت انتقال پارامترهای QAOA بهینه بین نمودارهای تصادفی". در کنفرانس بین المللی IEEE در سال 2021 در محاسبات و مهندسی کوانتومی (QCE). صفحات 171-180. IEEE (2021).
https://doi.org/10.1109/QCE52317.2021.00034

[15] یوهانس وایدنفلر، لوسیا سی والور، جولین گاکن، کارولین تورنو، لوسیانو بلو، استفان وورنر و دانیل جی اگر. مقیاس‌بندی الگوریتم بهینه‌سازی تقریبی کوانتومی بر روی سخت‌افزار مبتنی بر کیوبیت ابررسانا. Quantum 6, 870 (2022).
https://doi.org/10.22331/q-2022-12-07-870

[16] فیلیپ سی لوتشاو، تین نگوین، آنتونی سانتانا، الکساندر مک کاسکی، ربکا هرمن، جیمز اوستروفسکی، جورج سیوپسیس و تراویس اس هامبل. "مقیاس سازی بهینه سازی تقریبی کوانتومی در سخت افزار کوتاه مدت". گزارش های علمی 12, 12388 (2022).
https://doi.org/10.1038/s41598-022-14767-w

[17] Gian Giacomo Guerreschi و Anne Y Matsuura. QAOA برای حداکثر برش به صدها کیوبیت برای افزایش سرعت کوانتومی نیاز دارد. گزارش های علمی 9، 1-7 (2019).
https://doi.org/10.1038/s41598-019-43176-9

[18] چارلز موسا، هنری کالاندرا و ودران دانکو. "به کوانتومی یا نه به کوانتومی: به سمت انتخاب الگوریتم در بهینه سازی کوانتومی کوتاه مدت". علم و فناوری کوانتومی 5، 044009 (2020).
https://doi.org/10.1088/2058-9565/abb8e5

[19] کالین کمبل و ادوارد دال. "QAOA از بالاترین درجه". در سال 2022 نوزدهمین کنفرانس بین المللی IEEE در نرم افزار Architecture Companion (ICSA-C). صفحات 19-141. IEEE (146).
https://doi.org/10.1109/ICSA-C54293.2022.00035

[20] ربکا هرمن، لورنا ترفرت، جیمز اوستروفسکی، فیلیپ سی لوتشاو، تراویس اس هامبل و جورج سیوپسیس. "تأثیر ساختارهای نمودار برای QAOA بر maxcut". پردازش اطلاعات کوانتومی 20، 1-21 (2021).
https://doi.org/10.1007/s11128-021-03232-8

[21] گوپال چاندرا سانترا، فرد جندرژوسکی، فیلیپ هاوکه و دانیل جی اگر. "فشرده و بهینه سازی تقریبی کوانتومی" (2022).

[22] روسلان شایدولین، استوارت هادفیلد، تاد هاگ و ایلیا سافرو. "تقارن های کلاسیک و الگوریتم بهینه سازی تقریبی کوانتومی". پردازش اطلاعات کوانتومی 20، 1-28 (2021).
https://doi.org/10.1007/s11128-021-03298-4

[23] جاناتان وورتس و پیتر لاو. "تضمین عملکرد الگوریتم بهینه سازی تقریبی کوانتومی Maxcut برای p> 1". بررسی فیزیکی A 103, 042612 (2021).
https://doi.org/10.1103/PhysRevA.103.042612

[24] ادوارد فرهی، جفری گلدستون و سام گاتمن. "الگوریتم های کوانتومی برای معماری های کیوبیت ثابت" (2017).

[25] سرگئی براوی، الکساندر کلیش، رابرت کونیگ و یوجین تانگ. "موانع بهینه سازی کوانتومی متغیر از حفاظت از تقارن". Physical Review Letters 125, 260505 (2020).
https://doi.org/10.1103/PhysRevLett.125.260505

[26] ادوارد فرهی، دیوید گامارنیک و سام گاتمن. «الگوریتم بهینه‌سازی تقریبی کوانتومی باید کل نمودار را ببیند: یک مورد معمولی» (2020).

[27] سرگئی براوی، الکساندر کلیش، رابرت کونیگ و یوجین تانگ. "الگوریتم های ترکیبی کوانتومی-کلاسیک برای رنگ آمیزی تقریبی نمودار". Quantum 6, 678 (2022).
https://doi.org/10.22331/q-2022-03-30-678

[28] متیو بی هستینگز. "الگوریتم های تقریب عمق محدود کلاسیک و کوانتومی" (2019).

[29] کونال مروهه. "الگوریتم کلاسیک حداکثر برش محلی در نمودارهای معمولی با دور بالا عملکرد بهتری از $ p = 2 $ QAOA دارد". Quantum 5, 437 (2021).
https://doi.org/10.22331/q-2021-04-20-437

[30] بواز باراک و کونال مروهه. "الگوریتم‌های کلاسیک و محدودیت‌های کوانتومی برای حداکثر برش در نمودارهای دور بالا" (2021).
https://doi.org/10.4230/LIPIcs.ITCS.2022.14

[31] روبن تیت، مجید فرهادی، کرستون هرولد، گرگ مولر و سواتی گوپتا. "پل زدن کلاسیک و کوانتومی با شروع گرم اولیه SDP برای QAOA". معاملات ACM در محاسبات کوانتومی (2022).
https://doi.org/10.1145/3549554

[32] استوارت هادفیلد، ژیهوی وانگ، برایان اوگرمن، النور جی ریفل، دیوید ونچرلی، و روپاک بیسواس. "از الگوریتم بهینه سازی تقریبی کوانتومی تا عملگر متناوب کوانتومی ansatz". الگوریتم 12 (2019).
https://doi.org/10.3390/a12020034

[33] Zhihui Wang، Nicholas C. Rubin، Jason M. Dominy و Eleanor G. Rieffel. میکسرهای $xy$: نتایج تحلیلی و عددی برای عملگر متناوب کوانتومی ansatz. فیزیک Rev. A 101, 012320 (2020).
https://doi.org/10.1103/PhysRevA.101.012320

[34] Linghua Zhu، Ho Lun Tang، George S. Barron، F. A. Calderon-Vargas، Nicholas J. Mayhall، Edwin Barnes و Sophia E. Economou. "الگوریتم بهینه سازی تقریبی کوانتومی تطبیقی برای حل مسائل ترکیبی در یک کامپیوتر کوانتومی". فیزیک Rev. Research 4, 033029 (2022).
https://doi.org/10.1103/PhysRevResearch.4.033029

[35] آندریاس بارتشی و استفان آیدنبنز میکسرهای Grover برای QAOA: تغییر پیچیدگی از طراحی میکسر به آماده سازی حالت. در کنفرانس بین المللی IEEE در سال 2020 در زمینه محاسبات و مهندسی کوانتومی (QCE). صفحات 72-82. IEEE (2020).
https://doi.org/10.1109/QCE49297.2020.00020

[36] ژانگ جیانگ، النور جی ریفل و ژیهوی وانگ. مدار کوانتومی تقریباً بهینه برای جستجوی بدون ساختار گروور با استفاده از میدان عرضی. بررسی فیزیکی A 95, 062317 (2017).
https://doi.org/10.1103/PhysRevA.95.062317

[37] لاو کی گروور. "یک الگوریتم مکانیکی کوانتومی سریع برای جستجوی پایگاه داده". در مجموعه مقالات بیست و هشتمین سمپوزیوم سالانه ACM در تئوری محاسبات. صفحات 212-219. (1996).
https://doi.org/10.1145/237814.237866

[38] یین ژانگ، ساموئل بورر و رناتو دی سی مونتیرو. اکتشافی آرامش رتبه-2 برای برنامه‌های درجه‌بندی حداکثر و سایر برنامه‌های باینری درجه دوم. SIAM Journal on Optimization 12, 503––521 (2001).
https://doi.org/10.1137/S1052623400382467

[39] سانگ می، تئودور میسیاکیویچ، آندره آ مونتاناری و روبرتو ایمبوزیرو اولیویرا. "حل sdps برای مشکلات همگام سازی و maxcut از طریق نابرابری grothendieck". در کنفرانس تئوری یادگیری صفحات 1476-1515. PMLR (2017).
https://doi.org/10.48550/arXiv.1703.08729

[40] اوجاس پاره و کوین تامپسون. "یک تقریب حالت محصول بهینه برای هامیلتونیان کوانتومی 2 محلی با عبارات مثبت" (2022). arXiv:2206.08342.
arXiv: 2206.08342

[41] روبن تیت و سواتی گوپتا “Ci-Qube”. مخزن GitHub (2021). آدرس اینترنتی: https://github.com/swati1729/CI-QuBe.
https://github.com/swati1729/CI-QuBe

[42] هوارد کارلوف. الگوریتم Goemans–Williamson MAX-CUT چقدر خوب است؟ SIAM Journal on Computing 29, 336-350 (1999).
https://doi.org/10.1137/S0097539797321481

[43] متیو پی هریگان، کوین جی سانگ، متیو نیلی، کوین جی ساتزینگر، فرانک آروت، کونال آریا، خوان آتالایا، جوزف سی باردین، رامی بارندز، سرجیو بویکسو و دیگران. "بهینه سازی تقریبی کوانتومی مسائل گراف غیر مسطح در یک پردازنده ابررسانا مسطح". Nature Physics 17، 332-336 (2021).
https://doi.org/10.1038/s41567-020-01105-y

[44] سرگی براوی، سارا شلدون، آبیناو کاندالا، دیوید سی مک‌کی، و جی ام. گامبتا. "کاهش خطاهای اندازه گیری در آزمایش های چند کیوبیتی". فیزیک Rev. A 103, 042605 (2021).
https://doi.org/10.1103/PhysRevA.103.042605

[45] جورج اس بارون و کریستوفر جی وود. "کاهش خطای اندازه گیری برای الگوریتم های کوانتومی متغیر" (2020).

[46] مارتین آبادی، آشیش آگاروال، پل برهام، یوجین برودو، ژیفنگ چن، کریگ سیترو، گرگ اس. کورادو، اندی دیویس، جفری دین، متیو دوین، سانجی قماوات، ایان گودفلو، اندرو هارپ، جفری ایروینگ، مایکل ایزارد، یانگ رافال جوزفوویچ، لوکاس قیصر، مانجونات کودلور، جاش لونبرگ، قاصدک مانه، راجات مونگا، شری مور، درک موری، کریس اولاه، مایک شوستر، جاناتون شلنز، بنویت اشتاینر، ایلیا سوتسکور، کونال تالورسنت، وان‌هووکی فرناندا ویگاس، اوریول وینیالز، پیت واردن، مارتین واتنبرگ، مارتین ویکه، یوان یو و شیائوکیانگ ژنگ. "TensorFlow: یادگیری ماشینی در مقیاس بزرگ در سیستم های ناهمگن" (2015).

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

[48] راجر فلچر. "روش های عملی بهینه سازی (ویرایش دوم)". جان وایلی و پسران نیویورک، نیویورک، ایالات متحده آمریکا (2).
https://doi.org/10.1002/9781118723203

[49] M.J.D. پاول یک روش بهینه سازی جستجوی مستقیم که توابع هدف و محدودیت را با درونیابی خطی مدل می کند. پیشرفت در بهینه سازی و تحلیل عددی 275، 51-67 (1994).
https://doi.org/10.1007/978-94-015-8330-5_4

[50] آلن جی. لاوب. "تحلیل ماتریس برای دانشمندان و مهندسان". جلد 91. سیام. (2005).
https://doi.org/10.1137/1.9780898717907

[51] گئورگ فروبنیوس. “Ueber matrizen aus nicht negativen elementen”. Sitzungsberichte der Königlich Preussischen Akademie der WissenschaftenPages 456–477 (1912).

[52] ع کاوه و ح رهامی. "روش یکپارچه برای تجزیه ویژه محصولات نمودار". ارتباطات در روش های عددی در مهندسی با کاربردهای زیست پزشکی 21، 377-388 (2005).
https://doi.org/10.1002/cnm.753

[53] سیمون اسپاکاپان. “اتصال محصولات دکارتی نمودارها”. حروف ریاضی کاربردی 21، 682-685 (2008).
https://doi.org/10.1016/j.aml.2007.06.010

[54] ژاک گوندزیو و آندریاس گروتی. "حل مسائل برنامه ریزی مالی غیرخطی با 109 متغیر تصمیم گیری در معماری های موازی انبوه". معاملات WIT در مدلسازی و شبیه سازی 43 (2006).
https://doi.org/10.2495/CF060101

[55] فن آر کی چانگ. "نظریه گراف طیفی". جلد 92. انجمن ریاضی آمریکا. (1997).
https://doi.org/10.1090/cbms/092

[56] M. A. Nielsen و I. L. Chuang. محاسبات کوانتومی و اطلاعات کوانتومی: نسخه دهمین سالگرد. انتشارات دانشگاه کمبریج، نیویورک. (10).
https://doi.org/10.1017/CBO9780511976667

[57] وینسنت آر. پاسکوزی، آندره هی، کریستین دبلیو باوئر، ویب آ. دی یونگ و بنجامین ناچمن. "برون یابی صفر نویز کارآمد محاسباتی برای کاهش خطای دروازه کوانتومی". بررسی فیزیکی A 105, 042406 (2022).
https://doi.org/10.1103/PhysRevA.105.042406

[58] اووت ون دن برگ، زلاتکو کی مینیف، آبیناو کاندالا و کرستان تممه. "لغو خطای احتمالی با مدل های پراکنده پاولی-لیندبلاد در پردازنده های کوانتومی پر سر و صدا". Nature Physics Pages 1-6 (2023).
https://doi.org/10.1038/s41567-023-02042-2

[59] ناتان کریسلاک، ژروم مالیک، و فردریک روپن. BiqCrunch: یک روش نیمه معین شاخه و کران برای حل مسائل دودویی درجه دوم. معاملات ACM در نرم افزار ریاضی 43 (2017).
https://doi.org/10.1145/3005345

[60] آندریس ای. بروور، سباستین ام. سیوآبا، فردیناند ایرینگر، و مت مک گینیس. "کوچکترین مقادیر ویژه نمودارهای همینگ، نمودارهای جانسون و سایر نمودارهای فاصله-منظم با پارامترهای کلاسیک". مجله نظریه ترکیبی، سری B 133، 88-121 (2018).
https://doi.org/10.1016/j.jctb.2018.04.005

[61] دونالد کنوت. "ماتریس های ترکیبی". مقالات منتخب در مورد ریاضیات گسسته (2000).
https://doi.org/10.1016/S0898-1221(04)90150-2

ذکر شده توسط

[1] یوهانس ویدنفلر، لوسیا سی. والور، جولین گاکن، کارولین تورنو، لوسیانو بلو، استفان وورنر، و دانیل جی اگر، "مقیاس سازی الگوریتم بهینه سازی تقریبی کوانتومی بر روی سخت افزار مبتنی بر کیوبیت ابررسانا"، Quantum 6, 870 (2022).

[2] Zichang He، Ruslan Shaydulin، Shouvanik Chakrabarti، Dylan Herman، Changhao Li، Yue Sun و Marco Pistoia، "همسویی بین حالت اولیه و میکسر عملکرد QAOA را برای بهینه سازی پورتفولیو محدود بهبود می بخشد". arXiv: 2305.03857, (2023).

[3] V. Vijendran، Aritra Das، Dax Enshan Koh، Syed M. Assad، و Ping Koy Lam، "Ansatz بیانی برای بهینه سازی کوانتومی با عمق کم". arXiv: 2302.04479, (2023).

[4] اندرو ولاسیک، سالواتوره سرتو و آن فام، «الگوریتم جستجوی مکمل گروور: اجرای سرکوب دامنه»، arXiv: 2209.10484, (2022).

[5] Mara Vizzuso، Gianluca Passarelli، Giovanni Cantele و Procolo Lucignano، "همگرایی QAOA دیجیتالی-ضد دیاباتیک: عمق مدار در مقابل پارامترهای آزاد". arXiv: 2307.14079, (2023).

[6] Phillip C. Lotshaw، Kevin D. Battles، Bryan Gard، Gilles Buchs، Travis S. Humble و Creston D. Herold، "مدل سازی نویز در برهمکنش های جهانی Mølmer-Sørensen اعمال شده برای بهینه سازی تقریبی کوانتومی". بررسی فیزیکی A 107 6, 062406 (2023).

[7] گومینگ وانگ، "الگوریتم بهینه سازی کوانتومی کلاسیک تقویت شده"، arXiv: 2203.13936, (2022).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-09-27 01:31:19). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

On سرویس استناد شده توسط Crossref هیچ داده ای در مورد استناد به آثار یافت نشد (آخرین تلاش 2023-09-27 01:31:17).

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.
PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
منبع: https://quantum-journal.org/papers/q-2023-09-26-1121/

تمبر زمان: سپتامبر 26، 2023

بیشتر از مجله کوانتومی

توسعه کامل: آنالوگ غیر سیگنالینگ تصفیه کوانتومی

خوشه منبع:

مجله کوانتومی

گره منبع: 1909554

تمبر زمان: نوامبر 3، 2023

سفارش حفظ نقشه ها در اندازه گیری های کوانتومی

مجله کوانتومی

گره منبع: 1771973

تمبر زمان: دسامبر 13، 2022

QAOA با شروع گرم با میکسرهای سفارشی به طور قابل اثباتی همگرا شده و از نظر محاسباتی حداکثر برش Goemans-Williamson را در اعماق مدار پایین شکست می دهد.

بازنشر افلاطون

چکیده

خلاصه محبوب

► داده های BibTeX

◄ مراجع

ذکر شده توسط

بیشتر از مجله کوانتومی

توسعه کامل: آنالوگ غیر سیگنالینگ تصفیه کوانتومی

سفارش حفظ نقشه ها در اندازه گیری های کوانتومی

بهره برداری از اثرات غیر خطی در حسگرهای اپتومکانیکی با شمارش فوتون پیوسته

پیچیدگی ماشین های بردار پشتیبان کوانتومی

آرامش آمار چند زمانه در سیستم های کوانتومی

نابرابری های نوع زنگ برای سیستم های بوزون های برداری نسبیتی

احتمال در نظریه های جهان های متعدد

تجزیه و تحلیل مدارهای کوانتومی ابررسانای دلخواه همراه با بسته پایتون: SQcircuit

مسیرهای هدف در دینامیک ترکیبی کلاسیک-کوانتومی

محک زدن منابع تک فوتونی از یک اندازه گیری همبستگی خودکار

درباره‌ ما

جستجوی عمودی و هوش مصنوعی

سکو

همیشه در ارتباط ماندن

حساب