Pengaturan Parameter Dalam Optimasi Perkiraan Kuantum Masalah Tertimbang

Diterbitkan Ulang Oleh Plato

Followers: 0

Shree Hari Sureshbabu¹, Dylan Herman¹, Ruslan Shaydulin¹, Joao Basso², Shouvanik Chakrabarti¹, Yue Sun¹, dan Marco Pistoia¹

¹Penelitian Terapan Teknologi Global, JPMorgan Chase, New York, NY 10017
²Departemen Matematika, Universitas California, Berkeley, CA 94720

Apakah makalah ini menarik atau ingin dibahas? Scite atau tinggalkan komentar di SciRate.

Abstrak

Algoritma Optimasi Perkiraan Kuantum (QAOA) adalah kandidat algoritma terkemuka untuk memecahkan masalah optimasi kombinatorial pada komputer kuantum. Namun, dalam banyak kasus QAOA memerlukan optimasi parameter komputasi intensif. Tantangan optimasi parameter sangat akut terutama dalam kasus masalah berbobot, dimana nilai eigen dari operator fase adalah non-integer dan lanskap energi QAOA tidak periodik. Dalam karya ini, kami mengembangkan heuristik pengaturan parameter untuk QAOA yang diterapkan pada kelas umum masalah berbobot. Pertama, kami memperoleh parameter optimal untuk QAOA dengan kedalaman $p=1$ yang diterapkan pada masalah MaxCut tertimbang dengan asumsi bobot yang berbeda. Secara khusus, kami dengan cermat membuktikan kebijaksanaan konvensional bahwa dalam kasus rata-rata, optimal lokal pertama yang mendekati nol menghasilkan parameter QAOA yang optimal secara global. Kedua, untuk $pgeq 1$ kami membuktikan bahwa lanskap energi QAOA untuk MaxCut berbobot mendekati kasus tidak berbobot dengan penskalaan ulang parameter yang sederhana. Oleh karena itu, kita dapat menggunakan parameter yang diperoleh sebelumnya untuk MaxCut tidak berbobot untuk masalah berbobot. Terakhir, kami membuktikan bahwa untuk $p=1$ tujuan QAOA sangat terkonsentrasi pada ekspektasinya, yang berarti bahwa aturan pengaturan parameter kami berlaku dengan probabilitas tinggi untuk contoh berbobot acak. Kami memvalidasi pendekatan ini secara numerik pada grafik berbobot umum dan menunjukkan bahwa rata-rata energi QAOA dengan parameter tetap yang diusulkan hanya berjarak $1.1$ poin persentase dari energi dengan parameter yang dioptimalkan. Ketiga, kami mengusulkan skema penskalaan ulang heuristik umum yang terinspirasi oleh hasil analisis untuk MaxCut tertimbang dan menunjukkan efektivitasnya menggunakan QAOA dengan mixer pemelihara bobot XY Hamming yang diterapkan pada masalah optimasi portofolio. Heuristik kami meningkatkan konvergensi pengoptimal lokal, mengurangi jumlah iterasi rata-rata sebesar 7.4x.

Pengaturan Parameter dalam Optimasi Perkiraan Kuantum dari Masalah Tertimbang Kecerdasan Data PlatoBlockchain. Pencarian Vertikal. Ai.

Gambar unggulan: Prosedur untuk mentransfer parameter QAOA optimal dari model Sherrington-Kirkpatrick (SK) ke masalah MaxCut tertimbang pada grafik reguler dengan ukuran yang sama. Parameter $gamma^{text{inf}}$ diskalakan sesuai dengan metode yang diusulkan, sedangkan $beta^{text{inf}}$ diperbaiki. Plot menunjukkan bahwa QAOA dengan teknik penskalaan baru mencapai rasio perkiraan yang lebih tinggi daripada teknik sebelumnya dan sebanding dengan parameter yang dioptimalkan.

Ringkasan populer

Karya ini menyelidiki aturan pengaturan parameter untuk QAOA, algoritma heuristik kuantum terkemuka, yang diterapkan pada kelas umum masalah optimasi kombinatorial. Pengoptimalan parameter merupakan hambatan yang signifikan terhadap penerapan jangka pendek. Heuristik penskalaan parameter umum untuk mentransfer parameter QAOA antara contoh masalah berbobot diusulkan dan hasil yang teliti menunjukkan efektivitas prosedur ini pada MaxCut disajikan. Selain itu, angka-angka menunjukkan bahwa prosedur ini secara signifikan mengurangi waktu pelatihan QAOA untuk optimalisasi portofolio, yang merupakan masalah penting dalam rekayasa keuangan.

► data BibTeX

@article{Sureshbabu2024parametersettingin, doi = {10.22331/q-2024-01-18-1231}, url = {https://doi.org/10.22331/q-2024-01-18-1231}, title = {Parameter { S}menetapkan dalam {Q}uantum {A}perkiraan {O}optimasi dari {W}delapan {P}masalah}, penulis = {Sureshbabu, Shree Hari dan Herman, Dylan dan Shaydulin, Ruslan dan Basso, Joao dan Chakrabarti, Shouvanik dan Sun, Yue dan Pistoia, Marco}, jurnal = {{Quantum}}, issn = {2521-327X}, penerbit = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {8}, halaman = {1231}, bulan = Januari, tahun = {2024} }

► Referensi

[1] Michael A Nielsen dan Isaac L Chuang. “Komputasi kuantum dan informasi kuantum”. Pers universitas Cambridge. (2010).
https: / / doi.org/ 10.1017 / CBO9780511976667

[2] Dylan Herman, Cody Googin, Xiaoyuan Liu, Alexei Galda, Ilya Safro, Yue Sun, Marco Pistoia, dan Yuri Alexeev. “Survei komputasi kuantum untuk keuangan” (2022). url: https:///doi.org/10.48550/arXiv.2201.02773.
https:///doi.org/10.48550/arXiv.2201.02773

[3] Tad Hogg dan Dmitriy Portnov. “Pengoptimalan kuantum”. Ilmu Informasi 128, 181–197 (2000).
https://doi.org/10.1016/s0020-0255(00)00052-9

[4] Edward Farhi, Jeffrey Goldstone, dan Sam Gutmann. "Algoritma pengoptimalan perkiraan kuantum" (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, dan Rupak Biswas. “Dari algoritma optimasi perkiraan kuantum hingga operator bolak-balik kuantum ansatz”. Algoritma 12, 34 (2019). url: https:///doi.org/10.3390/a12020034.
https: / / doi.org/ 10.3390 / a12020034

[6] Sami Boulebnane dan Ashley Montanaro. “Memecahkan masalah kepuasan boolean dengan algoritma optimasi perkiraan kuantum” (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, dan Leo Zhou. “Algoritme pengoptimalan perkiraan kuantum pada kedalaman tinggi untuk pemotongan maksimal pada grafik reguler dengan ketebalan besar dan model sherrington-kirkpatrick”. Prosiding Konferensi Teori Komputasi Kuantum, Komunikasi dan Kriptografi 7, 1–21 (2022).
https:///doi.org/10.4230/LIPICS.TQC.2022.7

[8] Matius B. Hastings. “Algoritma klasik yang juga mengalahkan $frac{1}{2}+frac{2}{pi}frac{1}{sqrt{d}}$ untuk max-cut ketebalan tinggi” (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, dan Travis S. Humble. “Transfer parameter untuk optimasi perkiraan kuantum MaxCut tertimbang”. Transaksi ACM pada Komputasi Kuantum 4, 1–15 (2023).
https: / / doi.org/ 10.1145 / 3584706

[10] Sami Boulebnane, Xavier Lucas, Agnes Meyder, Stanislaw Adaszewski, dan Ashley Montanaro. “Pengambilan sampel konformasi peptida menggunakan algoritma optimasi perkiraan kuantum”. npj Informasi Kuantum 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, dan Thomas Wellens. “Membandingkan kinerja optimalisasi portofolio dengan qaoa”. Pemrosesan Informasi Kuantum 22, 25 (2022).
https://doi.org/10.1007/s11128-022-03766-5

[12] Sami Boulebnane dan Ashley Montanaro. “Memprediksi parameter algoritma optimasi perkiraan kuantum untuk pemotongan maksimal dari batas ukuran tak terbatas” (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, dan Leo Zhou. “Algoritma optimasi perkiraan kuantum dan model Sherrington-Kirkpatrick pada ukuran tak terbatas”. Kuantum 6, 759 (2022).
https://doi.org/10.22331/q-2022-07-07-759

[14] Amir Dembo, Andrea Montanari, dan Subhabrata Senator “Pemotongan ekstrim dari grafik acak jarang”. Sejarah Probabilitas 45 (2017).
https:///doi.org/10.1214/15-aop1084

[15] Gavin E Penjahat. “Kinerja algoritma optimasi perkiraan kuantum pada masalah pemotongan maksimum” (2018). url: https:///doi.org/10.48550/arXiv.1811.08419.
https:///doi.org/10.48550/arXiv.1811.08419

[16] Michael Streif dan Martin Leib. "Melatih algoritme pengoptimalan perkiraan kuantum tanpa akses ke unit pemrosesan kuantum". Sains dan Teknologi Kuantum 5, 034008 (2020).
https://doi.org/10.1088/2058-9565/ab8c2b

[17] Leo Zhou, Sheng-Tao Wang, Soonwon Choi, Hannes Pichler, dan Mikhail D. Lukin. “Algoritme pengoptimalan perkiraan kuantum: Kinerja, mekanisme, dan implementasi pada perangkat jangka pendek”. Review Fisik X 10, 021067 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.021067

[18] Ruslan Shaydulin, Ilya Safro, dan Jeffrey Larson. “Metode multistart untuk optimasi perkiraan kuantum”. Dalam Konferensi Komputasi Ekstrim Kinerja Tinggi IEEE. Halaman 1–8. (2019).
https://doi.org/10.1109/hpec.2019.8916288

[19] Xinwei Lee, Yoshiyuki Saito, Dongsheng Cai, dan Nobuyoshi Asai. “Strategi penetapan parameter untuk algoritma optimasi perkiraan kuantum”. Konferensi Internasional IEEE 2021 tentang Komputasi dan Rekayasa Kuantum (QCE) (2021).
https:///doi.org/10.1109/qce52317.2021.00016

[20] Stefan H. Sack dan Maksym Serbyn. “Inisialisasi anil kuantum dari algoritma optimasi perkiraan kuantum”. Kuantum 5, 491 (2021).
https://doi.org/10.22331/q-2021-07-01-491

[21] Ohad Amosy, Tamuz Danzig, Ely Porat, Gal Chechik, dan Adi Makmal. “Algoritme pengoptimalan perkiraan kuantum bebas iteratif menggunakan jaringan saraf” (2022). url: https:///doi.org/10.48550/arXiv.2208.09888.
https:///doi.org/10.48550/arXiv.2208.09888

[22] Danylo Lykov, Roman Schutski, Alexey Galda, Valeri Vinokur, and Yuri Alexeev. "Simulator kuantum jaringan tensor dengan paralelisasi yang bergantung pada langkah". Pada tahun 2022 IEEE International Conference on Quantum Computing and Engineering (QCE). Halaman 582–593. (2022).
https: / / doi.org/ 10.1109 / QCE53715.2022.00081

[23] Matija Medvidović dan Giuseppe Carleo. “Simulasi variasi klasik dari algoritma optimasi perkiraan kuantum”. npj Informasi Kuantum 7 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00440-z

[24] Ruslan Shaydulin dan Stefan M. Wild. “Memanfaatkan simetri mengurangi biaya pelatihan QAOA”. Transaksi IEEE pada Rekayasa Kuantum 2, 1–9 (2021).
https: / / doi.org/ 10.1109 / tqe.2021.3066275

[25] Ruslan Shaydulin dan Yuri Alexeev. “Mengevaluasi algoritma optimasi perkiraan kuantum: Sebuah studi kasus”. Konferensi Komputasi Hijau dan Berkelanjutan Internasional Kesepuluh (2019).
https:///doi.org/10.1109/IGSC48788.2019.8957201

[26] Fernando GSL Brandão, Michael Broughton, Edward Farhi, Sam Gutmann, dan Hartmut Neven. “Untuk parameter kontrol tetap, nilai fungsi tujuan algoritma optimasi perkiraan kuantum terkonsentrasi untuk contoh umum” (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, dan J. Biamonte. “Konsentrasi parameter dalam optimasi perkiraan kuantum”. Review Fisik A 104 (2021).
https:///doi.org/10.1103/physreva.104.l010401

[28] Phillip C. Lotshaw, Travis S. Humble, Rebekah Herrman, James Ostrowski, dan George Siopsis. “Batas kinerja empiris untuk optimasi perkiraan kuantum”. Pemrosesan Informasi Kuantum 20, 403 (2021).
https://doi.org/10.1007/s11128-021-03342-3

[29] Alexei Galda, Xiaoyuan Liu, Danylo Lykov, Yuri Alexeev, dan Ilya Safro. “Transferabilitas parameter qaoa optimal antar grafik acak”. Pada Konferensi Internasional IEEE tentang Komputasi dan Teknik Kuantum (QCE) tahun 2021. Halaman 171–180. (2021).
https: / / doi.org/ 10.1109 / QCE52317.2021.00034

[30] Xinwei Lee, Ningyi Xie, Dongsheng Cai, Yoshiyuki Saito, dan Nobuyoshi Asai. “Strategi inisialisasi mendalam-progresif untuk algoritma optimasi perkiraan kuantum”. Matematika 11, 2176 (2023).
https:///doi.org/10.3390/math11092176

[31] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev, dan Prasanna Balaprakash. “Belajar mengoptimalkan rangkaian kuantum variasional untuk memecahkan masalah kombinatorial”. Prosiding Konferensi AAAI tentang Kecerdasan Buatan 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, dan Masoud Mohseni. “Belajar belajar dengan jaringan saraf kuantum melalui jaringan saraf klasik” (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, Yuri Alexeev, dan Prasanna Balaprakash. “Optimasi sirkuit kuantum variasional berbasis pembelajaran penguatan untuk masalah kombinatorial” (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, dan Giuseppe E. Santoro. “Optimasi kuantum dengan bantuan pembelajaran penguatan”. Penelitian Tinjauan Fisik 2 (2020).
https: / / doi.org/ 10.1103 / physrevresearch.2.033446

[35] Mahabubul Alam, Abdullah Ash-Saki, dan Swaroop Ghosh. “Mempercepat algoritma optimasi perkiraan kuantum menggunakan pembelajaran mesin”. Desain, Otomasi & Pengujian 2020 di Konferensi & Pameran Eropa (DATE) (2020).
https:///doi.org/10.23919/date48585.2020.9116348

[36] Jiahao Yao, Lin Lin, dan Marin Bukov. “Pembelajaran penguatan untuk persiapan kondisi dasar bagi banyak orang yang terinspirasi oleh mengemudi kontradiabatik”. Review Fisik X 11 (2021).
https: / / doi.org/ 10.1103 / physrevx.11.031070

[37] Zhihui Wang, Stuart Hadfield, Zhang Jiang, dan Eleanor G. Rieffel. “Algoritme pengoptimalan perkiraan kuantum untuk MaxCut: Tampilan fermionik”. Tinjauan Fisik A 97 (2018).
https: / / doi.org/ 10.1103 / physreva.97.022304

[38] Jonathan Wurtz dan Danylo Lykov. “Dugaan sudut tetap untuk QAOA pada grafik MaxCut biasa” (2021). url: https:///doi.org/10.48550/arXiv.2107.00677.
https:///doi.org/10.48550/arXiv.2107.00677

[39] Stuart Hadfield. “Algoritma kuantum untuk komputasi ilmiah dan perkiraan optimasi” (2018). url: https:///doi.org/10.48550/1805.03265.
https: / / doi.org/ 10.48550 / 1805.03265

[40] Paul Glasserman. “Metode Monte Carlo dalam rekayasa keuangan”. Jilid 53. Peloncat. (2004).
https://doi.org/10.1007/978-0-387-21617-1

[41] Walter Rudin. “Analisis nyata dan kompleks”. McGraw-Hill. (1974).

[42] Walter Rudin. “Prinsip Analisis Matematika”. Bukit McGraw. (1976).

[43] Colin McDiarmid. “Tentang metode perbedaan yang dibatasi”. Halaman 148–188. Seri Catatan Kuliah Masyarakat Matematika London. Pers Universitas Cambridge. (1989).
https: / / doi.org/ 10.1017 / CBO9781107359949.008

[44] Lutz Warnke. “Tentang Metode Perbedaan Berbatas Khas”. Kombinatorik, Probabilitas dan Komputasi 25, 269–299 (2016).
https: / / doi.org/ 10.1017 / S0963548315000103

[45] Romawi Vershynin. “Probabilitas dimensi tinggi: Pengantar aplikasi dalam ilmu data”. Seri Cambridge dalam Matematika Statistik dan Probabilistik. Pers Universitas Cambridge. (2018).
https: / / doi.org/ 10.1017 / 9781108231596

[46] Joao Basso, David Gamarnik, Song Mei, dan Leo Zhou. “Kinerja dan batasan QAOA pada tingkat konstan pada model hypergraph dan spin glass yang besar dan jarang”. Simposium Tahunan ke-2022 IEEE 63 tentang Fondasi Ilmu Komputer (FOCS) (2022).
https:///doi.org/10.1109/focs54457.2022.00039

[47] G Parisi. “Rangkaian solusi perkiraan model sk untuk kaca putar”. Jurnal Fisika A: Matematika dan Umum 13, L115 (1980).
https://doi.org/10.1088/0305-4470/13/4/009

[48] Michel Talagrand. “Formula Paris”. Sejarah Matematika (2006).
https: / / doi.org/ 10.4007 / annals.2006.163.221

[49] Dmitry Panchenko. “Model Sherrington-Kirkpatrick”. Sains & Media Bisnis Springer. (2013).
https://doi.org/10.1007/978-1-4614-6289-7

[50] Ruslan Shaydulin, Kunal Marwaha, Jonathan Wurtz, dan Phillip C Lotshaw. “QAOAKit: Sebuah perangkat untuk studi, penerapan, dan verifikasi QAOA yang dapat direproduksi”. Lokakarya Internasional Kedua tentang Perangkat Lunak Komputasi Kuantum (2021).
https:///doi.org/10.1109/QCS54837.2021.00011

[51] Joao Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga, dan Leo Zhou. “Algoritme pengoptimalan perkiraan kuantum pada kedalaman tinggi untuk pemotongan maksimal pada grafik reguler dengan ketebalan besar dan model sherrington-kirkpatrick” (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, dan Marco Pistoia. “Pengoptimalan terbatas melalui dinamika kuantum zeno”. Fisika Komunikasi 6, 219 (2023).
https://doi.org/10.1038/s42005-023-01331-9

[53] N. Slate, E. Matwiejew, S. Marsh, dan JB Wang. “Optimasi portofolio berbasis kuantum walk”. Kuantum 5, 513 (2021).
https://doi.org/10.22331/q-2021-07-28-513

[54] Mark Hodson, Brendan Ruck, Hugh Ong, David Garvin, dan Stefan Dulman. “Eksperimen penyeimbangan kembali portofolio menggunakan operator bolak-balik kuantum 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, dan Jeffrey Larson. “Memanfaatkan energi dalam batasan dalam optimasi kuantum variasional terbatas”. Lokakarya Internasional Ketiga IEEE/ACM 2022 tentang Perangkat Lunak Komputasi Kuantum (QCS) (2022).
https:///doi.org/10.1109/qcs56647.2022.00017

[56] Zichang He, Ruslan Shaydulin, Shouvanik Chakrabarti, Dylan Herman, Changhao Li, Yue Sun, dan Marco Pistoia. “Penyelarasan antara keadaan awal dan mixer meningkatkan kinerja qaoa untuk optimasi terbatas”. npj Informasi Kuantum 9, 121 (2023).
https://doi.org/10.1038/s41534-023-00787-5

[57] “Keuangan Qiskit”. https://qiskit.org/documentation/finance/.
https://qiskit.org/documentation/finance/

[58] Steven G.Johnson. “Paket optimasi nonlinier NLopt” (2022). http:///github.com/stevengj/nlopt.
http:///github.com/stevengj/nlopt

[59] Michael JD Powell. “Algoritma BOBYQA untuk optimasi terbatas terikat tanpa turunan”. Laporan Cambridge NA NA2009/06 26 (2009).

[60] Ruslan Shaydulin dan Stefan M. Wild. “Pentingnya bandwidth kernel dalam pembelajaran mesin kuantum”. Tinjauan Fisik A 106 (2022).
https: / / doi.org/ 10.1103 / physreva.106.042407

[61] Abdulkadir Canatar, Evan Peters, Cengiz Pehlevan, Stefan M. Wild, dan Ruslan Shaydulin. “Bandwidth memungkinkan generalisasi dalam model kernel kuantum” (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, dan Dacheng Tao. “Melarikan diri dari dataran tinggi tandus melalui inisialisasi gaussian di sirkuit kuantum variasional yang dalam”. Dalam Kemajuan dalam Sistem Pemrosesan Informasi Neural. Jilid 35, halaman 18612–18627. Curran Associates, Inc.

Dikutip oleh

[1] Dylan Herman, Cody Googin, Xiaoyuan Liu, Yue Sun, Alexei Galda, Ilya Safro, Marco Pistoia, dan Yuri Alexeev, “Komputasi kuantum untuk keuangan”, Ulasan Alam Fisika 5 8, 450 (2023).

[2] Abid Khan, Bryan K. Clark, dan Norm M. Tubman, “Pra-optimasi pemecah eigen kuantum variasional dengan jaringan tensor”, arXiv: 2310.12965, (2023).

[3] Igor Gaidai dan Rebekah Herrman, “Analisis Kinerja QAOA Multi-Sudut untuk p > 1”, arXiv: 2312.00200, (2023).

[4] Dylan Herman, Ruslan Shaydulin, Yue Sun, Shouvanik Chakrabarti, Shaohan Hu, Pierre Minssen, Arthur Rattew, Romina Yalovetzky, dan Marco Pistoia, “Pengoptimalan terbatas melalui dinamika Zeno kuantum”, Fisika Komunikasi 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, Yuri Alexeev, 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, dan Marco Pistoia, “Bukti Penskalaan Keuntungan untuk Algoritma Optimasi Perkiraan Kuantum pada Masalah Klasik yang Sulit Diselesaikan”, 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, dan Davide Venturelli, “Desain dan eksekusi sirkuit kuantum menggunakan puluhan qubit superkonduktor dan ribuan gerbang untuk masalah optimasi Ising yang padat”, arXiv: 2308.12423, (2023).

[7] Mara Vizzuso, Gianluca Passarelli, Giovanni Cantele, dan Procolo Lucignano, “Konvergensi QAOA Digitized-Counterdiabatic: kedalaman sirkuit versus parameter bebas”, arXiv: 2307.14079, (2023).

Kutipan di atas berasal dari SAO / NASA ADS (terakhir berhasil diperbarui, 2024-01-19 00:28:46). Daftar ini mungkin tidak lengkap karena tidak semua penerbit menyediakan data kutipan yang cocok dan lengkap.

On Layanan dikutip-oleh Crossref tidak ada data tentang karya mengutip ditemukan (upaya terakhir 2024-01-19 00:28:44).

Makalah ini diterbitkan dalam Quantum di bawah Creative Commons Attribution 4.0 Internasional (CC BY 4.0) lisensi. Hak cipta tetap berada pada pemegang hak cipta asli seperti penulis atau lembaganya.

Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
Sumber: https://quantum-journal.org/papers/q-2024-01-18-1231/

Stempel Waktu: Januari 18, 2024

Stempel Waktu: Agustus 29, 2023

Peran teori koherensi dalam jaringan saraf kuantum penarik

Kluster Sumber:

Jurnal Kuantum

Node Sumber: 1659011

Stempel Waktu: September 8, 2022

Klasifikasi kawat kuantum berbasis pengukuran dalam PEPS stabilizer

Kluster Sumber:

Jurnal Kuantum

Node Sumber: 1847188

Stempel Waktu: Juni 12, 2023

Pembelajaran mesin kuantum yang hemat pulsa

Kluster Sumber:

Jurnal Kuantum

Node Sumber: 1900100

Stempel Waktu: Oktober 9, 2023

Pengaturan Parameter dalam Optimasi Perkiraan Kuantum dari Masalah Tertimbang

Diterbitkan Ulang Oleh Plato

Abstrak

Ringkasan populer

► data BibTeX

► Referensi

Dikutip oleh

Lebih dari Jurnal Kuantum

Keuntungan komputasi praktis dari sakelar kuantum pada keluarga masalah janji yang digeneralisasikan

Sintesis dan kompilasi dengan gerbang multi-qubit yang optimal waktu

Nonlocality persisten dalam lingkungan atom ultracold

Lindung Nilai Dalam Kuantum

Superkonduktivitas kiral dalam model Fermi-Hubbard kisi segitiga yang didoping dalam dua dimensi

Analisis rangkaian kuantum superkonduktor arbitrer disertai dengan paket Python: SQcircircuit

Mempelajari keadaan dasar Hamiltonian kuantum yang memiliki celah dengan Metode Kernel

Peran teori koherensi dalam jaringan saraf kuantum penarik

Klasifikasi kawat kuantum berbasis pengukuran dalam PEPS stabilizer

Pembelajaran mesin kuantum yang hemat pulsa

Tentang Kami

Pencarian Vertikal & Ai

Platform

Tetap Berhubung

Akun