อัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัมและโมเดลเชอร์ริงตัน-เคิร์กแพทริกที่ขนาดไม่สิ้นสุด

งานนี้ศึกษาประสิทธิภาพของอัลกอริธึมควอนตัมเอนกประสงค์สำหรับการเพิ่มประสิทธิภาพแบบผสมผสานที่เรียกว่า QAOA ซึ่งนำไปใช้กับกระจกหมุนรุ่น Sherrington-Kirkpatrick (SK) ที่มีชื่อเสียง นี่คือปัญหาของการลดพลังงานของการหมุนคู่แบบสุ่มทั้งหมดต่อทั้งหมด ผู้เขียนสร้างสูตรสำหรับคำนวณค่าที่คาดหวังของพลังงานที่ QAOA บรรลุได้ในขีดจำกัดของขนาดระบบที่ไม่มีที่สิ้นสุด ซึ่งเป็นฟังก์ชันของพารามิเตอร์อัลกอริทึม พวกเขายังพิสูจน์ด้วยว่าการวัดโดยทั่วไปของตัวอย่างแบบสุ่มของปัญหามุ่งเน้นที่ค่านี้ ผลลัพธ์เหล่านี้ช่วยให้สามารถเปรียบเทียบกับอัลกอริธึมคลาสสิกที่ล้ำสมัยได้ โดยเฉพาะอย่างยิ่ง ผู้เขียนพบว่า QAOA ที่มี 11 เลเยอร์มีประสิทธิภาพเหนือกว่าอัลกอริธึมการเขียนโปรแกรมกึ่งกำหนดมาตรฐานสำหรับปัญหานี้ ยังคงเป็นคำถามที่เปิดกว้างว่าการปรับขนาดประสิทธิภาพของ QAOA เป็นอย่างไรเมื่อเปรียบเทียบกับอัลกอริธึมคลาสสิกที่ดีที่สุดที่ Montanari รู้จักในปัจจุบัน

[1] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong- Chuan Kwek และAlán Aspuru-Guzik "อัลกอริธึมควอนตัมระดับกลางที่มีเสียงดัง" รีวิวฟิสิกส์สมัยใหม่ 94 1, 015004 (2022).

[2] Matthew P. Harrigan, Kevin J. Sung, Matthew Neeley, Kevin J. Satzinger, Frank Arute, Kunal Arya, Juan Atalaya, Joseph C. Bardin, Rami Barends, Sergio Boixo, Michael Broughton, Bob B. Buckley, David A. Buell, Brian Burkett, Nicholas Bushnell, Yu Chen, Zijun Chen, Collins Ben Chiaro, William Courtney, Sean Demura, Andrew Dunsworth, Daniel Eppens, Austin Fowler, Brooks Foxen, Craig Gidney, Marissa Giustina, Rob Graff, Steve Habegger, Alan Ho, Sabrina Hong, Trent Huang, LB Ioffe, Sergei V. Isakov, Evan Jeffrey, Zhang Jiang, Cody Jones, Dvir Kafri, Kostyantyn Kechedzhi, Julian Kelly, Seon Kim, Paul V. Klimov, Alexander N. Korotkov, Fedor Kostritsa , David Landhuis, Pavel Laptev, Mike Lindmark, Martin Leib, Orion Martin, John M. Martinis, Jarrod R. McClean, Matt McEwen, Anthony Megrant, Xiao Mi, Masoud Mohseni, Wojciech Mruzzkiewicz, Josh Mutus, Ofer Naaman, Charles Neill, ฟลอเรียน นอยคาร์ต, เมอร์ฟี่ เยวเจิน นิว, โธมัส อี. โอไบรอัน, ไบรอัน โอ'กอร์แมน, เอริก ออสต์บี้, อังเดร เพตูคอฟ, ฮารัลด์ พัตเตอร์แมน,Chris Quintana, Pedram Roushan, Nicholas C. Rubin, Daniel Sank, Andrea Skolik, Vadim Smelyanskiy, Doug Strain, Michael Streif, Marco Szalay, Amit Vainsencher, Theodore White, Z. Jamie Yao, Ping Yeh, Adam Zalcman, Leo Zhou, Hartmut Neven, Dave Bacon, Erik Lucero, Edward Farhi และ Ryan Babbush, “การเพิ่มประสิทธิภาพเชิงควอนตัมโดยประมาณของปัญหากราฟที่ไม่ใช่ระนาบบนโปรเซสเซอร์ตัวนำยิ่งยวดระนาบ”, ฟิสิกส์ธรรมชาติ 17 3, 332 (2021).

[3] Filip B. Maciejewski, Flavio Baccari, Zoltán Zimborás, และ Michał Oszmaniec, “การสร้างแบบจำลองและการบรรเทาผลกระทบจากการพูดคุยข้ามสายในสัญญาณรบกวนที่อ่านได้ด้วยการประยุกต์กับ Quantum Approximate Optimization Algorithm”, arXiv: 2101.02331.

[4] Edward Farhi, David Gamarnik และ Sam Gutmann, “อัลกอริทึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัมโดยประมาณจำเป็นต้องดูกราฟทั้งหมด: กรณีทั่วไป”, arXiv: 2004.09002.

[5] Antonio Anna Mele, Glen Bigan Mbeng, Giuseppe Ernesto Santoro, Mario Collura และ Pietro Torta "การหลีกเลี่ยงที่ราบสูงที่แห้งแล้งด้วยความสามารถในการถ่ายโอนของโซลูชันที่ราบรื่นใน Hamiltonian Variational Ansatz", arXiv: 2206.01982.

[6] Thais de Lima Silva, Márcio M. Taddei, Stefano Carrazza และ Leandro Aolita, “การแยกส่วนวิวัฒนาการเวลาจินตภาพสำหรับโปรเซสเซอร์สัญญาณควอนตัมระยะเริ่มต้น”, arXiv: 2110.13180.

[7] Clemens Dlaska, Kilian Ender, Glen Bigan Mbeng, Andreas Kruckenhauser, Wolfgang Lechner และ Rick van Bijnen “การเพิ่มประสิทธิภาพควอนตัมผ่าน Four-Body Rydberg Gates”, จดหมายทบทวนทางกายภาพ 128 12, 120503 (2022).

[8] Jason Larkin, Matías Jonsson, Daniel Justice และ Gian Giacomo Guerreschi, “การประเมิน QAOA ตามอัตราส่วนการประมาณของแต่ละตัวอย่าง”, arXiv: 2006.04831.

[9] Jarrod R. McClean, Matthew P. Harrigan, Masoud Mohseni, Nicholas C. Rubin, Zhang Jiang, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush และ Hartmut Neven, “กลไกความลึกต่ำสำหรับการเพิ่มประสิทธิภาพควอนตัม”, PRX ควอนตัม 2 3, 030312 (2021).

[10] V. Akshay, D. Rabinovich, E. Campos และ J. Biamonte, “ความเข้มข้นของพารามิเตอร์ในการเพิ่มประสิทธิภาพโดยประมาณควอนตัม”, การตรวจสอบทางกายภาพ A 104 1, L010401 (2021).

[11] Chenfeng Cao, Zheng An, Shi-Yao Hou, DL Zhou และ Bei Zeng, “วิวัฒนาการเวลาจินตภาพควอนตัมนำโดยการเรียนรู้เสริมแรง”, ฟิสิกส์สื่อสาร 5 1, 57 (2022).

[12] Jordi R. Weggemans, Alexander Urech, Alexander Rausch, Robert Spreeuw, Richard Boucherie, Florian Schreck, Kareljan Schoutens, Jiří Minář และ Florian Speelman "การแก้ปัญหาการจัดกลุ่มสหสัมพันธ์กับ QAOA และระบบ Rydberg qudit: วิธีการแบบฟูลสแตก ”, arXiv: 2106.11672.

[13] Giacomo De Palma, Milad Marvian, Cambyse Rouzé และ Daniel Stilck França, “ข้อจำกัดของอัลกอริธึมควอนตัมผันแปร: วิธีการขนส่งที่เหมาะสมที่สุดควอนตัม”, arXiv: 2204.03455.

[14] Nathan Lacroix, Christoph Hellings, Christian Kraglund Andersen, Agustin Di Paolo, Ants Remm, Stefania Lazar, Sebastian Krinner, Graham J. Norris, Mihai Gabureac, Johannes Heinsoo, Alexandre Blais, Christopher Eichler และ Andreas Wallraff, “การปรับปรุง ประสิทธิภาพของอัลกอริธึมการเพิ่มประสิทธิภาพควอนตัมเชิงลึกด้วยชุดเกทต่อเนื่อง” PRX ควอนตัม 1 2, 020304 (2020).

[15] Joao Basso, Edward Farhi, Kunal Marwaha, Benjamin Villalonga และ Leo Zhou, “อัลกอริทึมการเพิ่มประสิทธิภาพเชิงควอนตัมโดยประมาณที่ความลึกสูงสำหรับ MaxCut บนกราฟปกติเส้นรอบวงขนาดใหญ่และแบบจำลองเชอร์ริงตัน-เคิร์กแพทริก”, arXiv: 2110.14206.

[16] Matteo M. Wauters, Emanuele Panizon, Glen B. Mbeng และ Giuseppe E. Santoro, “การเพิ่มประสิทธิภาพควอนตัมช่วยเสริมการเรียนรู้”, การวิจัยทบทวนทางกายภาพ 2 3, 033446 (2020).

[17] Hajo Leschke, Chokri Manai, Rainer Ruder และ Simone Warzel, “การมีอยู่ของการจำลอง-สมมาตรที่แตกหักในแว่นตาควอนตัม”, จดหมายทบทวนทางกายภาพ 127 20, 207204 (2021).

[18] Teague Tomesh, Pranav Gokhale, Victory Omole, Gokul Subramanian Ravi, Kaitlin N. Smith, Joshua Viszlai, Xin-Chuan Wu, Nikos Hardavellas, Margaret R. Martonosi และ Frederic T. Chong, “SupermarQ: เกณฑ์มาตรฐานควอนตัมที่ปรับขนาดได้ สวีท”, arXiv: 2202.11045.

[19] Luca Lumia, Pietro Torta, Glen B. Mbeng, Giuseppe E. Santoro, Elisa Ercolessi, Michele Burrello และ Matteo M. Wauters, “ทฤษฎีเกจสองมิติ Z 2 Lattice บนเครื่องจำลองควอนตัมระยะใกล้: ควอนตัมแปรผัน การเพิ่มประสิทธิภาพ การกักขัง และระเบียบทอพอโลยี” PRX ควอนตัม 3 2, 020320 (2022).

[20] Nishant Jain, Brian Coyle, Elham Kashefi และ Niraj Kumar, “การเริ่มต้นโครงข่ายประสาทของกราฟของการเพิ่มประสิทธิภาพโดยประมาณควอนตัม”, arXiv: 2111.03016.

[21] Stuart Hadfield, Tad Hogg และ Eleanor G. Rieffel, “กรอบการวิเคราะห์สำหรับตัวดำเนินการสลับควอนตัม Ansätze”, arXiv: 2105.06996.

[22] Akel Hashim, Rich Rines, Victory Omole, Ravi K. Naik, John Mark Kreikebaum, David I. Santiago, Frederic T. Chong, Irfan Siddiqi และ Pranav Gokhale, “เพิ่มประสิทธิภาพเครือข่าย SWAP ด้วยค่าเฉลี่ยวงจรเทียบเท่าสำหรับ QAOA”, การวิจัยทบทวนทางกายภาพ 4 3, 033028 (2022).

[23] Dennis Willsch, Madita Willsch, Fengping Jin, Kristel Michielsen และ Hans De Raedt, “การจำลองการหลอมด้วยควอนตัมที่เร่งด้วย GPU และอัลกอริธึมการเพิ่มประสิทธิภาพควอนตัมโดยประมาณ”, การสื่อสารฟิสิกส์คอมพิวเตอร์ 278, 108411 (2022).

[24] Pontus Vikstâl, Mattias Grönkvist, Marika Svensson, Martin Andersson, Göran Johansson และ Giulia Ferrini, “การใช้อัลกอริทึมการเพิ่มประสิทธิภาพเชิงควอนตัมโดยประมาณกับปัญหาการกำหนดส่วนท้าย”, ประยุกต์ใช้การตรวจสอบทางกายภาพ 14 3, 034009 (2020).

[25] P. Chandarana, NN Hegade, K. Paul, F. Albarrán-Arriagada, E. Solano, A. del Campo และ Xi Chen, “อัลกอริทึมการเพิ่มประสิทธิภาพควอนตัมควอนตัมโดยประมาณแบบดิจิตัลแบบดิจิทัล”, การวิจัยทบทวนทางกายภาพ 4 1, 013141 (2022).

[26] Wei-Feng Zhuang, Ya-Nan Pu, Hong-Ze Xu, Xudan Chai, Yanwu Gu, Yunheng Ma, Shahid Qamar, Chen Qian, Peng Qian, Xiao Xiao, Meng-Jun Hu และ Dong E. Liu, “การคำนวณแบบคลาสสิกอย่างมีประสิทธิภาพของค่าเฉลี่ยควอนตัมสำหรับวงจร QAOA แบบตื้น”, arXiv: 2112.11151.

[27] Jahan Claes และ Wim van Dam, “อินสแตนซ์อิสระของอัลกอริธึมการปรับให้เหมาะสมที่สุดของควอนตัมชั้นเดียวโดยประมาณบนแบบจำลองผสมสปินที่ขนาดอนันต์”, arXiv: 2102.12043.

[28] Han Zheng, Zimu Li, Junyu Liu, Sergii Strelchuk และ Risi Kondor, “เร่งการเรียนรู้สถานะควอนตัมผ่าน Group Equivariant Convolutional Quantum Ansätze”, arXiv: 2112.07611.

[29] Chi-Ning Chou, Peter J. Love, Juspreet Singh Sandhu และ Jonathan Shi, “ข้อจำกัดของอัลกอริทึมควอนตัมท้องถิ่นบน Random Max-k-XOR and Beyond”, arXiv: 2108.06049.

[30] Ioannis Kolotouros และ Petros Wallden, “การพัฒนาฟังก์ชันวัตถุประสงค์เพื่อการเพิ่มประสิทธิภาพควอนตัมแบบแปรผันที่ดีขึ้น”, การวิจัยทบทวนทางกายภาพ 4 2, 023225 (2022).

[31] Prasanna Date, Davis Arthur และ Lauren Pusey-Nazzaro, “สูตร QUBO สำหรับโมเดลการเรียนรู้ของเครื่องฝึกหัด”, รายงานทางวิทยาศาสตร์ 11, 10029 (2021).

[32] Yuval R. Sanders, Dominic W. Berry, Pedro CS Costa, Louis W. Tessler, Nathan Wiebe, Craig Gidney, Hartmut Neven และ Ryan Babbush, “การรวบรวมการวิเคราะห์พฤติกรรมควอนตัมที่ทนต่อความผิดพลาดเพื่อการเพิ่มประสิทธิภาพแบบผสมผสาน”, arXiv: 2007.07391.

[33] Benjamin Tan, Marc-Antoine Lemonde, ศุภณัฏฐ์ ธนศิลป์, จิรวัฒน์ ตั้งปณิตานนท์, และ Dimitris G. Angelakis, “Qubit-driven encoding schemes for binary Optimization problems”, arXiv: 2007.01774.

[34] Paul M. Schindler, Tommaso Guaita, Tao Shi, Eugene Demler และ J. Ignacio Cirac, “A Variational Ansatz for the Ground State of the Quantum Sherrington-Kirkpatrick Model”, arXiv: 2204.02923.

[35] Laszlo Gyongyosi, “การเพิ่มประสิทธิภาพสถานะควอนตัมและการประเมินเส้นทางการคำนวณสำหรับคอมพิวเตอร์ควอนตัมรุ่นเกท”, รายงานทางวิทยาศาสตร์ 10, 4543 (2020).

[36] Joao Basso, David Gamarnik, Song Mei และ Leo Zhou “ประสิทธิภาพและข้อ จำกัด ของ QAOA ที่ระดับคงที่ในไฮเปอร์กราฟที่กระจัดกระจายขนาดใหญ่และแบบจำลองกระจกหมุน”, arXiv: 2204.10306.

[37] David Joseph, Antonio J. Martinez, Cong Ling และ Florian Mintert, “ตัวประมาณค่าเฉลี่ยควอนตัมสำหรับปัญหาค่าจำนวนเต็มยาก”, การตรวจร่างกาย A 105 5, 052419 (2022).

[38] Laszlo Gyongyosi และ Sandor Imre, “การลดความลึกของวงจรสำหรับคอมพิวเตอร์ควอนตัมรุ่นเกต”, รายงานทางวิทยาศาสตร์ 10, 11229 (2020).

[39] เจ. -เอช. Bae, Paul M. Alsing, Doyeol Ahn และ Warner A. Miller, “การเพิ่มประสิทธิภาพวงจรควอนตัมโดยใช้แผนที่ควอนตัม Karnaugh”, รายงานทางวิทยาศาสตร์ 10, 15651 (2020).

[40] Bingzhi Zhang, Akira Sone และ Quuntao Zhuang, “การเปลี่ยนเฟสการคำนวณเชิงควอนตัมในปัญหาเชิงผสม”, arXiv: 2109.13346.

[41] E. Campos, D. Rabinovich, V. Akshay และ J. Biamonte, “การฝึกอบรมความอิ่มตัวใน Layerwise Quantum Approximate Optimisation”, arXiv: 2106.13814.

[42] Sami Boulebnane, “การปรับปรุงอัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัมโดยประมาณด้วยการเลือกภายหลัง”, arXiv: 2011.05425.

[43] Gabriel Matos, Sonika Johri และ Zlatko Papić “การหาปริมาณประสิทธิภาพของการเตรียมรัฐผ่าน eigensolvers แปรผันควอนตัม”, arXiv: 2007.14338.

[44] Gregory Quiroz, Paraj Titum, Phillip Lotshaw, Pavel Lougovski, Kevin Schultz, Eugene Dumitrescu และ Itay Hen, “การหาปริมาณผลกระทบของข้อผิดพลาดที่แม่นยำบนอัลกอริทึมการเพิ่มประสิทธิภาพเชิงควอนตัมโดยประมาณ”, arXiv: 2109.04482.

[45] Kyle Mills, Pooya Ronagh และ Isaac Tamblyn, “Controlled Online Optimization Learning (COOL): ค้นหาสถานะพื้นดินของการหมุน Hamiltonians ด้วยการเรียนรู้แบบเสริมแรง”, arXiv: 2003.00011.

[46] Teppei Suzuki และ Michio Katouda “การทำนายความเป็นพิษด้วยการเรียนรู้ของเครื่องควอนตัม”, วารสารฟิสิกส์สื่อสาร 4 12, 125012 (2020).

[47] Ruslan Shaydulin, Phillip C. Lotshaw, Jeffrey Larson, James Ostrowski และ Travis S. Humble, “การถ่ายโอนพารามิเตอร์สำหรับการปรับให้เหมาะสมเชิงควอนตัมโดยประมาณของ MaxCut แบบถ่วงน้ำหนัก”, arXiv: 2201.11785.

[48] Laszlo Gyongyosi, “การประมาณฟังก์ชันวัตถุประสงค์สำหรับการแก้ปัญหาการปรับให้เหมาะสมในคอมพิวเตอร์ควอนตัมรุ่นเกท”, รายงานทางวิทยาศาสตร์ 10, 14220 (2020).

[49] Xuchen You และ Xiaodi Wu, “Minima Local Minima จำนวนมากแบบทวีคูณใน Quantum Neural Networks”, arXiv: 2110.02479.

[50] Laszlo Gyongyosi, “การควบคุมควอนตัมเกทแบบไม่มีผู้ดูแลสำหรับคอมพิวเตอร์ควอนตัมรุ่นเกท”, รายงานทางวิทยาศาสตร์ 10, 10701 (2020).

[51] ​​V. Akshay, H. Philathong, E. Campos, D. Rabinovich, I. Zacharov, Xiao-Ming Zhang และ J. Biamonte, "ในการปรับความลึกของวงจรสำหรับการเพิ่มประสิทธิภาพโดยประมาณควอนตัม", arXiv: 2205.01698.

[52] Laszlo Gyongyosi “ไดนามิกของเครือข่ายพัวพันของอินเทอร์เน็ตควอนตัม” รายงานทางวิทยาศาสตร์ 10, 12909 (2020).

[53] Sami Boulebnane และ Ashley Montanaro, “การทำนายพารามิเตอร์สำหรับอัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัมโดยประมาณสำหรับ MAX-CUT จากขีดจำกัดขนาดอนันต์”, arXiv: 2110.10685.

[54] Laszlo Gyongyosi และ Sandor Imre, “คอมพิวเตอร์ควอนตัมรุ่นเกทแบบกระจายที่ปรับขนาดได้”, รายงานทางวิทยาศาสตร์ 11, 5172 (2021).

[55] Laszlo Gyongyosi และ Sandor Imre “การสำรวจอวกาศการกำหนดเส้นทางสำหรับการกำหนดเส้นทางที่ปรับขนาดได้ในอินเทอร์เน็ตควอนตัม”, รายงานทางวิทยาศาสตร์ 10, 11874 (2020).

[56] G. Pederiva, A. Bazavov, B. Henke, L. Hostetler, D. Lee, HW Lin และ A. Shindler, “Quantum State Preparation for the Schwinger Model”, การประชุมวิชาการนานาชาติครั้งที่ 38 เกี่ยวกับทฤษฎีสนามแลตทิซ 47 (2022).

[57] Sinan Bugu, Fatih Ozaydin และ Tetsuo Kodera “เกินขีด จำกัด คลาสสิกในเกมสแควร์เวทมนตร์ที่มีจุดควอนตัมที่อยู่ห่างไกลพร้อมกับช่องแสง”, รายงานทางวิทยาศาสตร์ 10, 22202 (2020).

[58] Laszlo Gyongyosi, “การประมาณค่าไดนามิกของ Decoherence สำหรับคอมพิวเตอร์ควอนตัมรุ่นเกทที่มีตัวนำยิ่งยวด”, การประมวลผลข้อมูลควอนตัม 19 10, 369 (2020).

[59] Aida Ahmadzadegan, Petar Simidzija, Ming Li และ Achim Kempf, “โครงข่ายประสาทเทียมสามารถเรียนรู้ที่จะใช้เสียงเสริมที่มีความสัมพันธ์กัน”, รายงานทางวิทยาศาสตร์ 11, 21624 (2021).

[60] Michelle Chalupnik, Hans Melo, Yuri Alexeev และ Alexey Galda, “การเพิ่ม QAOA Ansatz ด้วย Multiparameter Problem-Independent Layer”, arXiv: 2205.01192.

[61] Hari Krovi “ความแข็งตัวพิมพ์เฉลี่ยของการประเมินความน่าจะเป็นของวงจรควอนตัมแบบสุ่มที่มีมาตราส่วนเชิงเส้นในเลขชี้กำลังข้อผิดพลาด”, arXiv: 2206.05642.

[62] Daniil Rabinovich, Soumik Adhikary, Ernesto Campos, Vishwanathan Akshay, Evgeny Anikin, Richik Sengupta, Olga Lakhmanskaya, Kiril Lakhmanskiy และ Jacob Biamonte, “ไอออน ansatz ดั้งเดิมสำหรับการเพิ่มประสิทธิภาพโดยประมาณควอนตัม”, arXiv: 2206.11908.

การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2022-07-27 14:28:25 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน

On บริการอ้างอิงของ Crossref ไม่พบข้อมูลอ้างอิงงาน (ความพยายามครั้งสุดท้าย 2022-07-27 14:28:23)