Variatsionnaya kvantovaya optimizatsiya otkrytogo kar'era

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

С учетом последних достижений в области создания многокубитных квантовых систем все более широко обсуждается возможность использования квантовых компьютеров для решения задач комбинаторной оптимизации. В данной работе рассматривается применимость вероятностного алгоритма оптимизации на основе тензорных поездов в вариационных квантовых алгоритмах для решения задачи о разработке открытого месторождения. Предложенная методология сравнивается с традиционными подходами, для которых, как правило, характерны проблема исчезающе малых градиентов с ростом размерности задачи, а также чувствительность к наличию многих локальных минимумов. Показано, что предложенный подход, основанный на использовании вероятностного метода тензорной оптимизации, позволяет достаточно точно определять оптимум рассматриваемой задачи.

Sobre autores

G. Paradezhenko

Сколковский институт науки и технологий

Email: g.paradezhenko@skoltech.ru
Москва, Россия

A. Pervishko

Сколковский институт науки и технологий

Москва, Россия

D. Yudin

Сколковский институт науки и технологий

Москва, Россия

Bibliografia

  1. J. Preskill, Quantum 2, 79 (2018).
  2. M.A. Nielsen and I.L. Chuang, Quantum Computation and Quantum Information, 10th Anniversary Edition, Cambridge University Press, Cambridge (2010).
  3. H. J. Briegel, D. Browne, W. D¨ur, R. Raussendorf, and M. van den Nest, Nat. Phys. 5, 19 (2009).
  4. R. Raussendorf and T.-C. Wei, Annu. Rev. Condens. Matter Phys. 3, 239 (2012).
  5. E. Farhi, J. Goldstone, S. Gutmann, and M. Sipser, arXiv:quant-ph/0001106 (2000).
  6. D. Aharonov, W. van Dam, J. Kempe, Z. Landau, S. Lloyd, and O. Regev, arXiv:quant-ph/0405098 (2004).
  7. J. Biamonte, P. Wittek, N. Pancotti, P. Rebentrost, N. Wiebe, and S. Lloyd, Nature 549, 195 (2017).
  8. J. Biamonte, Phys. Rev. A 103, L030401 (2021).
  9. M.P. Harrigan, K. J. Sung, M. Neeley et al. (Collaboration), Nat. Phys. 17, 332 (2021).
  10. S. Ebadi, A. Keesling, M. Cain et al. (Collaboration), Science 376, 1209 (2022).
  11. S. Yarkoni, E. Raponi, T. B¨ack, and S. Schmitt, Rep. Prog. Phys. 85, 104001 (2022).
  12. M.-T. Nguyen, J.-G. Liu, J. Wurtz, M.D. Lukin, S.-T. Wang, and H. Pichler, PRX Quantum 4, 010316 (2023).
  13. A. Peruzzo, J. McClean, P. Shadbolt, M.-H. Yung, X.-Q. Zhou, P. J. Love, A. Aspuru-Guzik, and J. L. O’Brien, Nat. Commun. 5, 4213 (2014).
  14. E. Farhi, J. Goldstone, and S. Gutmann, arXiv:1411.4028 (2014).
  15. N. Moll, P. Barkoutsos, L. S. Bishop et al. (Collaboration), Quantum Sci. Technol. 3, 030503 (2018).
  16. Y. Cao, J. Romero, J. P. Olson, M. Degroote, P.D. Johnson, M. Kieferova, I.D. Kivlichan, T. Menke, B. Peropadre, N.P.D. Sawaya, S. Sim, L. Veis, and A. Aspuru-Guzik, Chem. Rev. 119, 10856 (2019).
  17. A. Kardashin, A. Pervishko, J. Biamonte, and D. Yudin, Phys. Rev. A 104, L020402 (2021).
  18. J. Kattem¨olle and J. van Wezel, Phys. Rev. B 106, 214429 (2022).
  19. M. Schuld, I. Sinayskiy, and F. Petruccione, Contemp. Phys. 56, 172 (2015).
  20. J. Biamonte, P. Wittek, N. Pancotti, P. Rebentrost, N. Wiebe, and S. Lloyd, Nature 549, 195 (2017).
  21. M. Cerezo, A. Arrasmith, R. Babbush, S.C. Benjamin, S. Endo, K. Fujii, J.R. McClean, K. Mitarai, X. Yuan, L. Cincio, and P. J. Coles, Nat. Rev. Phys. 3, 625 (2021).
  22. G.E. Crooks, arXiv:1811.08419 (2018).
  23. L. Zhou, S.-T. Wang, S. Choi, H. Pichler, and M.D. Lukin, Phys. Rev. X 10, 021067 (2020).
  24. F.G. Fuchs, H. Kolden, N.H. Aase, and G. Sartor, SN Comput. Sci. 2, 89 (2021).
  25. S. Bravyi, A. Kliesch, R. Koenig, and E. Tang, Quantum 6, 678 (2022).
  26. M.T. Khumalo, HA. Chieza, K. Prag, and M. Woolway, Neural. Comput. & Applic., 1 (2022).
  27. W. Qian, R.A.M. Basili, M.M. Eshaghian-Wilner, A. Khokhar, G. Luecke, and J. P. Vary, Entropy 25, 1238 (2023).
  28. U. Azad, B.K. Behera, E.A. Ahmed, P.K. Panigrahi, and A. Farouk, IEEE Trans. Intell. Transp. Sys. 24, 7564 (2023).
  29. H. Lerch and I.F. Grossmann, Trans. CIM 68, 17 (1965).
  30. C. Meagher, R. Dimitrakopoulos, and D. Avis, J. Min. Sci. 50, 508 (2014).
  31. D. S. Hochbaum and A. Chen, Oper. Res. 48, 894 (2000).
  32. R. Khalokakaie, P.A. Dowd, and R. J. Fowell, Min. Tech. 109, 77 (2000).
  33. D. S. Hochbaum, Oper. Res. 56, 992 (2008).
  34. T. Hao, X. Huang, C. Jia, and C. Peng, Front. Phys. 10, 90659010 (2022).
  35. A. Peruzzo, J. McClean, P. Shadbolt, M.-H. Yung, X.-Q. Zhou, P. J. Love, A. Aspuru-Guzik, and J. L. O’Brien, Nat. Commun. 5, 4213 (2014).
  36. Y. Hindy, J. Pointing, M. Tolunay, S. Venkatarao, M. Motta, and J.A. Latone, arXiv:2107.11345 (2021).
  37. J.R. McClean, S. Boixo, V.N. Smelyanskiy, R. Babbush, and H. Neven, Nat. Commun. 9, 4812 (2018).
  38. D.Wierichs, C. Gogolin, and M. Kastoryano, Phys. Rev. Res. 2, 043246 (2020).
  39. A. Arrasmith, M. Cerezo, P. Czarnik, L. Cincio, and P. J. Coles, Quantum 5, 558 (2021).
  40. E. Grant, L. Wossnig, M. Ostaszewski, and M. Benedetti, Quantum 3, 214 (2019).
  41. A.A. Mele, G. B. Mbeng, G. E. Santoro, M. Collura, and P. Torta, Phys. Rev. A 106, L060401 (2022).
  42. K. Zhang, L. Liu, M.-H. Hsieh, and D. Tao, arXiv:2203.09376 (2022).
  43. A. Batsheva, A. Chertkov, G. Ryzhakov, and I. Oseledets, arXiv:2301.12162 (2023).
  44. A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, J. M. Chow, and J. M. Gambetta, Nature 549, 242 (2017).
  45. S. Sim, P. D. Johnson, and A. Aspuru-Guzik, Adv. Quantum Technol. 2, 1900070 (2019).
  46. M. Larocca, N. Ju, D. Garc´ia-Mart´in, P. J. Coles, and M. Cerezo, Nat. Comput. Sci. 3, 542 (2023).
  47. J. Romero, R. Babbush, J. R. McClean, C. Hempel, P. J. Love, and A. Aspuru-Guzik, Quantum Sci. Technol. 4, 014008 (2019).
  48. P.-L. Dallaire-Demers, J. Romero, L. Veis, S. Sim, and A. Aspuru-Guzik, Quantum Sci. Technol. 4, 045005 (2019).
  49. D. Wecker, M.B. Hastings, and M. Troyer, Phys. Rev. A 92, 042303 (2015).
  50. M. J.D. Powell, A Direct Search Optimization Method That Models the Objective and Constraint Functions by Linear Interpolation in Advances in Optimization and Numerical Analysis, Springer, Dordrecht (1994).
  51. L. Slattery, B. Villalonga, and B.K. Clark, Phys. Rev. Res. 4, 023072 (2022).
  52. M. S. Jattana, F. Jin, H. De Raedt, and K. Michielsen, Phys. Rev. Appl. 19, 024047 (2023).
  53. I. Oseledets and E. Tyrtyshnikov, Linear Algebra Appl. 432, 70 (2010).
  54. I.V. Oseledets, SIAM J. Sci. Comput. 33, 2295 (2011).
  55. A. Cichocki, N. Lee, I. Oseledets, A.H. Phan, Q. Zhao, and D.P. Mandic, Found. Trends Mach. Learn. 9, 249 (2016).
  56. A. Cichocki, N. Lee, I. Oseledets, A.H. Phan, Q. Zhao, and D.P. Mandic, Found. Trends Mach. Learn. 9, 431 (2017).
  57. S. Dolgov, K. Anaya-Izquierdo, C. Fox, and R. Scheichl, Stat. Comput. 30, 603 (2020).
  58. G. Aleksandrowicz, T. Alexander, P. Barkoutsos et al. (Collaboration), https://doi.org/10.5281/zenodo.2562111 (2019).
  59. J. E. Dennis and R.B. Schnabel, Numerical Methods for Unconstrained Optimization and Nonlinear Equations, SIAM, Philadelphia (1996).
  60. P. Virtanen, R. Gommers, T. E. Oliphant et al. (Collaboration), Nat. Methods 17, 261 (2020).
  61. G. Paradezhenko, A. Pervishko, and D. Yudin, Phys. Rev. A 109, 012436 (2024).
  62. I. Zacharov, R. Arslanov, M. Gunin et al. (Collaboration), Open Eng. 9, 512 (2019).

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Российская академия наук, 2024