.png){kind=icon}
返回
Iteration-Free quantum approximate optimization algorithm using neural networks
.png){kind=icon}
OA
AI
DOI：10.1007/s42484-024-00159-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子近似优化算法 (QAOA) 是启发式求解组合优化问题的领先迭代变分量子算法。QAOA中的大部分计算工作量都花在了优化步骤上，这需要执行许多量子电路。因此，有积极的研究集中在寻找更好的初始电路参数，这将减少所需的迭代次数，从而减少总执行时间。虽然现有的参数初始化方法已经取得了巨大的成功，但它们通常为所有问题实例提供一组参数。我们提出了一种实用的方法，该方法使用一个简单的，完全连接的神经网络，该神经网络利用先前的QAOA执行来找到针对新的给定问题实例量身定制的更好的初始化参数。我们对最先进的初始化方法进行基准测试，以解决Erd & odblac的MaxCut问题; S-r & eacute; 使用QAOA的nyi图，并表明我们的方法始终是最快的收敛速度，同时也产生了最佳的最终结果。此外，神经网络预测的参数显示为与完全优化的参数非常匹配，以至于不需要迭代步骤，从而有效地实现了无迭代QAOA方案。
Keyword:
Maximum cut problem
Quantum computing
Variational quantum circuits
Variational quantum algorithms
Parametrized quantum circuits
Neural network
Combinatorial optimization problem
QAOA
期刊
Q
IF:
4.4
论文数:
439
被引数:
796
机构
引用论文
Sex-specific determinants of serum adiponectin in older adults: the role of endogenous sex hormones
PREAI
分享收藏Facile Synthesis, Characterization, Nanocrystal Growth and Photoluminescence Properties of GeS Nanowires.png)
Nano
NanoIF0
PREAI
分享收藏分享收藏Mechanical, but not infective, pacemaker erosion may be successfully managed by re-implantation of pacemakers.Heart
OAAI
HeartIF0
OAAI分享收藏Sclerosing Encapsulating Peritonitis: Early and Late Results of Surgical Management in 32 Cases
PREAI
分享收藏
查看更多内容