「第66回Q-LEAP量子AIセミナー」のお知らせです。
今回は、大阪大学 量子情報・量子生命研究センターの岡田 健 氏による、量子最適化アルゴリズムに関してのオンラインセミナーを行います。
参加を希望される方は下記の参加登録フォームよりご登録をお願いします。
- 日時： 2024年9月3日（火） 13:00～14:00
- 場所： オンライン（ZOOM）
- 講演タイトル： フィードバック型量子最適化アルゴリズムと二次近似を用いた回路深さの削減
- 講演者： 岡田 健（大阪大学量子情報・量子生命研究センター 特任研究員）
概要：
組合せ最適化問題は量子コンピュータによる実用的な優位性が期待されている分野の一つである。量子近似最適化アルゴリズム(QAOA)はノイズのある量子コンピュータで最適化問題を解くためのよく知られたアルゴリズムであるが、他の変分量子アルゴリズムと同様に回路パラメータの最適化に困難を伴うことが知られている。近年、パラメータ最適化を必要としない新たな手法として、フィードバック型量子最適化アルゴリズム(FALQON) が提唱された[1]。FALQONでは、逐次的に量子回路を付け加えていき目的関数の単調減少を実現するが、その際に測定結果からフィードバック則を通じて回路パラメータを一意に定める。小規模な系で数値的に解への収束が確かめられている一方で、FALQONの大きな問題点は、QAOAと比較して回路が著しく深くなるということある。そこで私たちは、回路のハイパーパラメータに関する近似を二次まで拡張することでFALQONにおける新たなフィードバック則を提唱した[2]。それによってMAX-CUT問題の数値実験で従来のFALQONと比べて必要な回路深さが一桁以上削減されることがわかった。この結果はノイズのある量子コンピュータ上でのFALQONの実装に向けた第一歩となることが期待される。今回のセミナーではこの成果について詳細を発表する。
[1] A. B. Magann et al., Phys. Rev. Lett. 129, 250502 (2022).
[2] D. Arai, K. N. Okada, et al., arXiv:2407.17810 (2024).
本セミナーシリーズは量子AIやその周辺分野に関する最近の研究内容などを共有するために企画した、オープンなセミナーです。
皆さまのご参加をお待ちしています。