利用热启动 QAOA 与 IBM Runtime 的 Max-cut 聚类
量子物理
2021-09-01 v1
摘要
量子优化算法可用于将数据聚类问题映射为图优化问题，并通过求解 MaxCut 问题表述的最小能量来重现无监督学习聚类。本研究测试了量子近似优化算法（QAOA）的“热启动”变体相对于标准 QAOA 实现在非结构化聚类问题上的表现。同时测试了 IBM 新推出的 Qiskit Runtime API 在加速优化算法方面相对于标准优化算法实现的加速比与相对性能。热启动 QAOA 优于其他任何优化算法，尽管标准 QAOA 运行最快。本研究还使用了非凸优化器来松弛热启动 QAOA 的二次规划。
引用
@article{arxiv.2108.13464,
title = {Max-cut Clustering Utilizing Warm-Start QAOA and IBM Runtime},
author = {Daniel Beaulieu and Anh Pham},
journal= {arXiv preprint arXiv:2108.13464},
year = {2021}
}