优化方法在变分量子算法上的性能比较
量子物理
2023-03-09 v3
摘要
变分量子算法（VQA）为在近期量子硬件上进行学术与工业研究应用提供了一条有前景的途径。这些算法旨在使用经典优化算法优化参数化量子线路，以寻找量子问题的近似解。成功的 VQA 需要快速且可靠的经典优化算法。理解和优化现成的优化方法在此背景下的性能，对于该领域的未来至关重要。在本工作中，我们研究了四种常用的无梯度优化方法：SLSQP、COBYLA、CMA-ES 和 SPSA，在寻找一系列小型化学与材料科学问题基态能量时的性能。我们在所有方法上测试了一种伸缩采样方案（随着优化收敛，提供给优化器的代价函数估计的精度随之增加），在我们选择的优化器和问题范围内展示了好坏参半的结果。我们进一步对四个优化器中的两个（CMA-ES 和 SPSA）在大量模型上进行了超参数调优，并证明通过适当的超参数调优，CMA-ES 与 SPSA 具有竞争力，有时甚至优于 SPSA（在缺乏超参数调优时未观察到此现象）。最后，我们研究了优化器克服由提供给优化器的每个代价函数估计上的采样噪声所给定的“采样噪声底”的能力。我们的结果表明，有必要为本质上含噪声的变分量子算法量身定制并超参数调优已知的优化技术，并且 VQA 中发现的变分景观高度依赖于问题和系统。这为这些算法在实验中的未来实现提供了指导。
引用
@article{arxiv.2111.13454,
title = {Performance comparison of optimization methods on variational quantum algorithms},
author = {Xavier Bonet-Monroig and Hao Wang and Diederick Vermetten and Bruno Senjean and Charles Moussa and Thomas Bäck and Vedran Dunjko and Thomas E. O'Brien},
journal= {arXiv preprint arXiv:2111.13454},
year = {2023}
}
备注
Published version