QAOA-MC:由量子交替算子 Ansatz 增强的马尔可夫链蒙特卡洛
量子物理
2024-07-26 v1
摘要
量子计算有望在某些计算任务上相比经典对应物实现加速。其最原始的优势在于能够从经典上难处理的的概率分布中采样。利用这一事实的一个有前景的方法是所谓的量子增强马尔可夫链蒙特卡洛(MCMC)[D. Layden 等, arXiv:2203.12497 (2022)],其使用量子电路的输出作为提议分布。在这项工作中,我们提出使用量子交替算子 Ansatz (QAOA) 用于量子增强 MCMC,并提供一种策略来优化其参数以在保持深度较浅的同时改善收敛速度。所提出的 QAOA 型电路被设计为以任意参数满足量子增强 MCMC 所需的特定约束。通过我们广泛的数值分析,我们在特定参数范围内发现了一个实验可测量值、MCMC 接受率与决定收敛速度的 MCMC 转移矩阵谱间隙之间的相关性。这使我们能够优化 QAOA 电路中的参数并实现收敛的二次加速。由于 MCMC 被用于统计物理与机器学习等多个领域,本工作代表了通过量子增强 MCMC 利用当前可用量子计算机实现实用量子优势的重要一步。
引用
@article{arxiv.2305.08789,
title = {QAOA-MC: Markov chain Monte Carlo enhanced by Quantum Alternating Operator Ansatz},
author = {Yuichiro Nakano and Hideaki Hakoshima and Kosuke Mitarai and Keisuke Fujii},
journal= {arXiv preprint arXiv:2305.08789},
year = {2024}
}
备注
10 pages, 9 figures