Neural QAOA²: Partizionamento Differenziabile del Grafo e Inizializzazione dei Parametri per l'Ottimizzazione Quantistica Combinatoria
Uno studio recente introduce Neural QAOA², un framework completamente differenziabile progettato per l'ottimizzazione quantistica combinatoria. Questo approccio affronta le sfide di scalabilità associate all'algoritmo di ottimizzazione quantistica approssimata (QAOA) creando simultaneamente partizioni del grafo e impostando i parametri iniziali. Utilizzando una rete generativa valutativa (GEN) insieme a un valutatore quantistico differenziabile, funge da surrogato affidabile delle prestazioni, facilitando la guida diretta del gradiente per apprendere la relazione tra topologia del grafo e configurazioni di partizioni e parametri.
Fatti principali
- Neural QAOA² è un framework end-to-end differenziabile per l'ottimizzazione quantistica combinatoria.
- Genera congiuntamente partizioni del grafo e parametri iniziali per QAOA.
- Il metodo utilizza una rete generativa valutativa (GEN).
- Un valutatore quantistico differenziabile funge da surrogato ad alta fedeltà delle prestazioni.
- Il framework fornisce una guida diretta del gradiente per l'apprendimento.
- Affronta le limitazioni dei framework divide-et-impera esistenti come QAOA².
- I metodi esistenti soffrono di disallineamento tra le metriche di partizionamento euristico e gli obiettivi di ottimizzazione quantistica.
- L'inizializzazione dei parametri cieca alla topologia porta a cold start dell'ottimizzazione.
Entità
—