Barren Plateaus in Variational Quantum Computing

要約

変分量子コンピューティングは、多様な地域にアプリケーションを備えた柔軟な計算パラダイムを提供します。
しかし、彼らの可能性を実現するための重要な障害は、不毛のプラトー（BP）現象です。
モデルがBPを示すと、そのパラメーター最適化ランドスケープは指数関数的にフラットになり、問題のサイズが大きくなるにつれて機能しません。
重要なことに、アルゴリズムのすべての感動的な部分 – アンサッツの選択、初期状態、観察可能、損失関数、ハードウェアノイズ – は、不適切にBPSにつながる可能性があります。
BPSが訓練可能性に大きな影響を与えるため、研究者は、その効果を理解し、軽減するための理論的およびヒューリスティックな方法を開発するためにかなりの努力を捧げてきました。
その結果、BPSの研究は、量子最適制御、テンソルネットワーク、学習理論など、他の分野に影響を与え、交差する研究の繁栄した研究分野になりました。
この記事では、BP現象の現在の理解に関する包括的なレビューを提供します。

要約(オリジナル)

Variational quantum computing offers a flexible computational paradigm with applications in diverse areas. However, a key obstacle to realizing their potential is the Barren Plateau (BP) phenomenon. When a model exhibits a BP, its parameter optimization landscape becomes exponentially flat and featureless as the problem size increases. Importantly, all the moving pieces of an algorithm — choices of ansatz, initial state, observable, loss function and hardware noise — can lead to BPs when ill-suited. Due to the significant impact of BPs on trainability, researchers have dedicated considerable effort to develop theoretical and heuristic methods to understand and mitigate their effects. As a result, the study of BPs has become a thriving area of research, influencing and cross-fertilizing other fields such as quantum optimal control, tensor networks, and learning theory. This article provides a comprehensive review of the current understanding of the BP phenomenon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google