MétaCan
Menu
Retour à la cohorte
Enregistrement W4396710821 · doi:10.1109/edtm58488.2024.10512142

Performance Comparison for Quantum Approximate Optimization Algorithm (QAOA) across Noiseless Simulation, Experimentally Benchmarked Noisy Simulation, and Experimental Hardware Platforms

2024· article· en· W4396710821 sur OpenAlexaff
Sanyam Singhal, Vandit Srivastava, P Rohith, Prateek Jain, Debanjan Bhowmik

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensFractal Systems (Canada)
Organismes subventionnairesnon disponible
Mots-clésQubitComputer scienceQuantum computerQuantum algorithmNode (physics)QuantumAlgorithmNoise (video)Quantum circuitQuantum simulatorGraphTheoretical computer scienceQuantum error correctionQuantum mechanicsPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We implement Quantum Approximate Optimization Algorithm (QAOA) on NP-Hard problem MaxCut (for 3-chain and 4-node chain graphs, and 4-node and 6node Mobius Ladder graphs) on a quantum simulator without noise, a simulator with experimentally bench-marked noise (fake back-end), and 5-qubit and 7-qubit processors. We use the following modes of operation: QAOA parameters updated through forward pass on the quantum circuit, modelled by the noiseless simulator as well as fake back-end, and the quantum circuit for final run with updated parameters implemented on the noiseless simulator, fake back-end, and real quantum processors. While QAOA yields higher approximation ratio compared to random guess for almost all graph instances, we also conclude that given the noise in existing quantum hardware, a quantum circuit with more than two stages is not suitable for experimental implementation of QAOA currently.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,317
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207