Квантовая оптимизация с помощью градиентного гамильтонова спуска Современные методы оптимизации в машинном обучении часто основаны на алгоритмах первого порядка из-за их эффективности и низких требований к памяти. Разработан квантовый алгоритм Quantum Hamiltonian Descent (QHD), который использует квантовый туннельный эффект для поиска глобальных решений в сложных задачах оптимизации. Однако QHD имеет ограничения по скорости сходимости и устойчивости в высоконелинейных задачах. Для улучшения алгоритма предложено использовать градиентную информацию, что ускоряет сходимость и повышает вероятность нахождения глобальных решений. arXiv: 2505.14670 Обзоры | Квантовая физика
Квантовая оптимизация с помощью градиентного гамильтонова спуска
Современные методы оптимизации в машинном обучении часто основаны на алгоритмах первого порядка из-за их эффективности и низких требований к памяти. Разработан квантовый алгоритм Quantum Hamiltonian Descent (QHD), который использует квантовый туннельный эффект для поиска глобальных решений в сложных задачах оптимизации. Однако QHD имеет ограничения по скорости сходимости и устойчивости в высоконелинейных задачах. Для улучшения алгоритма предложено использовать градиентную информацию, что ускоряет сходимость и повышает вероятность нахождения глобальных решений.
arXiv: 2505.14670
