Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Решетневские чтения; Красноярск; Красноярск
Год издания: 2025
Ключевые слова: global optimization, surrogate modeling, глобальная оптимизация, суррогатное моделирование
Аннотация: Рассматривается задача автоматизированной калибровки управляющих параметров гибридных (квантово-классических) сопроцессоров как дорогостоящая оптимизация «чёрной коробки» при наличии шума и аппаратных ограничений. Анализируются эволюционные и байесовские стратегии в сочетании с суррогатным моделированием на гауссовых процессах. ПокПоказать полностьюазано, что при ограниченном бюджете экспериментов и малой/умеренной размерности наилучшее соотношение качества и устойчивости обеспечивает связка GPR с дифференциальной эволюцией; целесообразность применения BO, CMA-ES и локальных стохастических процедур определяется стоимостью измерений, характером корреляций и требованиями к точности Automated calibration of control parameters in hybrid (quantum-classical) co-processors is formulated as expensive black-box optimization under measurement noise and hardware con-straints. We analyze evolutionary and Bayesian strategies combined with Gaussian-process-based surrogate modeling. It is shown that, given a limited experimental budget and low-to-moderate dimensionality, the best trade-off between solution quality and robustness is achieved by coupling Gaussian Process Regression (GPR) with Differential Evolution (DE); the suitability of Bayesian Optimization (BO), CMA-ES, and local stochastic procedures is governed by measurement cost, the structure of inter-parameter correlations, and accuracy requirements.
Журнал: Решетневские чтения
Номера страниц: 209-211
Место издания: Красноярск