ハイパーパラメータの使用

ハイブリッドジョブを作成するときに、学習レートやステップサイズなど、アルゴリズムに必要なハイパーパラメータを定義できます。ハイパーパラメータ値は通常、アルゴリズムのさまざまな側面を制御するために使用され、多くの場合、アルゴリズムのパフォーマンスを最適化するために調整できます。Braket ハイブリッドジョブでハイパーパラメータを使用するには、それらの名前と値をディクショナリとして明示的に指定する必要があります。値は文字列データ型である必要があります。最適な値のセットを検索するときにテストするハイパーパラメーター値を指定します。ハイパーパラメータを使用する最初のステップは、ハイパーパラメータをディクショナリとして設定して定義することです。これは、次のコードで確認できます。

# Defining the number of qubits used
n_qubits = 8
# Defining the number of layers used
n_layers = 10
# Defining the number of iterations used for your optimization algorithm
n_iterations = 10

hyperparams = {
    "n_qubits": n_qubits, 
    "n_layers": n_layers, 
    "n_iterations": n_iterations
}

次に、上記のコードスニペットで定義されたハイパーパラメータを渡すと、選択したアルゴリズムで次のようになります。

import time
from braket.aws import AwsQuantumJob

# Name your job so that it can be later identified
job_name = f"qcbm-gaussian-training-{n_qubits}-{n_layers}-" + str(int(time.time()))

job = AwsQuantumJob.create(
    # Run this hybrid job on the SV1 simulator
    device="arn:aws:braket:::device/quantum-simulator/amazon/sv1",
    # The directory or single file containing the code to run.
    source_module="qcbm",
    # The main script or function the job will run.
    entry_point="qcbm.qcbm_job:main",
    # Set the job_name
    job_name=job_name,
    # Set the hyperparameters
    hyperparameters=hyperparams,
    # Define the file that contains the input data
    input_data="data.npy", # Or input_data=s3_path
    # wait_until_complete=False,
)

ハイパーパラメータは、次のコードを使用してハイブリッドジョブスクリプトにロードされます。

import json
import os

# Load the Hybrid Job hyperparameters
hp_file = os.environ["AMZN_BRAKET_HP_FILE"]
with open(hp_file, "r") as f:
    hyperparams = json.load(f)

Amazon Braket Hybrid Jobs チュートリアルのAmazon Braket Hybrid Jobs を使用した QAOA」とPennyLane and Quantum Machine Learning Amazon Braket」では、ハイパーパラメータの使用方法を学ぶために非常に役立つガイドがいくつか提供されています。