論文の概要: Solving Quadratic Unconstrained Binary Optimization with
divide-and-conquer and quantum algorithms
- arxiv url: http://arxiv.org/abs/2101.07813v1
- Date: Tue, 19 Jan 2021 19:00:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 17:52:41.364129
- Title: Solving Quadratic Unconstrained Binary Optimization with
divide-and-conquer and quantum algorithms
- Title（参考訳）: 分割・解法と量子アルゴリズムを用いた二次的非拘束二元最適化の解法
- Authors: Gian Giacomo Guerreschi
- Abstract要約: 分割・対数手法を用いて、元の問題を小さな問題の集合に還元する。
この手法は任意のQUBOインスタンスに適用でき、全古典的またはハイブリッドな量子古典的アプローチにつながる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quadratic Unconstrained Binary Optimization (QUBO) is a broad class of
optimization problems with many practical applications. To solve its hard
instances in an exact way, known classical algorithms require exponential time
and several approximate methods have been devised to reduce such cost. With the
growing maturity of quantum computing, quantum algorithms have been proposed to
speed up the solution by using either quantum annealers or universal quantum
computers. Here we apply the divide-and-conquer approach to reduce the original
problem to a collection of smaller problems whose solutions can be assembled to
form a single Polynomial Binary Unconstrained Optimization instance with fewer
variables. This technique can be applied to any QUBO instance and leads to
either an all-classical or a hybrid quantum-classical approach. When quantum
heuristics like the Quantum Approximate Optimization Algorithm (QAOA) are used,
our proposal leads to a double advantage: a substantial reduction of quantum
resources, specifically an average of ~42% fewer qubits to solve MaxCut on
random 3-regular graphs, together with an improvement in the quality of the
approximate solutions reached.
- Abstract（参考訳）: Quadratic Unconstrained Binary Optimization (QUBO) は、多くの実用アプリケーションにおいて幅広い最適化問題である。
その難易度を正確に解くために、既知の古典的アルゴリズムは指数時間を必要とし、そのようなコストを削減するためにいくつかの近似手法が考案されている。
量子コンピューティングが成熟するにつれて、量子アニーラまたはユニバーサル量子コンピュータを使用して解を高速化するために量子アルゴリズムが提案されている。
ここでは、元の問題を減らし、より少ない変数を持つ単一の多項式双対非制約最適化インスタンスを形成するために、解を組み立てることができる小さな問題の集合に適用する。
この手法は任意のQUBOインスタンスに適用でき、全古典的またはハイブリッドな量子古典的アプローチにつながる。
量子近似最適化アルゴリズム(QAOA)のような量子ヒューリスティックを使用する場合、提案手法は2つの利点をもたらす: 量子資源の大幅な削減、特にランダムな3つの正則グラフ上のMaxCutを解くための平均約42%の量子ビットの削減、および近似解の品質の向上。
関連論文リスト
- Solving non-native combinatorial optimization problems using hybrid
quantum-classical algorithms [0.0]
組合せ最適化は、物流から金融まで幅広い分野に適用可能な、困難な問題である。
量子コンピューティングは、様々なアルゴリズムを用いてこれらの問題を解決するために使われてきた。
この研究は、量子と古典のリソースをハイブリッドなアプローチで統合することで、これらの課題を克服する枠組みを提示している。
論文 参考訳（メタデータ） (2024-03-05T17:46:04Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - Enhancing Quantum Algorithms for Quadratic Unconstrained Binary Optimization via Integer Programming [0.0]
本研究では,最適化のための量子および古典的手法の可能性を統合する。
線形緩和により問題のサイズを小さくし、最小サイズの量子マシンで問題を処理できるようにした。
実量子ハードウェアの計算結果を多数提示する。
論文 参考訳（メタデータ） (2023-02-10T20:12:53Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳（メタデータ） (2022-12-06T22:01:49Z) - Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価イジングモデルに変換する必要がある。
目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。
その結果,量子近似最適化アルゴリズム (QAOA) が新たに導入された。
論文 参考訳（メタデータ） (2022-09-07T18:01:01Z) - Classically-Boosted Quantum Optimization Algorithm [0.0]
我々は、量子最適化を強化するために既存の古典的手法を活用する自然なアプローチを探求する。
具体的には、近似解を見つけるために古典的なアルゴリズムを実行し、量子回路を用いて高品質な解の「近傍」を探索する。
CBQOA の Max 3SAT および Max Bisection への応用を実証し,これらの問題に対する従来のアプローチよりも優れていることを示す実証的証拠を提供する。
論文 参考訳（メタデータ） (2022-03-25T23:36:14Z) - Quadratic Unconstrained Binary Optimisation via Quantum-Inspired
Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。
我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文 参考訳（メタデータ） (2021-08-18T09:26:17Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Quantum Assisted Eigensolver [0.0]
本研究では,ハミルトニアンの基底状態と基底状態エネルギーを近似するハイブリッド量子古典アルゴリズムを提案する。
アルゴリズムの量子部分からの出力を古典コンピュータの入力として利用する。
論文 参考訳（メタデータ） (2020-09-23T08:33:18Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。