論文の概要: Benchmarking Advantage and D-Wave 2000Q quantum annealers with exact
cover problems
- arxiv url: http://arxiv.org/abs/2105.02208v2
- Date: Fri, 1 Apr 2022 13:50:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-01 13:05:28.988899
- Title: Benchmarking Advantage and D-Wave 2000Q quantum annealers with exact
cover problems
- Title(参考訳): 正確な被覆問題を有するベンチマークアドバンテージとD-Wave 2000Q量子アニール
- Authors: Dennis Willsch, Madita Willsch, Carlos D. Gonzalez Calaza, Fengping
Jin, Hans De Raedt, Marika Svensson, Kristel Michielsen
- Abstract要約: 我々は、これまでで最大の量子アニールの量子処理ユニットである5000以上の量子アニールと2000年以上前のD-Wave 2000Qの量子処理ユニットをベンチマークした。
ほぼ全ての問題に対してアドバンテージはD-Wave 2000Qより優れており、成功率と問題サイズは顕著に増加した。
- 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: We benchmark the quantum processing units of the largest quantum annealers to
date, the 5000+ qubit quantum annealer Advantage and its 2000+ qubit
predecessor D-Wave 2000Q, using tail assignment and exact cover problems from
aircraft scheduling scenarios. The benchmark set contains small, intermediate,
and large problems with both sparsely connected and almost fully connected
instances. We find that Advantage outperforms D-Wave 2000Q for almost all
problems, with a notable increase in success rate and problem size. In
particular, Advantage is also able to solve the largest problems with 120
logical qubits that D-Wave 2000Q cannot solve anymore. Furthermore, problems
that can still be solved by D-Wave 2000Q are solved faster by Advantage. We
find, however, that D-Wave 2000Q can achieve better success rates for sparsely
connected problems that do not require the many new couplers present on
Advantage, so improving the connectivity of a quantum annealer does not per se
improve its performance.
- Abstract(参考訳): 我々は、これまで最大の量子アニーラー、5000以上の量子アニーラー、2000年以上前のD-Wave 2000Qの量子処理ユニットを、尾の割り当てと航空機のスケジューリングシナリオからの正確なカバー問題を用いてベンチマークした。
ベンチマークセットには、疎結合なインスタンスとほぼ完全に接続されたインスタンスの両方で、小さく、中間的で大きな問題が含まれている。
ほぼ全ての問題に対してアドバンテージはD-Wave 2000Qより優れており、成功率と問題サイズは顕著に増加した。
特にアドバンテージは、D-Wave 2000Qでは解けない120個の論理量子ビットで最大の問題を解決することができる。
さらに、D-Wave 2000Qで解決できる問題はアドバンテージによってより高速に解決される。
しかし、D-Wave 2000Qは、アドバンテージに存在する多くの新しいカウンセラーを必要としない疎結合な問題に対して、より良い成功率を達成できるため、量子アニール器の接続性の向上は、その性能を向上しない。
関連論文リスト
- QAHAN: A Quantum Annealing Hard Attention Network [0.0]
ハードアテンションメカニズム(HAM)は、重要な情報を離散的にフィルタリングし、大規模なデータセット上での機械学習モデルの性能を大幅に向上させる。
彼らは非微分可能性の課題に直面し、局所的な最適性への収束のリスクを増大させる。
グローバル最適値への高速収束を実現するために,量子アニーリング型ハードアテンション機構(QAHAM)を提案する。
論文 参考訳(メタデータ) (2024-12-30T13:21:16Z) - Adaptive User-Centric Entanglement Routing in Quantum Data Networks [5.421492821020181]
分散量子コンピューティング(DQC)は、量子データネットワーク(QDN)を介して複数の小さな量子コンピュータ(QC)を相互接続することで、量子コンピューティングの可能性を活用するという大きな可能性を秘めている。
QDN内の量子テレポーテーションのための2つのQC間の長距離量子絡み合わせを確立することは重要な側面であり、絡み合わせルーティングを伴う。
既存のアプローチは主に、現在の絡み合い接続(EC)要求に対する絡み合い性能の最適化に重点を置いている。
本稿では,ユーザの予算制約に固執しながら,絡み合いの成功率を最大化するために,長期にわたるユーザ中心の絡み合いルーティング問題を提案する。
論文 参考訳(メタデータ) (2024-04-13T17:20:00Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳(メタデータ) (2024-01-10T22:33:00Z) - EHA: Entanglement-variational Hardware-efficient Ansatz for Eigensolvers [7.473180902609473]
量子多体系と量子化学のベンチマーク問題を解くために,Entment-variational Hardware- efficient Ansatz (EHA)を提案する。
EHAは問題に依存せず、ハードウェア効率が良く、特にNISQデバイスに適している。
論文 参考訳(メタデータ) (2023-11-02T09:58:02Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement
and measurement reduction [77.97248520278123]
本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。
QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
論文 参考訳(メタデータ) (2022-09-26T06:51:20Z) - Solving Larger Optimization Problems Using Parallel Quantum Annealing [0.0]
並列量子アニールとグラフ分解を組み合わせたハイブリッドアプローチにより、より大規模な最適化問題を正確に解けることを示す。
最大傾き問題を最大120ノードと6395エッジのグラフに適用する。
論文 参考訳(メタデータ) (2022-05-24T15:56:15Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳(メタデータ) (2022-05-24T03:49:10Z) - Inter-generational comparison of quantum annealers in solving hard
scheduling problems [0.6379131261598538]
D-Wave Two, 2X, 2000Q,Advantageの4つの量子アニールの性能を比較した。
ハードウェアアップグレードからコントリビューションを分離しながら、パフォーマンスの違いに寄与する要因について検討する。
論文 参考訳(メタデータ) (2021-12-01T18:59:59Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z) - 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)
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。