論文の概要: Quantum Optimization: Potential, Challenges, and the Path Forward
- arxiv url: http://arxiv.org/abs/2312.02279v1
- Date: Mon, 4 Dec 2023 19:00:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-06 17:49:34.605660
- Title: Quantum Optimization: Potential, Challenges, and the Path Forward
- Title(参考訳): 量子最適化:可能性、課題、そしてこれからの道
- Authors: Amira Abbas, Andris Ambainis, Brandon Augustino, Andreas B\"artschi,
Harry Buhrman, Carleton Coffrin, Giorgio Cortiana, Vedran Dunjko, Daniel J.
Egger, Bruce G. Elmegreen, Nicola Franco, Filippo Fratini, Bryce Fuller,
Julien Gacon, Constantin Gonciulea, Sander Gribling, Swati Gupta, Stuart
Hadfield, Raoul Heese, Gerhard Kircher, Thomas Kleinert, Thorsten Koch,
Georgios Korpas, Steve Lenk, Jakub Marecek, Vanio Markov, Guglielmo Mazzola,
Stefano Mensa, Naeimeh Mohseni, Giacomo Nannicini, Corey O'Meara, Elena
Pe\~na Tapia, Sebastian Pokutta, Manuel Proissl, Patrick Rebentrost, Emre
Sahin, Benjamin C. B. Symons, Sabine Tornow, Victor Valls, Stefan Woerner,
Mira L. Wolf-Bauwens, Jon Yard, Sheir Yarkoni, Dirk Zechiel, Sergiy Zhuk,
Christa Zoufal
- Abstract要約: 量子コンピュータの最近の進歩は、ブラトフォース古典シミュレーションを超えるスケールで問題を解決する能力を示している。
量子アルゴリズムに対する幅広い関心は、多くの分野で発展し、最適化は最も顕著な領域の1つである。
- 参考スコア(独自算出の注目度): 14.836100818054588
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in quantum computers are demonstrating the ability to solve
problems at a scale beyond brute force classical simulation. As such, a
widespread interest in quantum algorithms has developed in many areas, with
optimization being one of the most pronounced domains. Across computer science
and physics, there are a number of algorithmic approaches, often with little
linkage. This is further complicated by the fragmented nature of the field of
mathematical optimization, where major classes of optimization problems, such
as combinatorial optimization, convex optimization, non-convex optimization,
and stochastic extensions, have devoted communities. With these aspects in
mind, this work draws on multiple approaches to study quantum optimization.
Provably exact versus heuristic settings are first explained using
computational complexity theory - highlighting where quantum advantage is
possible in each context. Then, the core building blocks for quantum
optimization algorithms are outlined to subsequently define prominent problem
classes and identify key open questions that, if answered, will advance the
field. The effects of scaling relevant problems on noisy quantum devices are
also outlined in detail, alongside meaningful benchmarking problems. We
underscore the importance of benchmarking by proposing clear metrics to conduct
appropriate comparisons with classical optimization techniques. Lastly, we
highlight two domains - finance and sustainability - as rich sources of
optimization problems that could be used to benchmark, and eventually validate,
the potential real-world impact of quantum optimization.
- Abstract(参考訳): 量子コンピュータの最近の進歩は、ブラトフォース古典シミュレーションを超えるスケールで問題を解決する能力を示している。
このように、量子アルゴリズムに対する幅広い関心が多くの分野で発展し、最適化は最も顕著な領域の1つである。
コンピュータ科学や物理学の分野では、多くのアルゴリズム的なアプローチがあり、リンクはほとんどない。
これは、組合せ最適化、凸最適化、非凸最適化、確率的拡張といった最適化問題の主要なクラスが専門的なコミュニティを持つ数理最適化の分野の断片化された性質によってさらに複雑である。
これらの側面を念頭に置いて、この研究は量子最適化を研究する複数のアプローチを描いている。
証明可能な正確性とヒューリスティックな設定は、まず計算複雑性理論を使って説明されます。
次に、量子最適化アルゴリズムの核となる構成要素を概説し、次に顕著な問題クラスを定義し、答えればフィールドを前進させる重要なオープン質問を特定する。
ノイズ量子デバイスにおける関連する問題のスケーリングの影響は、有意義なベンチマーク問題とともに、詳細に説明されている。
従来の最適化手法と適切な比較を行うために明確なメトリクスを提案することで、ベンチマークの重要性を強調する。
最後に、ファイナンスとサステナビリティという2つのドメインを、量子最適化の潜在的な現実世界への影響をベンチマークし、最終的に検証するために使用できる最適化問題のリッチなソースとして強調します。
関連論文リスト
- Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳(メタデータ) (2023-10-14T02:13:26Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳(メタデータ) (2023-06-15T15:28:12Z) - An in-principle super-polynomial quantum advantage for approximating
combinatorial optimization problems via computational learning theory [5.907281242647458]
量子コンピュータは、最適化問題に対する近似解法において、古典的コンピュータよりも高次超多項式的優位性を有することを証明している。
量子アドバンテージのコアは、究極的にはShorの量子アルゴリズムからファクタリングのために借用されている。
論文 参考訳(メタデータ) (2022-12-16T19:01:04Z) - 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) - Quantum topology optimization of ground structures using noisy
intermediate-scale quantum devices [8.325359814939517]
トポロジ最適化問題に対する潜在的な解決策として,量子コンピュータの利用について検討する。
実機実験を含むいくつかの実験により,提案手法が最適構成を得ることができた。
論文 参考訳(メタデータ) (2022-07-19T10:39:28Z) - 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) - 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 variational optimization: The role of entanglement and problem
hardness [0.0]
本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。
数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。
リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
論文 参考訳(メタデータ) (2021-03-26T14:06:54Z) - 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。