論文の概要: Scalability Challenges in Variational Quantum Optimization under Stochastic Noise

• arxiv url: http://arxiv.org/abs/2503.14696v2
• Date: Mon, 21 Jul 2025 12:51:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 14:33:31.986603
• Title: Scalability Challenges in Variational Quantum Optimization under Stochastic Noise
• Title（参考訳）: 確率雑音下における変分量子最適化のスケーラビリティ問題
• Authors: Adelina Bärligea, Benedikt Poggel, Jeanette Miriam Lorenz,
• Abstract要約: 変分量子アルゴリズム(VQA)は量子コンピューティングの有望な候補として注目されている。 不確実性の存在下でのランダムQUBOインスタンスの量子損失関数の変動を最小限に抑える方法について検討する。 システムサイズが大きくなるにつれて,最適化に成功するための臨界雑音閾値が急速に低下することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With rapid advances in quantum hardware, a central question is whether quantum devices with or without full error correction can outperform classical computers on practically relevant problems. Variational Quantum Algorithms (VQAs) have gained significant attention as promising candidates in this pursuit, particularly for combinatorial optimization problems. While reports of their challenges and limitations continue to accumulate, many studies remain optimistic based on small-scale, idealized testing setups, leaving doubt about the scalability of VQAs for large-scale problems. We systematically investigate this scaling behavior by analyzing how classical optimizers minimize variational quantum loss functions for random QUBO instances in the presence of uncertainty, modeled as effective Gaussian noise. We find that the critical noise threshold for successful optimization decreases rapidly as system size grows. This decline exceeds what can be explained solely by shrinking loss variance, confirming deeper, fundamental limitations in the loss landscapes of VQAs beyond barren plateaus. Translating these thresholds into required measurement shots reveals that achieving sufficient precision in the evaluated loss values quickly becomes impractical, even for moderately-sized problems. Our findings demonstrate serious scalability challenges for VQAs in optimization stemming from mere uncertainty, indicating potential barriers to achieving practical quantum advantage with current hybrid approaches.
• Abstract（参考訳）: 量子ハードウェアの急速な進歩により、完全誤り訂正の有無に関わらず量子デバイスが、現実的に関連する問題で古典的コンピュータより優れているかどうかが問題となる。 変分量子アルゴリズム (VQA) は、特に組合せ最適化問題において、この探索において有望な候補として注目されている。 課題と限界に関する報告は引き続き蓄積されるが、多くの研究は、小規模で理想的なテスト設定に基づいて楽観的であり、大規模な問題に対するVQAのスケーラビリティについて疑念を残している。 ガウス雑音としてモデル化された不確実性の存在下で、古典最適化器がランダムQUBOインスタンスの変分量子損失関数を最小化する方法を解析することにより、このスケーリング挙動を系統的に検討する。 システムサイズが大きくなるにつれて,最適化に成功するための臨界雑音閾値が急速に低下することがわかった。 この減少は、損失分散を縮小し、バレン高原を超えるVQAの損失景観のより深い、根本的な制限を確かめることによってのみ説明できるものを超えた。 これらの閾値を必要な測定ショットに変換することで、評価された損失値の十分な精度を達成することは、適度な大きさの問題であっても、すぐに実用的でないことが分かる。 本研究は,VQAの最適化において,単なる不確実性から生じる重大なスケーラビリティ上の課題を示し,現在のハイブリッドアプローチによる実用的な量子優位性の実現への障壁を示唆している。

関連論文リスト

• TensoMeta-VQC: A Tensor-Train-Guided Meta-Learning Framework for Robust and Scalable Variational Quantum Computing [60.996803677584424]
  TensoMeta-VQCは、VQCの堅牢性とスケーラビリティを大幅に向上させるために設計された、TT誘導型メタラーニングフレームワークである。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに完全に委譲し、量子ハードウェアから最適化を効果的に分離する。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Implementing Slack-Free Custom Penalty Function for QUBO on Gate-Based Quantum Computers [4.266376725904727]
  変分量子アルゴリズム(VQA)は、通常、ペナルティ法を用いて制約のない問題として再構成されるように制約付き問題を要求する。 一般的なアプローチでは、不等式制約を扱うためにQUBOの定式化においてスラック変数と二次罰則を導入する。 我々は、カスタムペナルティ関数を使って不等式制約を直接エンコードするスラックフリーな定式化について検討する。 これらのステップのような罰則は、追加の量子ビットを導入するか、微調整された重みを必要とすることなく、実現不可能な解を抑える。
  論文  参考訳（メタデータ） (2025-04-17T03:20:02Z)
• A Comparative Study of Quantum Optimization Techniques for Solving Combinatorial Optimization Benchmark Problems [4.266376725904727]
  本稿では,NP-hard問題に対する量子最適化手法の評価を目的とした,包括的なベンチマークフレームワークを提案する。 本フレームワークは,多次元クナップサック問題(MDKP),最大独立集合(MIS),二次割当問題(QAP),市場シェア問題(MSP)など,主要な課題に重点を置いている。
  論文  参考訳（メタデータ） (2025-03-15T13:02:22Z)
• Non-Variational Quantum Random Access Optimization with Alternating Operator Ansatz [3.5773675235837974]
  量子ランダムアクセス最適化(QRAO)は、量子最適化の空間要求を減らすために提案されている。 我々は、インスタンス独立固定パラメータが優れた性能を発揮することを示し、変動パラメータの最適化の必要性を排除した。 本研究は,早期のフォールトトレラント量子コンピュータ上でのQRAOの実践的実行の道を開くものである。
  論文  参考訳（メタデータ） (2025-02-06T18:25:31Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Challenges of variational quantum optimization with measurement shot noise [0.0]
  問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。 この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-31T18:01:15Z)
• 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)
• Quantum-Assisted Solution Paths for the Capacitated Vehicle Routing Problem [0.0]
  我々は、キャパシタントカー問題(CVRP)またはその減量版であるトラベリングセールスパーソン問題(TSP)について議論する。 今日の最も強力な古典的アルゴリズムでさえ、CVRPは古典的解決が難しい。 量子コンピューティングは、ソリューションの時間を改善する手段を提供するかもしれない。
  論文  参考訳（メタデータ） (2023-04-19T13:03:50Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
  量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。 これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
  論文  参考訳（メタデータ） (2022-03-14T16:51:36Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• 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)
• Limitations of optimization algorithms on noisy quantum devices [0.0]
  我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。 我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
  論文  参考訳（メタデータ） (2020-09-11T17:07:26Z)
• Policy Gradient based Quantum Approximate Optimization Algorithm [2.5614220901453333]
  本稿では,QAOAの変動パラメータをノイズキャンバス方式で最適化するために,政策段階に基づく強化学習アルゴリズムが適していることを示す。 単一および多ビット系における量子状態伝達問題に対するアルゴリズムの性能解析を行う。
  論文  参考訳（メタデータ） (2020-02-04T00:46:51Z)

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。