論文の概要: Quantum Optimization Benchmark Library -- The Intractable Decathlon

• arxiv url: http://arxiv.org/abs/2504.03832v1
• Date: Fri, 04 Apr 2025 18:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:09:40.004400
• Title: Quantum Optimization Benchmark Library -- The Intractable Decathlon
• Title（参考訳）: 量子最適化ベンチマークライブラリ -- 難解なデカシオン
• Authors: Thorsten Koch, David E. Bernal Neira, Ying Chen, Giorgio Cortiana, Daniel J. Egger, Raoul Heese, Narendra N. Hegade, Alejandro Gomez Cadavid, Rhea Huang, Toshinari Itoko, Thomas Kleinert, Pedro Maciel Xavier, Naeimeh Mohseni, Jhon A. Montanez-Barrera, Koji Nakano, Giacomo Nannicini, Corey O'Meara, Justin Pauckert, Manuel Proissl, Anurag Ramesh, Maximilian Schicker, Noriaki Shimada, Mitsuharu Takeori, Victor Valls, David Van Bulck, Stefan Woerner, Christa Zoufal,
• Abstract要約: 既存の古典的アルゴリズムでは難しい10の最適化問題クラスを提示する。 問題クラスの個々の性質は、目的と変数タイプ、係数範囲、密度の点で異なる。 本稿ではQOBLIB(Quantum Optimization Benchmark Library)を紹介する。
• 参考スコア（独自算出の注目度）: 27.362963067036087
• License:
• Abstract: Through recent progress in hardware development, quantum computers have advanced to the point where benchmarking of (heuristic) quantum algorithms at scale is within reach. Particularly in combinatorial optimization -- where most algorithms are heuristics -- it is key to empirically analyze their performance on hardware and track progress towards quantum advantage. To this extent, we present ten optimization problem classes that are difficult for existing classical algorithms and can (mostly) be linked to practically-relevant applications, with the goal to enable systematic, fair, and comparable benchmarks for quantum optimization methods. Further, we introduce the Quantum Optimization Benchmark Library (QOBLIB) where the problem instances and solution track records can be found. The individual properties of the problem classes vary in terms of objective and variable type, coefficient ranges, and density. Crucially, they all become challenging for established classical methods already at system sizes ranging from less than 100 to, at most, an order of 100,000 decision variables, allowing to approach them with today's quantum computers. We reference the results from state-of-the-art solvers for instances from all problem classes and demonstrate exemplary baseline results obtained with quantum solvers for selected problems. The baseline results illustrate a standardized form to present benchmarking solutions, which has been designed to ensure comparability of the used methods, reproducibility of the respective results, and trackability of algorithmic and hardware improvements over time. We encourage the optimization community to explore the performance of available classical or quantum algorithms and hardware platforms with the benchmarking problem instances presented in this work toward demonstrating quantum advantage in optimization.
• Abstract（参考訳）: 近年のハードウェア開発の進展により、量子コンピュータは(ヒューリスティックな)量子アルゴリズムのベンチマークが到達範囲に達している。 特に、ほとんどのアルゴリズムがヒューリスティックな組合せ最適化では、ハードウェア上でのパフォーマンスを経験的に分析し、量子優位性に向けた進捗を追跡することが重要です。 この範囲で、既存の古典的アルゴリズムでは難しい10の最適化問題クラスを示し、量子最適化手法の体系的、公平、および同等のベンチマークを可能にすることを目的として、(大半は)実際に関連するアプリケーションにリンクできる。 さらに,QOBLIB (Quantum Optimization Benchmark Library) を導入する。 問題クラスの個々の性質は、目的と変数タイプ、係数範囲、密度の点で異なる。 重要なのは、100未満のシステムサイズから、少なくとも10,000の決定変数の順序まで、すでに確立されている古典的手法が、今日の量子コンピュータでそれらにアプローチできるようにする上で、これらはすべて困難なものになることだ。 本研究は,全ての問題クラスのインスタンスに対する最先端解法の結果を参照し,選択された問題に対する量子解法を用いて得られた模範的ベースライン結果を示す。 ベースラインの結果は、使用するメソッドの可視性、各結果の再現性、時間とともにアルゴリズムとハードウェアの改善の追跡性を保証するために設計されたベンチマークソリューションの標準化フォームを示す。 我々は最適化コミュニティに対して、最適化における量子優位性を示すために、この研究で提示されたベンチマーク問題インスタンスを用いて、利用可能な古典的または量子的アルゴリズムとハードウェアプラットフォームのパフォーマンスを探求することを奨励する。

関連論文リスト

• Towards Robust Benchmarking of Quantum Optimization Algorithms [3.9456729020535013]
  既存のベンチマークフレームワークにおける重要な問題は、それぞれが古典的なアプローチで最高の量子を最適化するのと同じ努力をしていないことである。 本稿では,公正なベンチマークに向けての普遍的な手順を包括的にまとめたガイドラインについて述べる。
  論文  参考訳（メタデータ） (2024-05-13T10:35:23Z)
• 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)
• Variational Quantum Multi-Objective Optimization [5.381539115778766]
  本稿では,量子コンピュータ上での離散多目的最適化問題を解くための変分量子最適化アルゴリズムを提案する。 最大5つの目的を持つベンチマーク問題に対して提案アルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2023-12-21T18:59:21Z)
• Challenges and Opportunities in Quantum Optimization [14.7608536260003]
  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。 計算機科学や物理学全般において、主要な最適化問題に対するアプローチは様々である。
  論文  参考訳（メタデータ） (2023-12-04T19:00:44Z)
• 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)
• Optimization Applications as Quantum Performance Benchmarks [0.0]
  組合せ最適化は、今後数年間における量子計算の主要なユースケースの1つとして期待されている。 従来の最適化アルゴリズムの特徴付け手法に着想を得て,Max-Cut問題を解くことで得られる解の質を分析した。 これは量子コンピュータのための高度なベンチマークフレームワークの開発を導くために使われる。
  論文  参考訳（メタデータ） (2023-02-05T01:56:06Z)
• 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)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• 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)
• 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。