論文の概要: Optimized Quantum Embedding: A Universal Minor-Embedding Framework for Large Complete Bipartite Graph

• arxiv url: http://arxiv.org/abs/2504.21112v1
• Date: Tue, 29 Apr 2025 18:44:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 23:40:12.817334
• Title: Optimized Quantum Embedding: A Universal Minor-Embedding Framework for Large Complete Bipartite Graph
• Title（参考訳）: 量子埋め込みの最適化: 大規模完全二部グラフのためのユニバーサルマイナー埋め込みフレームワーク
• Authors: Salvatore Sinno, Thomas Groß, Nicholas Chancellor, Bhavika Bhalgamiya, Arati Sahoo,
• Abstract要約: 大規模問題を量子アンナーにマッピングするためには、特に量子機械学習と最適化において、小さな埋め込みが不可欠である。 この研究は、量子アニールのハードウェアトポロジーに効率的に二部グラフを完備する最適化された、普遍的なマイナー埋め込みフレームワークを示す。
• 参考スコア（独自算出の注目度）: 0.5242869847419834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Minor embedding is essential for mapping largescale combinatorial problems onto quantum annealers, particularly in quantum machine learning and optimization. This work presents an optimized, universal minor-embedding framework that efficiently accommodates complete bipartite graphs onto the hardware topology of quantum annealers. By leveraging the inherent topographical periodicity of the physical quantum adiabatic annealer processor, our method systematically reduces qubit chain lengths, resulting in enhanced stability, computational efficiency, and scalability of quantum annealing. We benchmark our embedding framework against Minorminer, the default heuristic embedding algorithm, for the Pegasus topology, demonstrating that our approach significantly improves embedding quality. Our empirical results show a 99.98% reduction in embedding time for a 120 x 120 complete bipartite graphs. Additionally, our method eliminates long qubit chains, which primarily cause decoherence and computational errors in quantum annealing. These findings advance the scalability of quantum embeddings, particularly for quantum generative models, anomaly detection, and large-scale optimization tasks. Our results establish a foundation for integrating efficient quantum-classical hybrid solutions, paving the way for practical applications in quantum-enhanced machine learning and optimization.
• Abstract（参考訳）: 大規模組合せ問題を量子アンナーにマッピングするには、特に量子機械学習と最適化において、小さな埋め込みが不可欠である。 この研究は、量子アニールのハードウェアトポロジーに完全二部グラフを効率的に収容できる最適化された、普遍的なマイナー埋め込みフレームワークを示す。 物理量子アディバティックアニーラープロセッサの固有な地形周期性を活用することにより, 量子アニーラーの安定性, 計算効率, スケーラビリティが向上する。 We benchmark our embeddedding framework against Minorminer, the default heuristic embedded algorithm for the Pegasus topology, showed that our approach improves embedded quality。 実験の結果、120×120の完全二部グラフの埋め込み時間は99.98%削減された。 さらに,本手法では,量子アニーリングにおけるデコヒーレンスや計算誤差の原因となる長い量子ビット鎖を除去する。 これらの知見は量子埋め込みのスケーラビリティ、特に量子生成モデル、異常検出、大規模最適化タスクを前進させる。 本研究は,効率的な量子古典ハイブリッドソリューションの統合基盤を確立し,量子強化機械学習と最適化の実践的応用の道を開くものである。

関連論文リスト

• A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
  提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。 完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。 ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
  論文  参考訳（メタデータ） (2025-01-02T05:06:16Z)
• Noise-Aware Distributed Quantum Approximate Optimization Algorithm on Near-term Quantum Hardware [2.753858051267023]
  本稿では,短期量子ハードウェア上での動作に適した雑音対応分散量子近似最適化アルゴリズム(QAOA)を提案する。 我々は、現在のノイズ中間量子(NISQ)デバイスの限界に対処し、量子ビット数の制限と高いエラー率によって妨げられている。
  論文  参考訳（メタデータ） (2024-07-24T14:50:01Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• 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)
• 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)
• Squeezing and quantum approximate optimization [0.6562256987706128]
  変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。 しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。 我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-20T18:00:06Z)
• Quantum Robustness Verification: A Hybrid Quantum-Classical Neural Network Certification Algorithm [1.439946676159516]
  本研究では、堅牢性多変数混合整数プログラム(MIP)の解法を含むReLUネットワークの検証について検討する。 この問題を軽減するために、ニューラルネットワーク検証にQCを用い、証明可能な証明書を計算するためのハイブリッド量子プロシージャを導入することを提案する。 シミュレーション環境では,我々の証明は健全であり,問題の近似に必要な最小量子ビット数に制限を与える。
  論文  参考訳（メタデータ） (2022-05-02T13:23:56Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• 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)

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。