論文の概要: Closing the Quantum-Classical Scaling Gap in Approximate Optimization

• arxiv url: http://arxiv.org/abs/2505.22514v1
• Date: Wed, 28 May 2025 16:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.715134
• Title: Closing the Quantum-Classical Scaling Gap in Approximate Optimization
• Title（参考訳）: 近似最適化における量子古典的スケーリングギャップの閉鎖
• Authors: J. Pawlowski, P. Tarasiuk, J. Tuziemski, L. Pawela, B. Gardas,
• Abstract要約: 異なる古典的パラダイムによる結果の再評価 -シミュレート・バイファーケーション・マシン(SBM)- 熱ゆらぎよりもカオス的な振る舞いを活用することで、SBMは同等または優れたスケーリング性能を達成する。 我々は、現在の量子異方体の生成が離散的な近似最適化において優越性を証明できる可能性は低いと結論づける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In a recent study (Ref. [1]), quantum annealing was reported to exhibit a scaling advantage for approximately solving Quadratic Unconstrained Binary Optimization (QUBO). However, this claim critically depends on the choice of classical reference algorithm -- Parallel Tempering with Isoenergetic Cluster Moves (PT-ICM). Here, we reassess these findings with different classical paradigm -- Simulated Bifurcation Machine (SBM) -- that harnesses nonlinear Hamiltonian dynamics. By leveraging chaotic behavior rather than thermal fluctuations, SBM achieves comparable or superior scaling performance, effectively closing the previously reported quantum-classical gap. We show that small problem sizes analyzed in [1] are insufficient for inferring asymptotic scaling, due to sensitivity to runtime and hardware-specific factors. By extending the benchmark to larger instances -- beyond current quantum annealing capabilities -- we establish strong classical scaling behavior. And as a result, we conclude that it is unlikely that current generation of quantum annealers, can demonstrate supremacy in discrete approximate optimization under operationally meaningful conditions.
• Abstract（参考訳）: 最近の研究では、量子アニールは二次非拘束バイナリ最適化(QUBO)を概ね解くためのスケーリング上の利点を示すと報告されている。 しかし、この主張は古典的な参照アルゴリズムの選択(Isoenergetic Cluster Moves (PT-ICM)による並列テンパリング)に依存している。 本稿では, 非線形ハミルトニアン力学を利用する古典的パラダイムであるシミュレート・バイファーケーション・マシン (SBM) を用いて, これらの知見を再評価する。 熱ゆらぎよりもカオス的な振る舞いを活用することで、SBMは同等または優れたスケーリング性能を達成し、これまで報告された量子古典的ギャップを効果的に閉じる。 [1]で解析された小さな問題のサイズは、実行時やハードウェア固有の要因に敏感なため、漸近的なスケーリングを推測するには不十分であることを示す。 ベンチマークを、現在の量子アニール機能を超えて、より大きなインスタンスに拡張することで、私たちは、強力な古典的なスケーリング行動を確立します。 その結果、現在の量子異方体の発生は、運用上有意な条件下での離散近似最適化において優位性を示すことは不可能であると結論付けている。

関連論文リスト

• Challenging the Quantum Advantage Frontier with Large-Scale Classical Simulations of Annealing Dynamics [0.0]
  近年のD-Waveの量子シミュレータの実証では、量子計算の優位性を示す新しいベンチマークが確立されている。 時間依存の変分モンテカルロは、スピングラスの量子アニールをシステムサイズまで効率的にシミュレートできることを示した。
  論文  参考訳（メタデータ） (2025-03-11T10:09:37Z)
• Quantum Annealing with chaotic driver Hamiltonians [0.0]
  本稿では,Sachdev-Ye-Kitaev(SYK)モデルのボソニックスピンバージョンに基づくドライバー・ハミルトンについて検討する。 その結果、SYKモデルインスタンスのかなりの割合は、大幅なスピードアップを示していることがわかった。
  論文  参考訳（メタデータ） (2024-09-30T17:39:54Z)
• Spectral chaos bounds from scaling theory of maximally efficient quantum-dynamical scrambling [44.99833362998488]
  複雑な量子系のエルゴード定常状態への進化に関する重要な予想は、スクランブルとして知られるこの過程が最も効率的であるときに普遍的な特徴を取得することである。 このシナリオでは、完全なスクランブルダイナミクスに沿ったスペクトル相関の正確な自己相似性を具現化して、スペクトル統計量に対する単一パラメータスケーリング理論を開発する。 スケーリング予測は特権プロセスと一致し、他の動的スクランブルシナリオのバウンダリとして機能し、すべての時間スケールで非効率または不完全なスクランブルを定量化できるようにする。
  論文  参考訳（メタデータ） (2023-10-17T15:41:50Z)
• Effectiveness of quantum annealing for continuous-variable optimization [0.0]
  粗いエネルギー景観を持つ一次元連続変数関数に適用した量子アニールの性能を検証した。 量子アニールのハードウェア実現は、古典的アルゴリズムよりもはるかに優れている可能性があると結論付けている。
  論文  参考訳（メタデータ） (2023-05-11T07:59:19Z)
• Universality of critical dynamics with finite entanglement [68.8204255655161]
  臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。 その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
  論文  参考訳（メタデータ） (2023-01-23T19:23:54Z)
• Quantum and classical annealing in a continuous space with multiple local minima [0.0]
  そこで, 量子アニール法は, 量子アニール法よりも指数関数的に向上することを示す。 また、ダイアバティックな量子力学、特に量子トンネルが、いかにシステムを世界最小に操るかを明らかにした。
  論文  参考訳（メタデータ） (2022-03-22T02:02:23Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
  我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。 本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。 高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-23T01:34:18Z)
• Fast Objective & Duality Gap Convergence for Non-Convex Strongly-Concave Min-Max Problems with PL Condition [52.08417569774822]
  本稿では,深層学習(深層AUC)により注目度が高まっている,円滑な非凹部min-max問題の解法に焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-12T00:32:21Z)

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。