論文の概要: Benchmarking Quantum Heuristics: Non-Variational QWOA for Weighted Maxcut

• arxiv url: http://arxiv.org/abs/2505.24191v1
• Date: Fri, 30 May 2025 04:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.761476
• Title: Benchmarking Quantum Heuristics: Non-Variational QWOA for Weighted Maxcut
• Title（参考訳）: 量子ヒューリスティックのベンチマーク:重み付きマックスカットのための非可変QWOA
• Authors: Tavis Bennett, Aidan Smith, Edric Matwiejew, Jingbo Wang,
• Abstract要約: 非変分量子ウォーク最適化アルゴリズム(非変分QWOA)のベンチマーク結果を示す。 このアルゴリズムは, 問題サイズを最大31$まで超えた大域的最適解に対して, 一定の平均ケース測定確率を達成する。 同じベンチマークインスタンス上での2つのローカル検索のパフォーマンス比較は、非変分QWOAが問題サイズをより適切にスケーリングすることで有意義な優位性をもたらすことを示唆している。
• 参考スコア（独自算出の注目度）: 3.3446678075435523
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present benchmarking results for the non-variational Quantum Walk Optimisation Algorithm (non-variational QWOA) applied to the weighted maxcut problem, using classical simulations for problem sizes up to $n = 31$. The amplified quantum state, prepared using a quadratic number of alternating unitaries, achieves a constant average-case measurement probability for globally optimal solutions across these problem sizes. This behaviour contrasts with that of classical heuristics, which, for NP-hard optimisation problems, typically exhibit solve probabilities that decay as problem size increases. Performance comparisons with two local-search heuristics on the same benchmark instances suggest that the non-variational QWOA may offer a meaningful advantage by scaling more favourably with problem size. These results provide supporting evidence for the potential of this quantum heuristic to achieve quantum advantage, though further work is needed to assess whether the observed performance scaling persists at larger problem sizes, and to confirm whether similar performance trends are observed for the other problem classes to which the non-variational QWOA is designed to generalise.
• Abstract（参考訳）: 重み付き最大値問題に適用した非偏差量子ウォーク最適化アルゴリズム(非偏差QWOA)のベンチマーク結果について,最大値が$n=31$までの古典的シミュレーションを用いて提案する。 増幅量子状態は、交互ユニタリの2次数を用いて作成され、これらの問題サイズにわたるグローバル最適解に対する一定の平均ケース測定確率を達成する。 この振る舞いは古典的ヒューリスティックスとは対照的であり、NPハード最適化問題の場合、一般に問題のサイズが増加するにつれて崩壊する確率を解く。 同じベンチマークインスタンス上での2つの局所探索ヒューリスティックのパフォーマンス比較は、非変分QWOAが問題サイズをより適切にスケールすることで有意義な優位性をもたらすことを示唆している。 これらの結果は、量子的優位性を達成するために、この量子ヒューリスティックの可能性を裏付ける証拠を提供するが、観測されたパフォーマンススケーリングがより大きな問題サイズで持続するかどうかを判断し、非変分QWOAが一般化するように設計された他の問題クラスで同様のパフォーマンストレンドが観測されるかどうかを確認するために、さらなる研究が必要である。

関連論文リスト

• Scalability Challenges in Variational Quantum Optimization under Stochastic Noise [0.0]
  変分量子アルゴリズム(VQA)は有望な候補として注目されている。 ランダムQUBO問題インスタンスに対する量子損失関数の最小化について検討する。 我々の結果は、VQAを用いた最適化において、実用的な量子優位性を実現する可能性について、深刻な疑念を提起する。
  論文  参考訳（メタデータ） (2025-03-18T20:00:19Z)
• Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
  最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。 この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
  論文  参考訳（メタデータ） (2024-08-14T19:04:13Z)
• Performance Upper Bound of Grover-Mixer Quantum Alternating Operator Ansatz [3.5023108034606256]
  QAOA(Quantum Alternating Operator Ansatz)は最適化問題を解くための量子アルゴリズムの一分野である。 特定の変種であるGrover-Mixer Quantum Alternating Operator Ansatz (GM-QAOA)は、等価な目的値を共有する状態間で均一な振幅を保証する。 GM-QAOAはサンプリング確率を2次的に向上させ,一貫した性能を維持するために,問題サイズと指数関数的にスケールする回路深度を必要とすることを示す。
  論文  参考訳（メタデータ） (2024-05-06T05:47:27Z)
• 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 Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• 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)
• Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
  浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。 我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
  論文  参考訳（メタデータ） (2021-12-21T12:41:31Z)
• 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)
• 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。