Fugu-MT 論文翻訳(概要): Towards solving large QUBO problems using quantum algorithms: improving the LogQ scheme

論文の概要: Towards solving large QUBO problems using quantum algorithms: improving the LogQ scheme

arxiv url: http://arxiv.org/abs/2507.08489v1
Date: Fri, 11 Jul 2025 11:07:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-14 18:03:54.331806
Title: Towards solving large QUBO problems using quantum algorithms: improving the LogQ scheme
Title（参考訳）: 量子アルゴリズムを用いた大規模QUBO問題の解法:LogQスキームの改良
Authors: Yagnik Chatterjee, Jérémie Messud,
Abstract要約: 勾配に着想を得た手法で最適化できる新しいLogQパラメータ化を提案する。本手法の特徴を解析モデルで説明し,MaxCut問題に対する大規模数値結果を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The LogQ algorithm encodes Quadratic Unconstrained Binary Optimization (QUBO) problems with exponentially fewer qubits than the Quantum Approximate Optimization Algorithm (QAOA). The advantages of conventional LogQ are accompanied by a challenge related to the optimization of its free parameters, which requires the usage of resource intensive evolutionary or even global optimization algorithms. We propose a new LogQ parameterization that can be optimized with a gradient-inspired method, which is less resource-intensive and thus strengthens the advantage of LogQ over QAOA for large/industrial problems. We illustrate the features of our method on an analytical model and present larger scale numerical results on MaxCut problems.
Abstract（参考訳）: LogQアルゴリズムは、Quantum Approximate Optimization Algorithm (QAOA)よりも指数的に少ないキュービットを持つ二次非拘束バイナリ最適化(QUBO)問題を符号化する。従来のLogQの利点は、リソース集約進化アルゴリズムやグローバル最適化アルゴリズムの使用を必要とする自由パラメータの最適化に関する課題を伴う。そこで我々は, 資源集約度が低く, 大規模・工業的問題に対するQAOAよりもLogQの優位性を高めるために, 勾配に着想を得た手法で最適化可能な新しいLogQパラメータ化を提案する。本手法の特徴を解析モデルで説明し,MaxCut問題に対する大規模数値結果を示す。

関連論文リスト

Solving Constrained Combinatorial Optimization Problems with Variational Quantum Imaginary Time Evolution [4.266376725904727]
本稿では,VarQITEが従来の手法に比べて平均最適性ギャップを著しく小さくすることを示す。ハミルトニアンのスケーリングにより、最適化コストをさらに削減し、収束を加速できることを実証する。
論文参考訳（メタデータ） (2025-04-17T03:09:37Z)
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)
Classical optimization with imaginary time block encoding on quantum computers: The MaxCut problem [2.4968861883180447]
対角ハミルトニアンの基底状態解を見つけることは、金融、物理学、計算機科学など多くの分野に関心を持つ理論的および実践的な問題の両方に関係している。ここでは、新しいブロック符号化方式を用いて、これらの問題の基底状態を取得し、この手法をMaxCutに例証として応用する。
論文参考訳（メタデータ） (2024-11-16T08:17:36Z)
Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [47.47843839099175]
近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。
論文参考訳（メタデータ） (2024-09-03T15:21:16Z)
Feedback-Based Quantum Algorithm for Constrained Optimization Problems [0.6554326244334868]
問題の解を基底状態としてエンコードする新しい演算子を導入する。提案アルゴリズムは,量子回路の深さを小さくすることで,計算資源を節約できることを示す。
論文参考訳（メタデータ） (2024-06-12T12:58:43Z)
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)
A Comparative Study On Solving Optimization Problems With Exponentially Fewer Qubits [0.0]
変分量子固有解法(VQE)に基づくアルゴリズムの評価と改良を行った。我々は,問題を変分アンサッツにエンコードすることで生じる数値不安定性を強調する。より少ないイテレーションでアンザッツの基底状態を求めるための古典的な最適化手法を提案する。
論文参考訳（メタデータ） (2022-10-21T08:54:12Z)
Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価コストハミルトニアンに変換する必要がある。目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。我々は、このアイデアをトラベリングセールスマン問題やMax-K$-Cutといった最適化タスクに活用し、関連するすべてのコスト対策に関して最適に近い回路を得る。
論文参考訳（メタデータ） (2022-09-07T18:01:01Z)
Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。問題の大きさと問題グラフの次数で指数関数的に増大する。これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文参考訳（メタデータ） (2022-01-06T21:02:30Z)
Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文参考訳（メタデータ） (2021-08-18T09:26:17Z)
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)
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)
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。