論文の概要: Quantum-Guided Cluster Algorithms for Combinatorial Optimization
- arxiv url: http://arxiv.org/abs/2508.10656v1
- Date: Thu, 14 Aug 2025 13:54:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-15 22:24:48.342885
- Title: Quantum-Guided Cluster Algorithms for Combinatorial Optimization
- Title（参考訳）: 組合せ最適化のための量子ガイドクラスタアルゴリズム
- Authors: Peter J. Eder, Aron Kerschbaumer, Jernej Rudi Finžgar, Raimel A. Medina, Martin J. A. Schuetz, Helmut G. Katzgraber, Sarah Braun, Christian B. Mendl,
- Abstract要約: 本稿では,イジングスピングラスの基底状態を求めるための新しいアルゴリズムを提案する。
様々な古典的および量子的アルゴリズムを用いて、問題のエネルギー景観に関する情報を具現化する相関関係を生成することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Finding the ground state of Ising spin glasses is notoriously difficult due to disorder and frustration. Often, this challenge is framed as a combinatorial optimization problem, for which a common strategy employs simulated annealing, a Monte Carlo (MC)-based algorithm that updates spins one at a time. Yet, these localized updates can cause the system to become trapped in local minima. Cluster algorithms (CAs) were developed to address this limitation and have demonstrated considerable success in studying ferromagnetic systems; however, they tend to encounter percolation issues when applied to generic spin glasses. In this work, we introduce a novel CA designed to tackle these challenges by leveraging precomputed two-point correlations, aiming solve combinatorial optimization problems in the form of Max-Cut more efficiently. In our approach, clusters are formed probabilistically based on these correlations. Various classical and quantum algorithms can be employed to generate correlations that embody information about the energy landscape of the problem. By utilizing this information, the algorithm aims to identify groups of spins whose simultaneous flipping induces large transitions in configuration space with high acceptance probability -- even at low energy levels -- thereby escaping local minima more effectively. Notably, clusters generated using correlations from the Quantum Approximate Optimization Algorithm exhibit high acceptance rates at low temperatures. These acceptance rates often increase with circuit depth, accelerating the algorithm and enabling more efficient exploration of the solution space.
- Abstract（参考訳）: イジング・スピングラスの基底状態を見つけることは、障害やフラストレーションのために非常に難しい。
多くの場合、この課題は組合せ最適化問題であり、共通の戦略は1回に1回のスピンを更新するモンテカルロ(MC)ベースのアルゴリズムであるシミュレートアニーリングを採用する。
しかし、これらの局所的な更新によって、システムはローカルのミニマに閉じ込められる可能性がある。
クラスターアルゴリズム(CA)は、この制限に対処するために開発され、強磁性系の研究でかなりの成功を収めた。
本研究では,事前計算された2点相関を利用して,これらの課題に対処するために設計された新しいCAを紹介し,Max-Cutの形で組合せ最適化問題をより効率的に解くことを目的とした。
提案手法では,これらの相関関係に基づいてクラスターが確率的に形成される。
様々な古典的および量子的アルゴリズムを用いて、問題のエネルギー景観に関する情報を具現化する相関関係を生成することができる。
この情報を利用することで、同時に反転するスピンの群を同定し、低エネルギーレベルでも高い受容確率で構成空間における大きな遷移を誘導し、より効率的に局所ミニマを脱出することを目的とする。
特に、Quantum Approximate Optimization Algorithmの相関を用いて生成されたクラスタは、低温で高い受け入れ率を示す。
これらの受容率は回路深度とともに増加し、アルゴリズムを加速し、解空間のより効率的な探索を可能にする。
関連論文リスト
- Decentralized Optimization on Compact Submanifolds by Quantized Riemannian Gradient Tracking [45.147301546565316]
本稿では,コンパクト部分多様体における分散最適化の問題について考察する。
エージェントが量子化変数を用いて変数を更新するアルゴリズムを提案する。
我々の知る限りでは、量子化の存在下で$mathcalO (1/K)$収束率を達成した最初のアルゴリズムである。
論文 参考訳（メタデータ） (2025-06-09T01:57:25Z) - Learning with Local Search MCMC Layers [11.772298193297013]
不正確な解法による学習に理論的に根ざしたアプローチを導入する。
局所探索で使用される問題固有近傍系を提案分布に変換する。
時間窓を用いた大規模動的車両ルーティング問題に対する我々のアプローチを実証する。
論文 参考訳（メタデータ） (2025-05-20T11:47:42Z) - Qubit-efficient quantum local search for combinatorial optimization [0.0]
本稿では,lceil log l rceil$ qubitsのみを用いた局所探索の量子バージョンを実装した量子ビット効率変動量子アルゴリズムを提案する。
この成果は、短期量子デバイスにおける大規模最適化問題を解決するアルゴリズムの可能性を強調している。
論文 参考訳（メタデータ） (2025-02-04T11:44:34Z) - Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。
特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。
シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
論文 参考訳（メタデータ） (2024-01-25T17:37:40Z) - A Copositive Framework for Analysis of Hybrid Ising-Classical Algorithms [18.075115172621096]
本稿では,Isingソルバを用いた混合二項二次プログラムの解法におけるハイブリッドアルゴリズムの形式解析について述べる。
本稿では,ハイブリッド量子古典的切削平面アルゴリズムを用いてこの問題を解決することを提案する。
論文 参考訳（メタデータ） (2022-07-27T16:47:32Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳（メタデータ） (2021-05-14T11:31:14Z) - 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) - Second-Order Guarantees in Centralized, Federated and Decentralized
Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。
いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。
これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文 参考訳（メタデータ） (2020-03-31T16:54:22Z)
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。