Fugu-MT 論文翻訳(概要): Quantum-Enhanced Optimization by Warm Starts

論文の概要: Quantum-Enhanced Optimization by Warm Starts

arxiv url: http://arxiv.org/abs/2508.16309v1
Date: Fri, 22 Aug 2025 11:36:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-25 16:42:36.369756
Title: Quantum-Enhanced Optimization by Warm Starts
Title（参考訳）: ウォームスタートによる量子最適化
Authors: Ieva Čepaitė, Niam Vaishnav, Leo Zhou, Ashley Montanaro,
Abstract要約: 本稿では,量子化最適化(quantum-enhanced optimization)と呼ぶ手法を提案し,量子サンプルを利用して古典最適化アルゴリズムを高速化する。我々の方法は、量子生成サンプルを古典的なサンプリングの温暖化に利用して、Max-CutやMaximum Independent Set (MIS)のような新しい問題を解決する。
参考スコア（独自算出の注目度）: 1.1666234644810893
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an approach, which we term quantum-enhanced optimization, to accelerate classical optimization algorithms by leveraging quantum sampling. Our method uses quantum-generated samples as warm starts to classical heuristics for solving challenging combinatorial problems like Max-Cut and Maximum Independent Set (MIS). To implement the method efficiently, we introduce novel parameter-setting strategies for the Quantum Approximate Optimization Algorithm (QAOA), qubit mapping and routing techniques to reduce gate counts, and error-mitigation techniques. Experimental results, including on quantum hardware, showcase runtime improvements compared with the original classical algorithms.
Abstract（参考訳）: 本稿では,量子サンプリングを利用して古典最適化アルゴリズムを高速化する手法を提案する。提案手法では、量子生成サンプルを古典的ヒューリスティックの温暖化に用いて、Max-Cut や Maximum Independent Set (MIS) のような組合せ問題に挑戦する。本手法を効率的に実装するために、量子近似最適化アルゴリズム(QAOA)、ゲート数を削減するためのキュービットマッピングとルーティング技術、エラー軽減技術について、新しいパラメータセット戦略を導入する。量子ハードウェアを含む実験結果は、従来のアルゴリズムと比較して実行時の改善を示す。

関連論文リスト

Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文参考訳（メタデータ） (2025-05-24T02:51:34Z)
A coherent approach to quantum-classical optimization [0.0]
ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
論文参考訳（メタデータ） (2024-09-20T22:22:53Z)
Iterative Quantum Algorithms for Maximum Independent Set: A Tale of Low-Depth Quantum Algorithms [0.0]
我々は、反復最大量子アルゴリズム(Iterative Maximum Quantum Algorithms)と呼ばれる、量子最適化のための新しいハイブリッドアプローチのクラスについて研究する。深度$p=1$のQAOAの場合、このアルゴリズムはMISの古典的欲求アルゴリズムと全く同じ操作と選択を行う。
論文参考訳（メタデータ） (2023-09-22T18:00:03Z)
Efficient DCQO Algorithm within the Impulse Regime for Portfolio Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文参考訳（メタデータ） (2023-08-29T17:53:08Z)
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)
Surrogate-based optimization for variational quantum algorithms [0.0]
変分量子アルゴリズム(英: Variational quantum algorithm)は、短期量子コンピュータで使用される技術の一種である。実験的な測定をほとんど行わない変分回路のサロゲートモデルの学習について紹介する。次に、元のデータとは対照的に、これらのモデルを用いてパラメータ最適化を行う。
論文参考訳（メタデータ） (2022-04-12T00:15:17Z)
Quantum Optimization Heuristics with an Application to Knapsack Problems [5.866941279460248]
本稿では,量子近似最適化アルゴリズム(QAOA)を制約付き最適化問題に適合させる2つの手法を提案する。最初のテクニックでは、初期の量子状態と混合操作を定義し、量子最適化アルゴリズムを調整して、この初期欲求解に関する可能な解を探索する方法が述べられている。第2の手法は、グリーディ溶液の周りの局所的なミニマを避けるために、量子探索に使用される。
論文参考訳（メタデータ） (2021-08-19T17:22:44Z)
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)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。