論文の概要: Distributed Implementation of Variational Quantum Eigensolver to Solve QUBO Problems
- arxiv url: http://arxiv.org/abs/2508.17471v2
- Date: Wed, 27 Aug 2025 19:27:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-29 11:47:01.18857
- Title: Distributed Implementation of Variational Quantum Eigensolver to Solve QUBO Problems
- Title（参考訳）: QUBO問題を解決する変分量子固有解法の分散実装
- Authors: Milad Hasanzadeh, Amin Kargarian,
- Abstract要約: 本稿では分散アルゴリズムと変分量子固有解法(VQE)の実装について述べる。
DVQEは、分散方式で複数の量子処理ユニット(QPU)にまたがるパラメータ化量子回路の実行を可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a distributed algorithm and implementation of the variational quantum eigensolver (VQE), termed distributed VQE (DVQE). DVQE, provided as an open-source Python package, enables the execution of parameterized quantum circuits across multiple logical quantum processing units (QPUs) in a distributed fashion. This approach addresses key hardware limitations of near-term quantum devices, including restricted qubit counts and limited circuit depth. Distributed ansatz circuits are constructed to preserve the quantum state fidelity of their monolithic counterparts, allowing consistent energy estimation while distributing the computational load. To improve the convergence and robustness of the optimization loop for identifying the variational parameters of the DVQE ansatz circuit, we use the ADAM optimizer in combination with metaheuristic initialization strategies, which outperform random initialization across various test cases. The complete DVQE pipeline is implemented in a modular Python package that accepts QUBO problems as input and supports monolithic and distributed execution modes. The framework leverages Qiskit to construct and simulate distributed circuits, and includes an internal greedy algorithm for automatic qubit allocation across multiple QPUs. Simulation results on QUBO benchmarks confirm the correctness of the approach, paving the way for real QPU deployment and further exploration of distributed quantum optimization. \textbf{The simulator is publicly available on \href{https://github.com/LSU-RAISE-LAB/DVQE.git}{GitHub} under a package named raiselab, with a collection of tutorial examples.}
- Abstract（参考訳）: 本稿では,分散VQE(DVQE)と呼ばれる分散量子固有解法(VQE)の実装と分散アルゴリズムを提案する。
オープンソースのPythonパッケージとして提供されるDVQEは、複数の論理量子処理ユニット(QPU)にわたるパラメータ化量子回路を分散形式で実行可能にする。
このアプローチは、量子ビット数制限や回路深さ制限を含む、短期量子デバイスのハードウェア上の重要な制限に対処する。
分散アンサッツ回路は、そのモノリシックな状態の量子状態の忠実さを保ち、計算負荷を分散しながら一貫したエネルギー推定を可能にする。
DVQEアンサッツ回路の変動パラメータを同定するための最適化ループの収束性とロバスト性を改善するために,ADAMオプティマイザとメタヒューリスティック初期化戦略を併用し,様々なテストケースにおけるランダム初期化よりも優れた性能を示す。
完全なDVQEパイプラインは、QUBO問題を入力として受け入れ、モノリシックおよび分散実行モードをサポートするモジュール型のPythonパッケージで実装されている。
このフレームワークは、分散回路の構築とシミュレートにQiskitを活用し、複数のQPUにまたがるキュービットの自動割り当てのための内部グレディアルゴリズムを含む。
QUBOベンチマークのシミュレーション結果は、アプローチの正しさを確認し、実際のQPUデプロイメントへの道を開き、分散量子最適化をさらに探求する。
\textbf{ このシミュレータは raiselab というパッケージで公開されており、チュートリアルのサンプルが公開されている。
※
関連論文リスト
- Evaluating the performance of quantum processing units at large width and depth [0.40964539027092917]
線形ランプ量子近似最適化アルゴリズム(LR-QAOA)に基づくベンチマークプロトコルを提案する。
LR-QAOAは、回路深度が増加するにつれてコヒーレント信号を保存するQPUの能力を定量化し、ランダムサンプリングと統計的に区別できない性能になるかどうかを特定する。
このプロトコルを6つのベンダーの24の量子プロセッサに適用し、最大156の量子ビットと1Dチェーンにまたがる1万の層、ネイティブレイアウト、完全に接続されたトポロジの問題をテストします。
論文 参考訳（メタデータ） (2025-02-10T13:50:50Z) - Module-conditioned distribution of quantum circuits [4.513787113118679]
固定モジュール割り当てを仮定して、分散量子回路問題に対して正確な整数プログラミング手法を導出する。
最適モジュール割り当ては,本手法で見いだされた自明なものであることを示す。
論文 参考訳（メタデータ） (2025-01-21T01:48:22Z) - Efficient charge-preserving excited state preparation with variational quantum algorithms [33.03471460050495]
本稿では、対称性と対応する保存電荷をVQDフレームワークに組み込むために設計された電荷保存型VQD(CPVQD)アルゴリズムを紹介する。
その結果、高エネルギー物理学、核物理学、量子化学への応用が示された。
論文 参考訳（メタデータ） (2024-10-18T10:30:14Z) - Benchmarking Variational Quantum Eigensolvers for Entanglement Detection in Many-Body Hamiltonian Ground States [37.69303106863453]
変分量子アルゴリズム(VQA)は近年、量子優位を得る約束として登場している。
我々は、変分量子固有解法(VQEs)と呼ばれる特定の種類のVQAを用いて、絡み合った観測と絡み合った基底状態検出においてそれらをベンチマークする。
ハミルトニアン相互作用にインスパイアされた構造を持つ量子回路は、問題に依存しない回路よりもコスト関数推定のより良い結果を示した。
論文 参考訳（メタデータ） (2024-07-05T12:06:40Z) - TopGen: Topology-Aware Bottom-Up Generator for Variational Quantum
Circuits [26.735857677349628]
変分量子アルゴリズム(VQA)は、短期デバイスに量子上の利点を示すことを約束している。
パラメータ化ゲートを持つ変分回路であるアンサッツの設計は、VQAにとって最重要となる。
トポロジ固有のアンザッツを生成するボトムアップ手法を提案する。
論文 参考訳（メタデータ） (2022-10-15T04:18:41Z) - Quantum Quantile Mechanics: Solving Stochastic Differential Equations
for Generating Time-Series [19.830330492689978]
微分方程式(SDE)の解からサンプリングする量子アルゴリズムを提案する。
我々は、基礎となる確率分布の量子関数を表現し、サンプルを期待値として抽出する。
本手法は,Ornstein-Uhlenbeck過程をシミュレーションし,初期点と異なるタイミングでサンプリングすることによって検証する。
論文 参考訳（メタデータ） (2021-08-06T16:14:24Z) - Variational Quantum Eigensolver with Reduced Circuit Complexity [3.1158760235626946]
電子構造計算におけるVQEにおける量子回路の複雑性を低減するための新しい手法を提案する。
我々のアルゴリズムは、ClusterVQEと呼ばれ、初期量子ビット空間を、個々の量子回路にさらに分散したサブスペース(キュービットクラスタ)に分割する。
この新しいアルゴリズムは同時に量子ビット数と回路深度を減少させ、NISQデバイス上での量子化学シミュレーションの潜在的なリーダーとなる。
論文 参考訳（メタデータ） (2021-06-14T17:23:46Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳（メタデータ） (2021-05-06T17:59:38Z) - Layer VQE: A Variational Approach for Combinatorial Optimization on
Noisy Quantum Computers [5.644434841659249]
変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。
L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。
シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下では良好に動作していることがわかった。
論文 参考訳（メタデータ） (2021-02-10T16:53:22Z)
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。