論文の概要: QUBO-based training for VQAs on Quantum Annealers

• arxiv url: http://arxiv.org/abs/2509.01821v1
• Date: Mon, 01 Sep 2025 22:57:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.855871
• Title: QUBO-based training for VQAs on Quantum Annealers
• Title（参考訳）: 量子アニールにおけるVQAのためのQUBOに基づくトレーニング
• Authors: Ernesto Acosta, Guillermo Botella, Carlos Cano,
• Abstract要約: 量子アニールは、大規模な最適化問題を解決する効果的なフレームワークを提供する。 本研究は変分量子アルゴリズムを学習するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.06372261626436675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum annealers provide an effective framework for solving large-scale combinatorial optimization problems. This work presents a novel methodology for training Variational Quantum Algorithms (VQAs) by reformulating the parameter optimization task as a Quadratic Unconstrained Binary Optimization (QUBO) problem. Unlike traditional gradient-based methods, our approach directly leverages the Hamiltonian of the chosen VQA ansatz and employs an adaptive, metaheuristic optimization scheme. This optimization strategy provides a rich set of configurable parameters which enables the adaptation to specific problem characteristics and available computational resources. The proposed framework is generalizable to arbitrary Hamiltonians and integrates a recursive refinement strategy to progressively approximate high-quality solutions. Experimental evaluations demonstrate the feasibility of the method and its ability to significantly reduce computational overhead compared to classical and evolutionary optimizers, while achieving comparable or superior solution quality. These findings suggest that quantum annealers can serve as a scalable alternative to classical optimizers for VQA training, particularly in scenarios affected by barren plateaus and noisy gradient estimates, and open new possibilities for hybrid quantum gate - quantum annealing - classical optimization models in near-term quantum computing.
• Abstract（参考訳）: 量子アニールは、大規模な組合せ最適化問題を解決する効果的なフレームワークを提供する。 本研究は、パラメータ最適化タスクを擬似非制約バイナリ最適化(QUBO)問題として再構成することにより、変分量子アルゴリズム(VQA)を訓練するための新しい手法を提案する。 従来の勾配に基づく手法とは異なり、我々の手法は選択されたVQAアンサッツのハミルトニアンを直接利用し、適応的メタヒューリスティック最適化スキームを採用している。 この最適化戦略は、特定の問題特性や利用可能な計算資源への適応を可能にする、構成可能なパラメータの豊富なセットを提供する。 提案するフレームワークは任意のハミルトニアンに対して一般化可能であり、再帰的洗練戦略を統合して、高品質な解を段階的に近似する。 実験により,古典的および進化的オプティマイザと比較して計算オーバーヘッドを大幅に削減できると同時に,同等あるいは優れた解品質を実現することができることを示した。 これらの結果は、量子アニールが古典的なVQAトレーニングのオルタナティブなオプティマイザ(特にバレンプラトーとノイズ勾配推定の影響を受けるシナリオ)に代わるスケーラブルな代替品として機能し、短期量子コンピューティングにおけるハイブリッド量子ゲート - 量子アニール - 古典的な最適化モデルに対する新たな可能性を開くことを示唆している。

関連論文リスト

• Quantum Annealing for Machine Learning: Applications in Feature Selection, Instance Selection, and Clustering [41.94295877935867]
  量子解法と古典解法をともに実装し,その有効性を比較する。 特徴選択のために,特徴量と冗長性のバランスをとるいくつかのQUBO構成を提案する。 事例選択では,既存手法を拡張した事例レベルの重要度尺度を提案する。 クラスタリングには古典的クラスタリングとQUBOベースのメドイドリファインメントを併用した古典的量子パイプラインを組み込む。
  論文  参考訳（メタデータ） (2025-07-20T17:59:14Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
  この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。 その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-09-28T18:55:22Z)
• 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)
• Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
  変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。 本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-27T00:06:48Z)
• 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)
• 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。

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。