論文の概要: Warm-Starting PCE for Traveling Salesman Problem

• arxiv url: http://arxiv.org/abs/2509.14414v1
• Date: Wed, 17 Sep 2025 20:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:52.969526
• Title: Warm-Starting PCE for Traveling Salesman Problem
• Title（参考訳）: トラベルセールスマン問題に対するウォームスタートPCE
• Authors: Rafael S. do Carmo, Renato Gomes dos Reis, Samuel Fernando F Silva, Luiz Gustavo E. Arruda, Felipe F. Fanchini,
• Abstract要約: Pauli correlation ational solvers (PCE) はこのシナリオで最も有望なアルゴリズムの1つとして登場した。 本稿では,GW(Goemans-Williamson)ランダム化ラウンドリングアルゴリズムの古典的バイアスを損失関数に組み込んだ,ウォームスタート型PCEを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms are promising for combinatorial optimization, but their scalability is often limited by qubit-intensive encoding schemes. To overcome this bottleneck, Pauli Correlation Encoding (PCE) has emerged as one of the most promising algorithms in this scenario. The method offers not only a polynomial reduction in qubit count and a suppression of barren plateaus but also demonstrates competitive performance with state-of-the-art methods on Maxcut. In this work, we propose a warm-start PCE, an extension that incorporates a classical bias from the Goemans-Williamson (GW) randomized rounding algorithm into the loss function to guide the optimization toward improved approximation ratios. We evaluated this method on the Traveling Salesman Problem (TSP) using a QUBO-to-MaxCut transformation for up to $5$ layers. Our results show that Warm-PCE consistently outperforms standard PCE, achieving the optimum solution in $28\text{--}64\%$ of instances, versus $4\text{--}26\%$ for PCE, and attaining higher mean approximation ratios that improve with circuit depth. These findings highlight the practical value of this warm-start strategy for enhancing PCE-based solvers on near-term hardware.
• Abstract（参考訳）: 変分量子アルゴリズムは組合せ最適化に期待できるが、そのスケーラビリティは量子ビット集約符号化方式によって制限されることが多い。 このボトルネックを克服するために、Pauli correlation Encoding (PCE) がこのシナリオで最も有望なアルゴリズムの1つとして登場した。 この手法は、キュービット数の多項式減少とバレンプラトーの抑制だけでなく、マックスカットの最先端手法との競合性能も示している。 そこで本研究では,GW(Goemans-Williamson)ランダム化ラウンドリングアルゴリズムからの古典的バイアスを損失関数に組み込んで,近似比の改善に向けた最適化を導出する,ウォームスタートPCEを提案する。 QUBO-to-MaxCut変換を用いたトラベリングセールスマン問題(TSP)を最大5ドルの層で評価した。 以上の結果から,Warm-PCE は標準的な PCE よりも常に優れており,回路深度が向上する平均近似比が 4 に対して,28 のインスタンスに対して 2 のインスタンスで最適解が得られることがわかった。 これらの知見は,PCEをベースとした短期ハードウェアにおける問題解決戦略の実践的価値を浮き彫りにしたものである。

関連論文リスト

• A competitive NISQ and qubit-efficient solver for the LABS problem [0.0]
  パウリ相関。 (PCE)は、近年、変分量子アルゴリズムにおける問題を最適化するための量子ビット効率のアプローチとして導入されている。 我々はPCEベースのフレームワークを拡張し、LABS(Low Autocorrelation Binary Sequences)問題を解決する。
  論文  参考訳（メタデータ） (2025-06-20T18:00:02Z)
• Iterative Interpolation Schedules for Quantum Approximate Optimization Algorithm [1.845978975395919]
  本稿では,最適パラメータスケジュールの滑らかさを関数に基づいて表現することで,反復的手法を提案する。 提案手法は,現在の手法よりも少ない最適化ステップで性能の向上を実証する。 最大のLABSの場合、1000層を超えるスケジュールでほぼ最適のメリットを達成できます。
  論文  参考訳（メタデータ） (2025-04-02T12:53:21Z)
• Smoothed Normalization for Efficient Distributed Private Optimization [54.197255548244705]
  フェデレートされた学習は、参加者のプライバシを備えた機械学習モデルを可能にする。 トレーニングやフィードバックのない問題に対して、差分にプライベートな分散手法は存在しない。 証明可能な収束保証付き分散アルゴリズム$alpha$-$sf NormEC$を導入する。
  論文  参考訳（メタデータ） (2025-02-19T07:10:32Z)
• Grid Cost Allocation in Peer-to-Peer Electricity Markets: Benchmarking Classical and Quantum Optimization Approaches [3.757262277494307]
  本稿では、量子コンピューティング(QC)を用いたピアツーピア(P2P)電力市場におけるグリッド運用コストの配分のための新しい最適化手法を提案する。 本研究では,生産者対と生産者対の間の論理的電力フローと物理的電力フローを整合させた準拘束的二元最適化(QUBO)モデルを構築し,グリッドの利用コストを公平に分配する。 このモデルは、最大57ノードのIEEEテストケースで評価され、量子アニーリング(QA)、ハイブリッド量子古典アルゴリズム、古典最適化アプローチと比較される。
  論文  参考訳（メタデータ） (2025-01-09T14:03:56Z)
• Warm-up Free Policy Optimization: Improved Regret in Linear Markov Decision Processes [12.76843681997386]
  ポリシー最適化(PO)手法は、実際に最も人気のある強化学習(RL)アルゴリズムの一つである。 本稿では,線形マルコフ決定過程 (MDP) モデルに基づくPOアルゴリズムを提案する。 我々のアルゴリズムは、問題の他のパラメータへの依存性を改善して後悔する。
  論文  参考訳（メタデータ） (2024-07-03T12:36:24Z)
• Differentially Private Optimization with Sparse Gradients [60.853074897282625]
  微分プライベート(DP)最適化問題を個人勾配の空間性の下で検討する。 これに基づいて、スパース勾配の凸最適化にほぼ最適な速度で純粋および近似DPアルゴリズムを得る。
  論文  参考訳（メタデータ） (2024-04-16T20:01:10Z)
• Extending relax-and-round combinatorial optimization solvers with quantum correlations [0.0]
  量子近似最適化アルゴリズム (QAOA) を$pgeq 1$ の層に埋め込む。 Sherrington-Kirk メガネを含む多くの問題に対して、$p=1$とすると、その古典的な問題と同じくらい正確であることを示す。 古典的アルゴリズムに匹敵するパフォーマンスで、量子リラクゼーションとラウンドを網羅するフレームワークの道を開いた。
  論文  参考訳（メタデータ） (2023-07-11T22:02:01Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• COPS: Controlled Pruning Before Training Starts [68.8204255655161]
  最先端のディープニューラルネットワーク(DNN)プルーニング技術は、トレーニング開始前にワンショットで適用され、プルーニングスコアと呼ばれる単一の基準の助けを借りてスパースアーキテクチャを評価する。 この作業では、単一プルーニング基準に集中するのではなく、任意のGASを組み合わせてより強力なプルーニング戦略を構築するためのフレームワークを提供します。
  論文  参考訳（メタデータ） (2021-07-27T08:48:01Z)
• 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)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。