論文の概要: Scalable Quantum Optimisation using HADOF: Hamiltonian Auto-Decomposition Optimisation Framework

• arxiv url: http://arxiv.org/abs/2510.02926v1
• Date: Fri, 03 Oct 2025 11:54:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.372437
• Title: Scalable Quantum Optimisation using HADOF: Hamiltonian Auto-Decomposition Optimisation Framework
• Title（参考訳）: HADOFを用いたスケーラブル量子最適化:ハミルトン自動分解最適化フレームワーク
• Authors: Namasi G Sankar, Georgios Miliotis, Simon Caton,
• Abstract要約: 量子アニーリング(QA)とQAOAは、NISQシステムにおける問題の近似解を見つけるために使われる量子最適化アルゴリズムを約束している。 準拘束的二項最適化(QUBO)ハミルトンを準ハミルトニアンに自動的に分割する反復戦略を利用するハミルトニアン自動分解最適化フレームワーク(HADOF)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: Quantum Annealing (QA) and QAOA are promising quantum optimisation algorithms used for finding approximate solutions to combinatorial problems on near-term NISQ systems. Many NP-hard problems can be reformulated as Quadratic Unconstrained Binary Optimisation (QUBO), which maps naturally onto quantum Hamiltonians. However, the limited qubit counts of current NISQ devices restrict practical deployment of such algorithms. In this study, we present the Hamiltonian Auto-Decomposition Optimisation Framework (HADOF), which leverages an iterative strategy to automatically divide the Quadratic Unconstrained Binary Optimisation (QUBO) Hamiltonian into sub-Hamiltonians which can be optimised separately using Hamiltonian based optimisers such as QAOA, QA or Simulated Annealing (SA) and aggregated into a global solution. We compare HADOF with Simulated Annealing (SA) and the CPLEX exact solver, showing scalability to problem sizes far exceeding available qubits while maintaining competitive accuracy and runtime. Furthermore, we realise HADOF for a toy problem on an IBM quantum computer, showing promise for practical applications of quantum optimisation.
• Abstract（参考訳）: 量子アニーリング(QA)とQAOAは、NISQシステムにおける組合せ問題の近似解を見つけるために使われる量子最適化アルゴリズムを約束している。 多くのNPハード問題は、量子ハミルトニアンに自然に写像する準非拘束二項最適化(QUBO)として再構成することができる。 しかし、現在のNISQデバイスの量子ビット数に制限があるため、そのようなアルゴリズムの実践的な展開は制限されている。 本研究では, 準拘束的二項最適化(QUBO)ハミルトンを, QAOA, QA, Simulated Annealing (SA) などのハミルトン系オプティマイザを用いて個別に最適化し, グローバルな解に集約した準拘束的二項最適化(QUBO)ハミルトンをサブハミルトンに自動的に分割する反復的戦略を利用するハミルトン自動分解最適化フレームワーク(HADOF)を提案する。 我々はHADOFとSimulated Annealing (SA)とCPLEXの正確な解法を比較し、競争精度と実行性を維持しつつ、利用可能なキュービットを超える問題サイズへのスケーラビリティを示す。 さらに,IBMの量子コンピュータ上でのトイ問題に対してHADOFを実現し,量子最適化の実用化を約束する。

関連論文リスト

• Learning Feasible Quantum States for Quadratic Constrained Binary Optimization Problems [41.23247424467223]
  我々はQCBOの制約を満たす量子状態の同値重ね合わせを生成する変動的アプローチを開発する。 結果として生じる同値な重ね合わせは、QUBO/QCBOを解く量子アルゴリズムの初期状態として使用できる。
  論文  参考訳（メタデータ） (2025-08-04T16:44:53Z)
• 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)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Fermionic Quantum Approximate Optimization Algorithm [11.00442581946026]
  制約付き最適化問題を解くためのフェルミオン量子近似最適化アルゴリズム(FQAOA)を提案する。 FQAOAは、フェルミオン粒子数保存を用いて、QAOAを通して本質的にそれらを強制する制約問題に対処する。 制約付きハミルトニアン問題に対して、運転者ハミルトニアンを設計するための体系的なガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-01-25T18:36:58Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。 提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2022-05-24T03:49:10Z)
• Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization [44.96576908957141]
  本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-23T18:00:03Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Digitized-Counterdiabatic Quantum Optimization [4.336065967298193]
  本稿では,一般Isingスピングラスモデルに対して,デジタルダイアバティック量子最適化(DCQO)を提案する。 これは、非確率的カウンターダイアバティック項の追加によって触媒されるアディバティック量子アルゴリズムのデジタル化によって達成される。
  論文  参考訳（メタデータ） (2022-01-03T18:21:54Z)
• Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
  浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。 我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
  論文  参考訳（メタデータ） (2021-12-21T12:41:31Z)

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。