Fugu-MT 論文翻訳(概要): Hybrid Sequential Quantum Computing

論文の概要: Hybrid Sequential Quantum Computing

arxiv url: http://arxiv.org/abs/2510.05851v1
Date: Tue, 07 Oct 2025 12:15:43 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-08 17:57:08.241874
Title: Hybrid Sequential Quantum Computing
Title（参考訳）: ハイブリッドシーケンス量子コンピューティング
Authors: Pranav Chandarana, Sebastián V. Romero, Alejandro Gomez Cadavid, Anton Simen, Enrique Solano, Narendra N. Hegade,
Abstract要約: ハイブリッドシーケンシャル量子コンピューティング(HSQC)を導入する。 HSQCは古典的および量子的手法を構造化された段階的ワークフローに体系的に統合する。スタンドアロンの古典的解法と比較すると、HSQCはSAの最大700倍、実行時の最大9倍のスピードアップを達成する。
参考スコア（独自算出の注目度）: 33.72751145910978
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce hybrid sequential quantum computing (HSQC), a paradigm for combinatorial optimization that systematically integrates classical and quantum methods within a structured, stage-wise workflow. HSQC may involve an arbitrary sequence of classical and quantum processes, as long as the global result outperforms the standalone components. Our testbed begins with classical optimizers to explore the solution landscape, followed by quantum optimization to refine candidate solutions, and concludes with classical solvers to recover nearby or exact-optimal states. We demonstrate two instantiations: (i) a pipeline combining simulated annealing (SA), bias-field digitized counterdiabatic quantum optimization (BF-DCQO), and memetic tabu search (MTS); and (ii) a variant combining SA, BF-DCQO, and a second round of SA. This workflow design is motivated by the complementary strengths of each component. Classical heuristics efficiently find low-energy configurations, but often get trapped in local minima. BF-DCQO exploits quantum resources to tunnel through these barriers and improve solution quality. Due to decoherence and approximations, BF-DCQO may not always yield optimal results. Thus, the best quantum-enhanced state is used to continue with a final classical refinement stage. Applied to challenging higher-order unconstrained binary optimization (HUBO) problems on a 156-qubit heavy-hexagonal superconducting quantum processor, we show that HSQC consistently recovers ground-state solutions in just a few seconds. Compared to standalone classical solvers, HSQC achieves a speedup of up to 700 times over SA and up to 9 times over MTS in estimated runtimes. These results demonstrate that HSQC provides a flexible and scalable framework capable of delivering up to two orders of magnitude improvement at runtime quantum-advantage level on advanced commercial quantum processors.
Abstract（参考訳）: 本稿では、古典的および量子的手法を構造化された段階的ワークフローに体系的に統合する組合せ最適化のパラダイムであるハイブリッドシーケンシャル量子コンピューティング(HSQC)を紹介する。 HSQCは、グローバルな結果がスタンドアロンのコンポーネントよりも優れている限り、古典的および量子的プロセスの任意のシーケンスを含むかもしれない。我々のテストベッドは、古典的な最適化者が解の風景を探索し、続いて量子最適化が候補の解を洗練させ、古典的な解法が近くの最適状態や正確な最適状態の回復に役立ちます。我々は2つの瞬間を実演する。 (i)模擬アニーリング(SA)、バイアス場デジタル反断熱量子最適化(BF-DCQO)、メメティックタブサーチ(MTS)を組み合わせたパイプライン (ii)SA、BF-DCQO、SAの第2ラウンドを組み合わせた変種。このワークフロー設計は、各コンポーネントの補完的な強みによって動機付けられます。古典的ヒューリスティックは効率よく低エネルギーな構成を見つけるが、しばしば局所的なミニマに閉じ込められる。 BF-DCQOは量子資源を利用してこれらの障壁をトンネルし、ソリューションの品質を向上させる。脱コヒーレンスと近似により、BF-DCQOは必ずしも最適な結果が得られるとは限らない。したがって、最高の量子エンハンス状態は、最終古典的精製段階を継続するために使用される。 156量子ビット重六角形超伝導量子プロセッサ上での高次非拘束二元最適化(HUBO)問題に挑戦するために、HSQCはわずか数秒で一貫して基底状態の解を回復することを示した。スタンドアロンの古典的解法と比較して、HSQCはSAの最大700倍、推定ランタイムの最大9倍のスピードアップを達成する。これらの結果から,HSQCは,高度な商用量子プロセッサ上で,実行時量子アドバンテージレベルで最大2桁の改善を達成可能な,フレキシブルでスケーラブルなフレームワークを提供することが示された。

関連論文リスト

Combinatorial optimization enhanced by shallow quantum circuits with 104 superconducting qubits [14.569660066740758]
最適化問題は、イジング・ハミルトン家への広範な適用性と自然の適合性のために大きな注目を集めている。本稿では,Isingモデルの基底状態を高速化するアルゴリズムを設計する量子サンプリング戦略を提案する。 104個の超伝導量子ビットを用いて、このアルゴリズムは高度に最適化された古典的サブルーチン(SA)アルゴリズムに対しても良好な解を出力することを示した。
論文参考訳（メタデータ） (2025-09-15T02:58:38Z)
Solving quantum-inspired dynamics on quantum and classical annealers [0.0]
量子コンピュータと古典コンピュータの両方に挑戦するために,物理力学にインスパイアされたベンチマークスイートを提案する。我々は、$n$-qubitのリアルタイムなプロパゲータ、おそらく非エルミート的ハミルトニアンを二次非制約二進最適化問題に変換する。結果のQUBOインスタンスは、D-Wave量子アニーラーと、Simulated AnnealingとVeloxQという2つの古典的な解決器で実行される。
論文参考訳（メタデータ） (2025-09-04T07:27:11Z)
Bridging Classical and Quantum Computing for Next-Generation Language Models [17.823221766129723]
本稿では,古典処理と量子処理のギャップを埋める最初のフレームワークであるAdaptive Quantum-Classical Fusion (AQCF)を紹介する。 AQCFの中核となる原理はリアルタイム適応であり、古典処理と量子処理のシームレスな遷移をオーケストレーションするために入力の複雑さを分析する。感情分析の実験は、AQCFが競争性能を達成し、量子リソース効率を大幅に改善し、典型的なNISQ制約の中で正常に動作することを示した。
論文参考訳（メタデータ） (2025-08-09T15:49:26Z)
Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem [0.0]
トラベリングセールスパーソン問題(TSP)は基本的なNPハード最適化問題である。量子最適化技術と古典的機械学習手法を統合するハイブリッド量子古典的手法を提案する。
論文参考訳（メタデータ） (2025-02-28T22:07:28Z)
Quantum Optimization for Optimal Power Flow: CVQLS-Augmented Interior Point Method [0.0]
本稿では、最適電力フロー(OPF)の量子化最適化手法を提案する。我々は、内部点法(IPM)とコヒーレント変分量子線形解法(CVQLS)を統合する。我々は、信頼性の高いOPFソリューションを提供することの有効性を示すために、複数のシステムに対する我々のアプローチを評価する。
論文参考訳（メタデータ） (2024-12-18T17:43:51Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文参考訳（メタデータ） (2022-12-21T23:15:17Z)
Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文参考訳（メタデータ） (2022-08-29T15:24:03Z)
Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文参考訳（メタデータ） (2021-06-24T08:18:42Z)
Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。