論文の概要: A Binary Optimisation Algorithm for Near-Term Photonic Quantum Processors

• arxiv url: http://arxiv.org/abs/2510.08274v1
• Date: Thu, 09 Oct 2025 14:30:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.130583
• Title: A Binary Optimisation Algorithm for Near-Term Photonic Quantum Processors
• Title（参考訳）: 短期フォトニック量子プロセッサのためのバイナリ最適化アルゴリズム
• Authors: Alexander Makarovskiy, Mateusz Slysz, Łukasz Grodzki, Dawid Siera, Thorin Farnsworth, William R. Clements, Piotr Rydlichowski, Krzysztof Kurowski,
• Abstract要約: 近距離フォトニック量子プロセッサ用に設計されたバイナリ最適化のための新しいアルゴリズムを提案する。 この変分アルゴリズムは、トレーニング可能な古典的なビットフリップ確率を用いて後処理される量子光学回路のサンプルを使用する。 勾配に基づく訓練ループは収束するまで徐々により良い解を求める。
• 参考スコア（独自算出の注目度）: 32.80760571694025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Binary optimisation tasks are ubiquitous in areas ranging from logistics to cryptography. The exponential complexity of such problems means that the performance of traditional computational methods decreases rapidly with increasing problem sizes. Here, we propose a new algorithm for binary optimisation, the Bosonic Binary Solver, designed for near-term photonic quantum processors. This variational algorithm uses samples from a quantum optical circuit, which are post-processed using trainable classical bit-flip probabilities, to propose candidate solutions. A gradient-based training loop finds progressively better solutions until convergence. We perform ablation tests that validate the structure of the algorithm. We then evaluate its performance on an illustrative range of binary optimisation problems, using both simulators and real hardware, and perform comparisons to classical algorithms. We find that this algorithm produces high-quality solutions to these problems. As such, this algorithm is a promising method for leveraging the scalable nature of photonic quantum processors to solve large-scale real-world optimisation problems.
• Abstract（参考訳）: バイナリ最適化タスクは、ロジスティクスから暗号まで、あらゆる領域にまたがっている。 このような問題の指数関数的複雑性は、従来の計算手法の性能が問題のサイズの増加とともに急速に低下することを意味する。 本稿では,2進最適化のための新しいアルゴリズムBosonic Binary Solverを提案する。 この変分アルゴリズムは、トレーニング可能な古典的ビットフリップ確率を用いて後処理された量子光学回路のサンプルを用いて、候補解を提案する。 勾配に基づく訓練ループは収束するまで徐々により良い解を求める。 アルゴリズムの構造を検証するアブレーション試験を行う。 次に、シミュレーターと実ハードウェアの両方を用いて、2進最適化問題の実証的な範囲で性能を評価し、古典的アルゴリズムとの比較を行う。 このアルゴリズムはこれらの問題に対して高品質な解を生成する。 このように、このアルゴリズムは、フォトニック量子プロセッサのスケーラブルな性質を活用して、大規模な実世界の最適化問題を解決するための有望な方法である。

関連論文リスト

• Fast Expectation Value Calculation Speedup of Quantum Approximate Optimization Algorithm: HoLCUs QAOA [55.2480439325792]
  本稿では,LCU演算子の線形結合として表現できる演算子の期待値を計算するための新しい手法を提案する。 この方法は任意の量子アルゴリズムに対して一般的であり、変分量子アルゴリズムの加速に特に関心がある。
  論文  参考訳（メタデータ） (2025-03-03T17:15:23Z)
• Solving quadratic binary optimization problems using quantum SDP methods: Non-asymptotic running time analysis [1.9081120388919084]
  量子コンピュータは、最先端の古典的手法よりも優れたスケールのリソースを用いて、半定値プログラム(SDP)を解くことができる。 本稿では,量子SDPソルバの非漸近的リソース要求の解析を行う。
  論文  参考訳（メタデータ） (2025-02-21T12:54:05Z)
• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Stochastic optimization algorithms for quantum applications [0.0]
  本稿では、一階法、二階法、量子自然勾配最適化法の使用法を概観し、複素数体で定義される新しいアルゴリズムを提案する。 全ての手法の性能は、変分量子固有解法、量子状態の量子制御、および量子状態推定に応用して評価される。
  論文  参考訳（メタデータ） (2022-03-11T16:17:05Z)
• Quantum Levenberg--Marquardt Algorithm for optimization in Bundle Adjustment [0.0]
  本稿では,正規方程式の線形系を解くための量子アルゴリズムを実装し,レバンス-マルカールトの最適化ステップを計算する。 提案した量子アルゴリズムは、点数に関して、この演算の複雑さを劇的に低減する。
  論文  参考訳（メタデータ） (2022-03-04T13:38:21Z)
• Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
  本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2021-08-18T09:26:17Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Optimal and Practical Algorithms for Smooth and Strongly Convex Decentralized Optimization [21.555331273873175]
  ネットワークのノードにまたがるスムーズな凸関数の和を分散化最小化する作業について検討する。 本稿では,この分散最適化問題に対する2つの新しいアルゴリズムを提案し,複雑性を保証する。
  論文  参考訳（メタデータ） (2020-06-21T11:23:20Z)

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。