論文の概要: Trust Region Bayesian Optimization of Annealing Schedules on a Quantum Annealer

• arxiv url: http://arxiv.org/abs/2510.15245v1
• Date: Fri, 17 Oct 2025 02:19:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.441296
• Title: Trust Region Bayesian Optimization of Annealing Schedules on a Quantum Annealer
• Title（参考訳）: 量子アニール上でのアニーリングスケジューリングの信頼領域ベイズ最適化
• Authors: Seon-Geun Jeong, Mai Dinh Cong, Minh-Duong Nguyen, Xuan Tung Nguyen, Quoc-Viet Pham, Won-Joo Hwang,
• Abstract要約: 本稿では,アディバティックな量子計算スケジュールを調整する信頼領域ベイズ最適化フレームワークを提案する。 TuRBOは、エネルギー、実現可能な解確率、連鎖破壊率において、ランダムで欲求的な探索よりも優れたスケジュールを一貫して識別する。
• 参考スコア（独自算出の注目度）: 3.7361743420308553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum annealing (QA) is a practical model of adiabatic quantum computation, already realized on hardware and considered promising for combinatorial optimization. However, its performance is critically dependent on the annealing schedule due to hardware decoherence and noise. Designing schedules that account for such limitations remains a significant challenge. We propose a trust region Bayesian optimization (TuRBO) framework that jointly tunes annealing time and Fourier-parameterized schedules. Given a fixed embedding on a quantum processing unit (QPU), the framework employs Gaussian process surrogates with expected improvement to balance exploration and exploitation, while trust region updates refine the search around promising candidates. The framework further incorporates mechanisms to manage QPU runtime and enforce feasibility under hardware constraints efficiently. Simulation studies demonstrate that TuRBO consistently identifies schedules that outperform random and greedy search in terms of energy, feasible solution probability, and chain break fraction. These results highlight TuRBO as a resource-efficient and scalable strategy for annealing schedule design, offering improved QA performance in noisy intermediate-scale quantum regimes and extensibility to industrial optimization tasks.
• Abstract（参考訳）: 量子アニール(quantum annealing, QA)は、ハードウェア上で既に実現されており、組合せ最適化に有望であると考えられる、断熱量子計算の実用的なモデルである。 しかし、その性能はハードウェアのデコヒーレンスとノイズによるアニーリングスケジュールに依存している。 このような制限を考慮に入れたスケジュールを設計することは依然として大きな課題である。 本稿では,アニーリング時間とフーリエパラメータ化スケジュールを協調的に調整する信頼領域ベイズ最適化(TuRBO)フレームワークを提案する。 量子処理ユニット(QPU)に固定埋め込みされたフレームワークは、探索とエクスプロイトのバランスを改善するためにガウシアンプロセスサロゲートを使用し、信頼領域の更新は有望な候補に関する探索を洗練させる。 さらにこのフレームワークは、QPUランタイムを管理し、ハードウェア制約の下で効率よく実現可能にするメカニズムを組み込んでいる。 シミュレーション研究により、TuRBOは、エネルギー、実現可能な解確率、連鎖破壊率の点でランダムで欲求的な探索よりも優れたスケジュールを一貫して特定することを示した。 これらの結果から、TuRBOはスケジュール設計をアニールするためのリソース効率でスケーラブルな戦略であり、ノイズの多い中間スケール量子状態におけるQA性能の向上と産業最適化タスクの拡張性を提供する。

関連論文リスト

• QFOR: A Fidelity-aware Orchestrator for Quantum Computing Environments using Deep Reinforcement Learning [19.006907700170693]
  量子クラウドコンピューティングは、量子プロセッサへのリモートアクセスを可能にするが、量子ハードウェアの不均一性とノイズは、リソースのオーケストレーションを複雑にする。 本稿では、Deep Reinforcement Learningを用いたクラウド環境における不均一な量子ノード間のタスクの量子フィデリティアウェアオーケストレーションであるQFORを提案する。 我々のフレームワークは、量子タスク実行の完全性と時間全体のバランスをとり、異なる運用優先順位への適応を可能にします。
  論文  参考訳（メタデータ） (2025-08-07T02:00:50Z)
• TensoMeta-VQC: A Tensor-Train-Guided Meta-Learning Framework for Robust and Scalable Variational Quantum Computing [60.996803677584424]
  TensoMeta-VQCは、VQCの堅牢性とスケーラビリティを大幅に向上させるために設計された、TT誘導型メタラーニングフレームワークである。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに完全に委譲し、量子ハードウェアから最適化を効果的に分離する。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Adaptive Job Scheduling in Quantum Clouds Using Reinforcement Learning [1.0542466736167886]
  現在の量子システムは、量子ビット数制限、短いコヒーレンス間隔、エラーに対する高い感受性など、重大なボトルネックに直面している。 本稿では、リアルタイムな古典チャネルを介して接続されたネットワークQPU上での分散スケジューリングと並列実行をサポートするシミュレーションベースのツールを提案する。
  論文  参考訳（メタデータ） (2025-06-12T16:54:19Z)
• From Hope to Heuristic: Realistic Runtime Estimates for Quantum Optimisation in NHEP [4.039557813788786]
  雑音の中規模量子(NISQ)コンピュータは、その限界にもかかわらず、核物理学や高エネルギー物理学において短期的な量子優位性を示す。 本研究は,2次イジングあるいは2次非制約バイナリ最適化モデルを用いて最適化問題を解くコアアルゴリズムに焦点をあてる。
  論文  参考訳（メタデータ） (2025-05-08T08:59:37Z)
• Noise-Aware Distributed Quantum Approximate Optimization Algorithm on Near-term Quantum Hardware [2.753858051267023]
  本稿では,短期量子ハードウェア上での動作に適した雑音対応分散量子近似最適化アルゴリズム(QAOA)を提案する。 我々は、現在のノイズ中間量子(NISQ)デバイスの限界に対処し、量子ビット数の制限と高いエラー率によって妨げられている。
  論文  参考訳（メタデータ） (2024-07-24T14:50:01Z)
• Enhancing Dropout-based Bayesian Neural Networks with Multi-Exit on FPGA [20.629635991749808]
  本稿では,フィールドプログラマブルゲートアレイ(FPGA)ベースのアクセラレータを効率よく生成するアルゴリズムとハードウェアの共同設計フレームワークを提案する。 アルゴリズムレベルでは、計算とメモリのオーバーヘッドを低減した、新しいマルチエグジット・ドロップアウトベースのベイズNNを提案する。 ハードウェアレベルでは,提案する効率的なベイズNNのためのFPGAベースのアクセラレータを生成するための変換フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-20T17:08:42Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• 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。