論文の概要: Probabilistic Computing Optimization of Complex Spin-Glass Topologies
- arxiv url: http://arxiv.org/abs/2510.23419v1
- Date: Mon, 27 Oct 2025 15:25:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 19:54:32.615875
- Title: Probabilistic Computing Optimization of Complex Spin-Glass Topologies
- Title（参考訳）: 複素スピングラストポロジーの確率論的計算最適化
- Authors: Fredrik Hasselgren, Max O. Al-Hasso, Amy Searle, Joseph Tindall, Marko von der Leyen,
- Abstract要約: そこで我々は,IsingマシンのPC実現シミュレーションにより,複雑なスピングラストポロジーを解く。
与えられた品質のソリューションを見つけるのに必要なイテレーションの数は、飽和点を超えたシステムサイズで常にスケーリングされていることが分かりました。
我々のPCアーキテクチャは、スピングラストポロジを最も先進的な量子アニール器と同じ品質で数分で解くことができることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spin glass systems as lattices of disordered magnets with random interactions have important implications within the theory of magnetization and applications to a wide-range of hard combinatorial optimization problems. Nevertheless, despite sustained efforts, algorithms that attain both high accuracy and efficiency remain elusive. Due to their topologies being low-$k$-partite such systems are well suited to a probabilistic computing (PC) approach using probabilistic bits (P-bits). Here we present complex spin glass topologies solved on a simulated PC realization of an Ising machine. First, we considered a number of three dimensional Edwards-Anderson cubic spin-glasses randomly generated as well as found in the literature as a benchmark. Second, biclique topologies were identified as a likely candidate for a comparative advantage compared to other state-of-the-art techniques, with a range of sizes simulated. We find that the number of iterations necessary to find solutions of a given quality has constant scaling with system size past a saturation point if one assumes perfect parallelization of the hardware. Therefore a PC architecture can trade the computational depth of other methods for parallelized width by connecting a number of P-bits that scales linearly in system size. This constant scaling is shown to persist across a number of solution qualities, up to a certain limit beyond which resource constraints limited further investigation. The saturation point varies between topologies and qualities and becomes exponentially hard in the limit of finding the ground truth. Furthermore we demonstrate that our PC architecture can solve spin-glass topologies to the same quality as the most advanced quantum annealer in minutes, making modest assumptions about their implementation on hardware.
- Abstract（参考訳）: ランダム相互作用を持つ乱磁石の格子としてのスピンガラス系は、磁化理論において重要な意味を持ち、幅広いハード組合せ最適化問題への応用がある。
それでも、継続的な努力にもかかわらず、高い精度と効率の両立するアルゴリズムはいまだに解明されていない。
それらのトポロジがk$-partiteであるため、そのようなシステムは確率的ビット(Pビット)を用いた確率的計算(PC)アプローチによく適している。
ここでは、IsingマシンのシミュレーションPC実現における複雑なスピングラストポロジーについて述べる。
まず,3次元のEdwards-Anderson立方体スピングラスをランダムに生成し,ベンチマークとして文献で確認した。
第二に、双立トポロジは、他の最先端技術と比較して比較優位の候補になりうると認識され、その範囲はシミュレートされた。
ハードウェアの完全な並列化を前提とした場合,特定の品質のソリューションを見つけるのに必要なイテレーションの数は,飽和点を過ぎてシステムサイズが一定に拡大していることがわかった。
そのため、PCアーキテクチャは、システムサイズで線形にスケールする多数のPビットを接続することで、他の手法の計算深度を並列化幅で交換することができる。
この絶え間ないスケーリングは、いくつかのソリューション品質にまたがって持続し、リソース制約がさらなる調査に制限される一定の限界まで続くことが示される。
飽和点は位相と品質によって異なり、基礎的真理を見つける限界において指数関数的に困難になる。
さらに、我々のPCアーキテクチャは、スピングラストポロジを最も先進的な量子アニールと同じ品質で数分で解き、ハードウェア上での実装について控えめな仮定をすることができることを実証した。
関連論文リスト
- Max-Cut graph-driven quantum circuit design for planar spin glasses [0.0]
スピングラスの基底状態を求めるためのグラフベースの手法を提案する。
我々は、最大カット法に基づいて、キュービットを異なるグループに整理するクラスタリング戦略を採用する。
本結果は,複雑な最適化問題に対処するハイブリッド量子古典法の可能性を明らかにするものである。
論文 参考訳（メタデータ） (2025-04-16T14:00:32Z) - Scalable Quantum-Inspired Optimization through Dynamic Qubit Compression [1.464272698399657]
ハード最適化の問題は、しばしばイジングモデルにマッピングされ、量子的優位性を持つ潜在的な解を約束するが、短期デバイスにおける制限量子ビット数によって制限される。
我々は,大規模Isingモデルを動的に圧縮し,異なるサイズで利用可能な量子ハードウェアに適合させる,革新的な量子インスパイアされたフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-24T17:51:42Z) - Exploring the Potential of Qutrits for Quantum Optimization of Graph
Coloring [0.0]
Qutritsは、短期デバイス上のいくつかの問題を解決するのに役立つかもしれない。
我々はPennyLaneを用いてノイズレスシミュレーションを行い、量子ビットベースのQAOAに対する定式化を比較する。
この研究は、クォートリットが近距離デバイス上のいくつかの問題を解決するのに有用であることを示しているが、ノイズの多い環境におけるその可能性を評価するにはさらなる作業が必要であることを示唆している。
論文 参考訳（メタデータ） (2023-08-15T21:31:37Z) - Higher-order topological kernels via quantum computation [68.8204255655161]
トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。
本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
論文 参考訳（メタデータ） (2023-07-14T14:48:52Z) - Linearized Wasserstein dimensionality reduction with approximation
guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。
我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。
また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文 参考訳（メタデータ） (2023-02-14T22:12:16Z) - Quantum Sparse Coding [5.130440339897477]
我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。
量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。
我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
論文 参考訳（メタデータ） (2022-09-08T13:00:30Z) - 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) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - 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) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳（メタデータ） (2021-07-08T17:59:55Z)
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。