論文の概要: A Non-Variational Quantum Approach to the Job Shop Scheduling Problem

• arxiv url: http://arxiv.org/abs/2510.26859v1
• Date: Thu, 30 Oct 2025 16:14:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:15.872834
• Title: A Non-Variational Quantum Approach to the Job Shop Scheduling Problem
• Title（参考訳）: ジョブショップスケジューリング問題に対する非可変量子アプローチ
• Authors: Miguel Angel Lopez-Ruiz, Emily L. Tucker, Emma M. Arnold, Evgeny Epifanovsky, Ananth Kaushik, Martin Roetteler,
• Abstract要約: 短期的ハードウェア制限を軽減するために設計されたQAOAの変種であるIterative-QAOAを紹介する。 我々は,Just-in-Time Job Shop Scheduling Problem (JIT-JSSP) のインスタンスをIonQ Forte Generation QPU上でベンチマークする。 反復-QAOAは、評価された全ての問題インスタンスに対して、最適解と高品質でほぼ最適解を見つけるために、しっかりと収束していることがわかった。
• 参考スコア（独自算出の注目度）: 0.3078691410268859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum heuristics offer a potential advantage for combinatorial optimization but are constrained by near-term hardware limitations. We introduce Iterative-QAOA, a variant of QAOA designed to mitigate these constraints. The algorithm combines a non-variational, shallow-depth circuit approach using fixed-parameter schedules with an iterative warm-starting process. We benchmark the algorithm on Just-in-Time Job Shop Scheduling Problem (JIT-JSSP) instances on IonQ Forte Generation QPUs, representing some of the largest such problems ever executed on quantum hardware. We compare the performance of the algorithm against both the Variational Quantum Imaginary Time Evolution (VarQITE) algorithm and the non-variational Linear Ramp (LR) QAOA algorithm. We find that Iterative-QAOA robustly converges to find optimal solutions as well as high-quality, near-optimal solutions for all problem instances evaluated. We evaluate the algorithm on larger problem instances up to 97 qubits using tensor network simulations. The scaling behavior of the algorithm indicates potential for solving industrial-scale problems on fault-tolerant quantum computers.
• Abstract（参考訳）: 量子ヒューリスティックスは組合せ最適化の潜在的な利点を提供するが、短期的なハードウェア制限によって制約される。 これらの制約を緩和するために設計されたQAOAの変種であるIterative-QAOAを導入する。 このアルゴリズムは、固定パラメータスケジュールと反復的なウォームスタートプロセスを用いて、非変分、浅い深度回路アプローチを組み合わせる。 我々は、IonQ Forte Generation QPUs上でJust-in-Time Job Shop Scheduling Problem (JIT-JSSP) のインスタンスにアルゴリズムをベンチマークした。 本稿では,変分量子Imaginary Time Evolution (VarQITE) アルゴリズムと非変分線形ランプ (LR) QAOA アルゴリズムを比較した。 反復-QAOAは、評価された全ての問題に対して最適な解と、高品質でほぼ最適な解を見つけるために、しっかりと収束している。 我々は, テンソルネットワークシミュレーションを用いて, 最大97キュービットの大規模問題に対して, アルゴリズムの評価を行った。 このアルゴリズムのスケーリング挙動は、フォールトトレラント量子コンピュータにおける産業規模の問題を解決する可能性を示している。

関連論文リスト

• Quantum Computing for Optimizing Aircraft Loading [1.055551340663609]
  航空機の負荷最適化問題は、最もよく知られた古典的アルゴリズムが対象数と指数関数的にスケールするのに対して、計算的に難しい問題である。 本稿では,QAOAアルゴリズムのマルチ角変種(MAL-VQA)に基づく量子アプローチを提案する。 航空機の負荷問題に対して,IonQ QPUをAriaとForteで実行することで,アルゴリズムの性能を示す。
  論文  参考訳（メタデータ） (2025-04-02T10:10:11Z)
• Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
  変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。 特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。 シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
  論文  参考訳（メタデータ） (2024-01-25T17:37:40Z)
• A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。 この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。 我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
  論文  参考訳（メタデータ） (2023-06-15T15:28:12Z)
• 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)
• 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)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• An adaptive quantum approximate optimization algorithm for solving combinatorial problems on a quantum computer [0.0]
  量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くハイブリッド変分量子古典アルゴリズムである。 我々は,QAOAの反復バージョンを開発し,特定のハードウェア制約に適応することができる。 アルゴリズムをMax-Cutグラフのクラス上でシミュレートし、標準QAOAよりもはるかに高速に収束することを示す。
  論文  参考訳（メタデータ） (2020-05-20T18:00:01Z)

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。