論文の概要: Simulated outperforms quantum reverse annealing in mean-field models

• arxiv url: http://arxiv.org/abs/2511.00150v1
• Date: Fri, 31 Oct 2025 18:00:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 20:56:29.045111
• Title: Simulated outperforms quantum reverse annealing in mean-field models
• Title（参考訳）: 平均場モデルにおける量子逆熱処理のシミュレーション性能
• Authors: Christopher L. Baldwin,
• Abstract要約: 我々は ARA を simulated reverse annealing' (SRA) と呼ぶ古典的な類似体を紹介する。 SRA は ARA が失敗するすべてのケースで成功するだけでなく、ARA が失敗するパラメータの狭い範囲でも成功する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adiabatic reverse annealing (ARA) has been proposed as an improvement to conventional quantum annealing for solving optimization problems, in which one takes advantage of an initial guess at the solution to suppress problematic phase transitions. Here we interpret the performance of ARA through its effects on the free energy landscape, and use the intuition gained to introduce a classical analogue to ARA termed ``simulated reverse annealing'' (SRA). This makes it more difficult to claim that ARA provides a quantum advantage in solving a given problem, as not only must ARA succeed but the corresponding SRA must fail. As a solvable example, we analyze how both protocols behave in the infinite-range (non-disordered) $p$-spin model. Through both the thermodynamic phase diagrams and explicit dynamical behavior, we establish that the quantum algorithm has no advantage over its classical counterpart: SRA succeeds not only in every case where ARA does but even in a narrow range of parameters where ARA fails.
• Abstract（参考訳）: Adiabatic reverse annealing (ARA) は、最適化問題を解くために従来の量子アニールの改良として提案されており、問題のある相転移を抑制するために、解に対する初期推定を利用する。 ここでは、自由エネルギー景観への影響を通してARAの性能を解釈し、その直観を用いて、ARAの古典的な類似を「シミュレート・リバース・アニーリング」(SRA)と呼ぶ。 これにより ARA が与えられた問題を解く上で量子的優位性を与えると主張することは難しくなり、ARA は ARA を成功させるだけでなく、対応する SRA が失敗しなければならない。 解決可能な例として、両プロトコルが無限範囲(非秩序)の$p$-spinモデルでどのように振る舞うかを分析する。 熱力学相図と明示的な力学挙動の両方を通して、量子アルゴリズムはその古典的手法に勝るものがないことが証明される: SRAは、ARAがするすべての場合だけでなく、ARAが失敗する狭いパラメータにおいても成功する。

関連論文リスト

• Closing the Quantum-Classical Scaling Gap in Approximate Optimization [0.0]
  異なる古典的パラダイムによる結果の再評価 -シミュレート・バイファーケーション・マシン(SBM)- 熱ゆらぎよりもカオス的な振る舞いを活用することで、SBMは同等または優れたスケーリング性能を達成する。 我々は、現在の量子異方体の生成が離散的な近似最適化において優越性を証明できる可能性は低いと結論づける。
  論文  参考訳（メタデータ） (2025-05-28T16:02:57Z)
• AltLoRA: Towards Better Gradient Approximation in Low-Rank Adaptation with Alternating Projections [42.88697930464368]
  Low-Rank Adaptation (LoRA) は、微調整された大規模言語モデルにおいて、メモリオーバーヘッドを低減する効果的な手法として登場した。 低ランク空間で更新が制限されているため、完全な微調整に比べて、しばしば準最適パフォーマンスに悩まされる。 共同更新設計による勾配近似の難しさを回避するための交互投影法AltLoRAを提案する。
  論文  参考訳（メタデータ） (2025-05-18T15:10:38Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• How Much Entanglement Do Quantum Optimization Algorithms Require? [0.0]
  ADAPT-QAOA施行時に発生する絡みについて検討した。 この柔軟性を漸進的に制限することにより、初期におけるより多くの絡み合いエントロピーが、後段におけるより速い収束と一致していることが分かる。
  論文  参考訳（メタデータ） (2022-05-24T18:00:02Z)
• Standard quantum annealing outperforms adiabatic reverse annealing with decoherence [0.0]
  オープンシステムにおけるAdiabatic reverse annealing(ARA)について検討した。 ARAは選択されたモデルの1次量子相転移を避けることができる。 オープンシステム ARA は、標準的な量子アニールに比べて、解法に要する時間を失うことが示される。
  論文  参考訳（メタデータ） (2022-01-28T09:15:57Z)
• The Accuracy vs. Sampling Overhead Trade-off in Quantum Error Mitigation Using Monte Carlo-Based Channel Inversion [84.66087478797475]
  量子誤差緩和(Quantum error mitigation, QEM)は、変分量子アルゴリズムの計算誤差を低減するための有望な手法の1つである。 我々はモンテカルロサンプリングに基づく実用的なチャネル反転戦略を考察し、さらなる計算誤差を導入する。 計算誤差が誤差のない結果の動的範囲と比較して小さい場合、ゲート数の平方根でスケールすることを示す。
  論文  参考訳（メタデータ） (2022-01-20T00:05:01Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Exploring entanglement and optimization within the Hamiltonian Variational Ansatz [0.4881924950569191]
  我々は、ハミルトン変分アンザッツ(HVA)と呼ばれる量子回路の族を研究する。 HVAは、穏やかまたは完全に欠落したバレン高原や制限された状態空間などの良好な構造特性を示す。 HVAは、環上の修正ハルデン・シャストリー・ハミルトニアンの基底状態に対する正確な近似を見つけることができる。
  論文  参考訳（メタデータ） (2020-08-07T01:28:26Z)

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。