論文の概要: Scaling advantage with quantum-enhanced memetic tabu search for LABS

• arxiv url: http://arxiv.org/abs/2511.04553v1
• Date: Thu, 06 Nov 2025 17:07:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.52085
• Title: Scaling advantage with quantum-enhanced memetic tabu search for LABS
• Title（参考訳）: LABSの量子エンハンスメメティックタブサーチによるスケーリングの利点
• Authors: Alejandro Gomez Cadavid, Pranav Chandarana, Sebastián V. Romero, Jan Trautmann, Enrique Solano, Taylor Lee Patti, Narendra N. Hegade,
• Abstract要約: 本稿では,低自己相関二項列 (LABS) 問題に対するQE-MTS (quantum-enhanced memetic tabu search) を提案する。 ディジタル化された反断熱量子最適化 (DCQO) から, 古典的MTSを高品質な初期状態でシードすることで, 経験的時間-解法のスケーリングを抑える。 このスケーリングは、よく知られた古典的な$mathcalO (1.34N)$を超え、量子近似最適化アルゴリズムの$mathcalO (1.46N)$を改善している。
• 参考スコア（独自算出の注目度）: 32.505127447635864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce quantum-enhanced memetic tabu search (QE-MTS), a non-variational hybrid algorithm that achieves state-of-the-art scaling for the low-autocorrelation binary sequence (LABS) problem. By seeding the classical MTS with high-quality initial states from digitized counterdiabatic quantum optimization (DCQO), our method suppresses the empirical time-to-solution scaling to $\mathcal{O}(1.24^N)$ for sequence length $N \in [27,37]$. This scaling surpasses the best-known classical heuristic $\mathcal{O}(1.34^N)$ and improves upon the $\mathcal{O}(1.46^N)$ of the quantum approximate optimization algorithm, achieving superior performance with a $6\times$ reduction in circuit depth. A two-stage bootstrap analysis confirms the scaling advantage and projects a crossover point at $N \gtrsim 47$, beyond which QE-MTS outperforms its classical counterpart. These results provide evidence that quantum enhancement can directly improve the scaling of classical optimization algorithms for the paradigmatic LABS problem.
• Abstract（参考訳）: 我々は,低自己相関バイナリシーケンス(LABS)問題に対して,最先端のスケーリングを実現する非偏差ハイブリッドアルゴリズムQE-MTSを提案する。 ディジタル化された反断熱量子最適化(DCQO)から、古典的MSSを高品質な初期状態でシードすることで、シーケンス長$N \in [27,37]$に対して、経験的時間と解法のスケーリングを$\mathcal{O}(1.24^N)$に抑える。 このスケーリングは、よく知られた古典的ヒューリスティックである$\mathcal{O}(1.34^N)$を超越し、量子近似最適化アルゴリズムの$\mathcal{O}(1.46^N)$を改良し、回路深さを6\times$還元することで優れた性能を達成する。 2段階のブートストラップ分析により、スケーリングの優位性が確認され、QE-MTSが古典的性能を上回る$N \gtrsim 47$のクロスオーバーポイントが計画されている。 これらの結果は、量子エンハンスメントがパラダイム的LABS問題に対する古典最適化アルゴリズムのスケーリングを直接改善できることを示す。

関連論文リスト

• A competitive NISQ and qubit-efficient solver for the LABS problem [0.0]
  パウリ相関。 (PCE)は、近年、変分量子アルゴリズムにおける問題を最適化するための量子ビット効率のアプローチとして導入されている。 我々はPCEベースのフレームワークを拡張し、LABS(Low Autocorrelation Binary Sequences)問題を解決する。
  論文  参考訳（メタデータ） (2025-06-20T18:00:02Z)
• Quantum Non-Linear Bandit Optimization [2.7718037613443127]
  学習者がゼロ次関数オラクルを持つブラックボックス関数を最大化する非線形帯域最適化について検討する。 本稿では,新しいパラメトリック関数近似手法を用いたQ-NLB-UCBアルゴリズムを提案する。 Q-NLB-UCB の後悔境界は、$O(mathrmpolylog T)$だけでなく、入力次元も含まないことを証明している。
  論文  参考訳（メタデータ） (2025-03-04T21:53:33Z)
• Enhancing Quantum State Reconstruction with Structured Classical Shadows [22.432806329828782]
  提案手法では,提案手法を用いてQSTの性能を保証した古典影法(PCS)を提案する。 PCSは、ターゲット部分空間にプロジェクションステップを組み込むことで、標準CSメソッドを拡張している。 行列積演算子状態に対して、PCS法は、$O(n2)$トータル状態コピーで基底構造を復元できることを実証する。
  論文  参考訳（メタデータ） (2025-01-06T17:09:38Z)
• Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
  最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。 この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
  論文  参考訳（メタデータ） (2024-08-14T19:04:13Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• A Quadratic Speedup in Finding Nash Equilibria of Quantum Zero-Sum Games [95.50895904060309]
  最適行列乗算重み更新(OMMWU)アルゴリズムを導入し,平均収束複雑性を$mathcalO(d/epsilon)$ to $epsilon$-Nash equilibriaとする。 この二次的なスピードアップは、量子ゼロサムゲームにおける$epsilon$-Nash平衡の計算のための新しいベンチマークを定めている。
  論文  参考訳（メタデータ） (2023-11-17T20:38:38Z)
• Quantum Goemans-Williamson Algorithm with the Hadamard Test and Approximate Amplitude Constraints [62.72309460291971]
  本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。 補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。 各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
  論文  参考訳（メタデータ） (2022-06-30T03:15:23Z)

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。