論文の概要: Extending QAOA-GPT to Higher-Order Quantum Optimization Problems

• arxiv url: http://arxiv.org/abs/2511.07391v1
• Date: Mon, 10 Nov 2025 18:46:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.419526
• Title: Extending QAOA-GPT to Higher-Order Quantum Optimization Problems
• Title（参考訳）: 高次量子最適化問題へのQAOA-GPTの拡張
• Authors: Leanto Sunny, Abhinav Rijal, George Siopsis,
• Abstract要約: 我々はQAOA-GPTを高次非制約バイナリ最適化問題に拡張する。 我々は、ADAPT-QAOAを介して生成されたグラフ回路対に基づいてモデルをトレーニングし、重ヘックス格子上に埋め込まれた8ビットおよび16ビットのインスタンスの性能を評価する。 その結果、QAOA-GPTは高次コストハミルトニアンや複雑なエネルギー景観に効果的に一般化することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recently proposed QAOA-GPT framework demonstrated that generative pre-trained transformers can learn mappings between problem graphs and optimized quantum circuits for the Quantum Approximate Optimization Algorithm (QAOA). In this work, we extend QAOA-GPT to Higher-Order Unconstrained Binary Optimization (HUBO) problems, focusing on spin-glass Hamiltonians that include cubic interaction terms. Using FEATHER graph embeddings to encode topological information, we train the model on graph-circuit pairs generated via ADAPT-QAOA and evaluate its performance on 8- and 16-qubit instances embedded on heavy-hex lattices. The generative model produces adaptive QAOA-like circuits and corresponding variational parameters in a single forward pass, bypassing the iterative classical optimization loop. The generated circuits achieve average approximation ratios exceeding 0.95, closely matching classically optimized ADAPT-QAOA results, while maintaining consistent parameter distributions across circuit depths. These results demonstrate that QAOA-GPT generalizes effectively to higher-order cost Hamiltonians and complex energy landscapes, establishing generative modeling as a scalable pathway toward autonomous variational circuit design and quantum algorithm discovery in the NISQ era.
• Abstract（参考訳）: 最近提案されたQAOA-GPTフレームワークは、生成事前学習した変換器が量子近似最適化アルゴリズム(QAOA)のための問題グラフと最適化量子回路間のマッピングを学習できることを実証した。 本研究では,3次相互作用項を含むスピングラスハミルトニアンに着目して,QAOA-GPTを高次非拘束バイナリ最適化(HUBO)問題に拡張する。 FEATHERグラフ埋め込みを用いてトポロジ情報をエンコードし、ADAPT-QAOAを介して生成されたグラフ回路対のモデルをトレーニングし、重ヘックス格子上に埋め込まれた8ビットおよび16ビットのインスタンスの性能を評価する。 生成モデルは、適応的なQAOA様回路とそれに対応する変動パラメータを単一の前方通過で生成し、反復的古典最適化ループをバイパスする。 生成された回路は0.95を超える平均近似比を達成し、古典的に最適化されたADAPT-QAOA結果と密に一致し、回路深さにわたって一貫したパラメータ分布を維持する。 これらの結果から、QAOA-GPTは高次コストハミルトニアンや複雑なエネルギー景観に効果的に一般化し、NASQ時代の自律変動回路設計と量子アルゴリズム発見へのスケーラブルな経路として生成モデリングを確立した。

関連論文リスト

• Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
  多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。 本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。 この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
  論文  参考訳（メタデータ） (2025-10-07T17:53:02Z)
• QAOA-GPT: Efficient Generation of Adaptive and Regular Quantum Approximate Optimization Algorithm Circuits [1.5739024454537747]
  本稿では、GPT(Generative Pretrained Transformer)を利用して量子回路を直接合成し、制約のないバイナリ最適化問題を解決するための生成フレームワークであるQAOA-GPTを紹介する。 トレーニング回路の多様化と品質確保のために,適応型QAOAアプローチを用いた合成データセットを作成した。 その結果,量子回路生成にQAOA-GPTを用いると,古典的QAOAの計算オーバーヘッドと適応的アプローチの両方が大幅に減少することがわかった。
  論文  参考訳（メタデータ） (2025-04-23T02:00:36Z)
• Optimizing a parameterized controlled gate using Free Quaternion Selection [0.4353365283165517]
  本研究では、一般化された制御ゲートをパラメータ化し、これらのパラメータを最大に最適化することでコスト関数を最小化するアルゴリズムを提案する。 この方法は、もともと単一ビットゲート最適化のために開発されたFQS(Free Quaternion Selection)技術を拡張している。
  論文  参考訳（メタデータ） (2024-09-20T14:46:00Z)
• Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [43.21662368414268]
  近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。 モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。 強スピンガラス系におけるシェリントン・カークパトリックモデルにおいて、最良の結果が得られる。
  論文  参考訳（メタデータ） (2024-09-03T15:21:16Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm [0.0]
  そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。 我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
  論文  参考訳（メタデータ） (2021-08-11T15:44:16Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)
• Accelerating Quantum Approximate Optimization Algorithm using Machine Learning [6.735657356113614]
  本稿では,量子近似最適化アルゴリズム(QAOA)の実装を高速化する機械学習手法を提案する。 QAOAは、いわゆる量子超越性を証明する量子古典ハイブリッドアルゴリズムである。 提案手法は,264種類のグラフを用いて行った解析から,最適化の繰り返し回数を最大65.7%削減できることを示す。
  論文  参考訳（メタデータ） (2020-02-04T02:21:00Z)

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。