論文の概要: Resource-Efficient Quantum Optimization via Higher-Order Encoding
- arxiv url: http://arxiv.org/abs/2511.17545v1
- Date: Mon, 10 Nov 2025 10:17:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.259118
- Title: Resource-Efficient Quantum Optimization via Higher-Order Encoding
- Title（参考訳）: 高次エンコーディングによる資源効率のよい量子最適化
- Authors: Frederik Koch, Shahram Panahiyan, Rick Mukherjee, Joseph Doetsch, Dieter Jaksch,
- Abstract要約: HUBO(Higher-Order Unconstrained Binary Optimization)は,より資源効率の高い定式化を実現する。
提案手法はHUBOハミルトニアンを体系的に構成し,ゲートアサインメント(GAP)やk-Colorable Subgraph(MkCS),プログラミング(IP)問題などのベンチマークにおいてQUBOと比較し,キュービット要求を指数関数的に削減し,CNOTゲート数を少なくとも89.6%削減する。
- 参考スコア（独自算出の注目度）: 0.040150524643488644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum approaches to combinatorial optimization problems (COPs) are often limited by the resource demands of Quadratic Unconstrained Binary Optimization (QUBO) encodings, which enlarge circuits through penalty terms and increase qubit and gate counts. We show that Higher-Order Unconstrained Binary Optimization (HUBO) enables a more resource-efficient formulation. Our method systematically constructs HUBO Hamiltonians and, compared to QUBO in benchmarks on Gate Assignment (GAP), Maximum k-Colorable Subgraph (MkCS), and Integer Programming (IP) problems, exponentially reduces qubit requirements and decreases CNOT gate counts by at least 89.6% after compilation to single- and two-qubit gates for all tested instances. These results highlight HUBO as a practical alternative for current and near-term devices. To promote adoption, we release an open-source Python library that automates HUBO model construction, broadening access to resource-efficient quantum optimization.
- Abstract（参考訳）: 組合せ最適化問題(COP)に対する量子的アプローチは、ペナルティ項を通じて回路を拡大し、キュービット数とゲート数を増加させる二次非拘束バイナリ最適化(QUBO)符号化のリソース要求によって制限されることが多い。
HUBO(Higher-Order Unconstrained Binary Optimization)は,より資源効率の高い定式化を実現する。
提案手法はHUBOハミルトニアンを体系的に構成し,ゲートアサインメント (GAP) や最大k-Colorable Subgraph (MkCS) ,整数計画 (IP) 問題などのベンチマークでQUBOと比較した。
これらの結果は、HUBOが現在および短期機器の実用的な代替手段であることを示している。
採用を促進するため,HUBOモデル構築を自動化するオープンソースのPythonライブラリをリリースし,リソース効率のよい量子最適化へのアクセスを拡大する。
関連論文リスト
- Quantum Hardware-Efficient Selection of Auxiliary Variables for QUBO Formulations [5.74796205166378]
本稿では,接続性に制限のあるアーキテクチャに適した補助変数を選択するための新しい手法を提案する。
従来の補助選択法を用いて構築したQUBO回路と比較して,提案手法は回路深さを約40%削減する。
論文 参考訳（メタデータ） (2025-11-24T19:00:05Z) - 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) - Optimization and Synthesis of Quantum Circuits with Global Gates [41.99844472131922]
我々は、イオントラップハードウェアに存在するGlobal Molmer-Sorensenゲートのようなグローバルな相互作用を用いて量子回路を最適化し、合成する。
このアルゴリズムはZX計算に基づいており、係留ゲートをGlobal MolmerSorensenゲートにグループ化する特別な回路抽出ルーチンを使用する。
我々は,このアルゴリズムを様々な回路でベンチマークし,最新ハードウェアによる性能向上の方法を示す。
論文 参考訳（メタデータ） (2025-07-28T10:25:31Z) - Accelerating Grover Adaptive Search: Qubit and Gate Count Reduction Strategies with Higher-Order Formulations [2.9564164925541503]
グロバー適応探索(Grover Adaptive Search、GAS)は、二項最適化問題の解法として設計された量子抜粋探索アルゴリズムである。
キュービット数と必要ゲート数を同時に削減できる高階二項式を提案する。
論文 参考訳（メタデータ） (2023-08-03T07:20:24Z) - Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価コストハミルトニアンに変換する必要がある。
目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。
我々は、このアイデアをトラベリングセールスマン問題やMax-K$-Cutといった最適化タスクに活用し、関連するすべてのコスト対策に関して最適に近い回路を得る。
論文 参考訳（メタデータ） (2022-09-07T18:01:01Z) - Resource Optimisation of Coherently Controlled Quantum Computations with
the PBS-calculus [55.2480439325792]
量子計算のコヒーレント制御は、いくつかの量子プロトコルやアルゴリズムを改善するために使用できる。
我々は、量子光学にインスパイアされたコヒーレント制御のためのグラフィカル言語PBS計算を洗練する。
論文 参考訳（メタデータ） (2022-02-10T18:59:52Z) - 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) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - 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)
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。