論文の概要: Quantum-Inspired Optimization through Qudit-Based Imaginary Time Evolution

• arxiv url: http://arxiv.org/abs/2512.04710v1
• Date: Thu, 04 Dec 2025 11:57:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.147371
• Title: Quantum-Inspired Optimization through Qudit-Based Imaginary Time Evolution
• Title（参考訳）: 量子インスパイアされた量子時間進化による最適化
• Authors: Erik M. Åsgrim, Ahsan Javed Awan,
• Abstract要約: 整数値決定変数を用いた最適化問題の解法として,古典的量子インスパイア戦略を提案する。 提案アルゴリズムは, 制約付きMin-d-Cut問題の有望な結果を示し, ペナル化制約の定式化において, グロビよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imaginary-time evolution has been shown to be a promising framework for tackling combinatorial optimization problems on quantum hardware. In this work, we propose a classical quantum-inspired strategy for solving combinatorial optimization problems with integer-valued decision variables by encoding decision variables into multi-level quantum states known as qudits. This method results in a reduced number of decision variables compared to binary formulations while inherently incorporating single-association constraints. Efficient classical simulation is enabled by constraining the system to remain in a product state throughout optimization. The qudit states are optimized by applying a sequence of unitary operators that iteratively approximate the dynamics of imaginary time evolution. Unlike previous studies, we propose a gradient-based method of adaptively choosing the Hermitian operators used to generate the state evolution at each optimization step, as a means to improve the convergence properties of the algorithm. The proposed algorithm demonstrates promising results on Min-d-Cut problem with constraints, outperforming Gurobi on penalized constraint formulation, particularly for larger values of d.
• Abstract（参考訳）: イマジナリー時間進化は、量子ハードウェア上での組合せ最適化問題に対処するための有望なフレームワークであることが示されている。 本研究では、整数値決定変数を用いた組合せ最適化問題の解法として、決定変数をキューディットと呼ばれるマルチレベル量子状態に符号化する古典的量子インスピレーション戦略を提案する。 この方法では、単結合制約を本質的に取り入れながら、二項式と比較して決定変数の数が減少する。 効率的な古典シミュレーションは、最適化を通してシステムを製品状態に留めることによって実現される。 クーディ状態は、虚時間進化のダイナミクスを反復的に近似するユニタリ作用素の列を適用することで最適化される。 従来の研究とは異なり、アルゴリズムの収束性を改善する手段として、最適化の各ステップで状態進化を生成するために用いられるエルミート演算子を適応的に選択する勾配に基づく手法を提案する。 提案アルゴリズムは, 制約付きMin-d-Cut問題の有望な結果を示し, ペナル化制約の定式化において, 特にdの大きい値に対して, グロビよりも優れていた。

関連論文リスト

• QUBO-based training for VQAs on Quantum Annealers [0.06372261626436675]
  量子アニールは、大規模な最適化問題を解決する効果的なフレームワークを提供する。 本研究は変分量子アルゴリズムを学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-09-01T22:57:49Z)
• Blockwise Optimization for Projective Variational Quantum Dynamics (BLOP-VQD): Algorithm and Implementation for Lattice Systems [0.0]
  本稿では,予測変動量子ダイナミクスを用いたリアルタイム量子力学の効率的なシミュレーション手法を提案する。 提案手法は,一方のブロックを1回に選択的に最適化し,他方のブロックを固定し,計算オーバーヘッドを大幅に削減する。 提案手法の性能を,サイズや複雑さの異なる一連のスピン格子モデルで実証する。
  論文  参考訳（メタデータ） (2025-03-24T01:48:37Z)
• Performant near-term quantum combinatorial optimization [1.1999555634662633]
  線形深度回路を用いた最適化問題に対する変分量子アルゴリズムを提案する。 我々のアルゴリズムは、ターゲット量子関数の各項を制御するために設計されたハミルトン生成器からなるアンサッツを使用する。 性能と資源最小化のアプローチは、潜在的な量子計算上の利点の候補として有望である、と結論付けます。
  論文  参考訳（メタデータ） (2024-04-24T18:49:07Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• A Comparative Study On Solving Optimization Problems With Exponentially Fewer Qubits [0.0]
  変分量子固有解法(VQE)に基づくアルゴリズムの評価と改良を行った。 我々は,問題を変分アンサッツにエンコードすることで生じる数値不安定性を強調する。 より少ないイテレーションでアンザッツの基底状態を求めるための古典的な最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-10-21T08:54:12Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
  本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2021-08-18T09:26:17Z)
• 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)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)
• 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)

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。