論文の概要: Enhanced Distributed Variational Quantum Eigensolver for Large-Scale MaxCut Problem
- arxiv url: http://arxiv.org/abs/2512.22056v1
- Date: Fri, 26 Dec 2025 15:20:20 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-29 12:01:41.368959
- Title: Enhanced Distributed Variational Quantum Eigensolver for Large-Scale MaxCut Problem
- Title（参考訳）: 大規模マックスカット問題に対する分散分散量子固有解法の改良
- Authors: Yuefeng Lin, Kun Wang, Qinyuan Zheng, Rui Zhang, Jing-Kai Fang, Tiejun Meng, Jingen Xiang, Cong Guo, Jun-Han Huang,
- Abstract要約: MaxCutは、物理学からバイオインフォマティクスまで幅広い応用を持つグラフ理論における標準NP-ハード最適化問題である。
変分量子アルゴリズムは、最終的に古典的スキームを上回る、将来有望な新しいアプローチを提供する。
大規模MaxCut問題に対する分散分散変分量子固有解器を提案する。
- 参考スコア（独自算出の注目度）: 6.14406949430228
- License:
- Abstract: MaxCut is a canonical NP-hard combinatorial optimization problem in graph theory with broad applications ranging from physics to bioinformatics. Although variational quantum algorithms offer promising new approaches that may eventually outperform classical schemes, they suffer from resource constraints and trainability issues such as barren plateaus, making large-scale instances intractable on noisy intermediate-scale quantum devices. In this paper, we propose an enhanced distributed variational quantum eigensolver for large-scale MaxCut problems, which extends our prior distributed variational quantum eigensolver framework by integrating a novel hybrid classical-quantum perturbation strategy, enhances optimization scalability and efficiency. Our algorithm solves weighted MaxCut instances with up to 1000 vertices using only 10 qubits, and numerical results indicate that it consistently outperforms the Goemans-Williamson algorithm. We further employ a warm-start initialization strategy, seeding the algorithm with high-quality solutions from the Goemans-Williamson algorithm, with results confirming that the optimal classical solution can be effectively further improved. The practical utility of the proposed algorithm is further validated through its application to haplotype phasing on genome sequencing data of the human ABCA1 gene, producing high-quality haplotypes that rival those obtained by the Goemans-Williamson algorithm with $10^6$ projections. These results establish the proposed algorithm as a scalable, NISQ-compatible framework for near-term quantum-enhanced large-scale combinatorial optimization.
- Abstract（参考訳）: MaxCut はグラフ理論における標準NP-ハード組合せ最適化問題であり、物理学からバイオインフォマティクスまで幅広い応用がある。
変分量子アルゴリズムは、古典的なスキームを最終的に上回りそうな、有望な新しいアプローチを提供するが、それらはリソースの制約や、バレンプラトーのような訓練性の問題に悩まされ、ノイズの多い中間スケールの量子デバイスで大規模インスタンスを抽出できる。
本稿では,従来の分散分散分散分散量子固有解法フレームワークを拡張した分散分散分散量子固有解法を提案する。
提案アルゴリズムは最大1000個の頂点を持つ重み付きMaxCutインスタンスを10量子ビットで解き,数値計算の結果,Goemans-Williamsonアルゴリズムより一貫して優れていることが示された。
さらに、ゴーマンス・ウィリアムソンアルゴリズムから高品質な解でアルゴリズムをシードし、最適古典解がより効果的に改善できることを確認する。
提案アルゴリズムの実用性は、ヒトABCA1遺伝子のゲノムシークエンシングデータに基づくハプロタイプ解析への応用を通じてさらに検証され、ゴーマンス・ウィリアムソンアルゴリズムで得られたものと10^6$のプロジェクションで競合する高品質なハプロタイプを生成する。
これらの結果から,提案アルゴリズムは,短期量子化大規模組合せ最適化のための拡張性のある NISQ 互換フレームワークとして確立された。
関連論文リスト
- Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。
本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。
この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
論文 参考訳（メタデータ） (2025-10-07T17:53:02Z) - A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。
完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。
ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文 参考訳（メタデータ） (2025-01-02T05:06:16Z) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳（メタデータ） (2024-05-22T18:11:42Z) - Quantum-Inspired Genetic Algorithm for Designing Planar Multilayer Photonic Structure [40.27913742030096]
量子アルゴリズムは、機能性材料の設計における新しいツールである。
量子コンピューティングリソースの高価格と成長するコンピューティングニーズのバランスをとる方法は、解決すべき緊急の問題となっている。
改良された量子遺伝的アルゴリズム(QGA)と機械学習サロゲートモデル回帰を組み合わせた能動的学習方式に基づく新しい最適化手法を提案する。
論文 参考訳（メタデータ） (2024-05-08T03:03:10Z) - Iterative Quantum Algorithms for Maximum Independent Set: A Tale of
Low-Depth Quantum Algorithms [0.0]
我々は、反復最大量子アルゴリズム(Iterative Maximum Quantum Algorithms)と呼ばれる、量子最適化のための新しいハイブリッドアプローチのクラスについて研究する。
深度$p=1$のQAOAの場合、このアルゴリズムはMISの古典的欲求アルゴリズムと全く同じ操作と選択を行う。
論文 参考訳（メタデータ） (2023-09-22T18:00:03Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - NISQ-compatible approximate quantum algorithm for unconstrained and
constrained discrete optimization [0.0]
本稿では,振幅符号化を用いたハードウェア効率の高い回路に対する近似勾配型量子アルゴリズムを提案する。
目的関数にペナルティ項を加えることなく, 単純な線形制約を回路に直接組み込むことができることを示す。
論文 参考訳（メタデータ） (2023-05-23T16:17:57Z) - 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。