論文の概要: Methods for non-variational heuristic quantum optimisation

• arxiv url: http://arxiv.org/abs/2602.01353v1
• Date: Sun, 01 Feb 2026 17:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.735639
• Title: Methods for non-variational heuristic quantum optimisation
• Title（参考訳）: 非変分的ヒューリスティック量子最適化法
• Authors: Stuart Ferguson, Petros Wallden,
• Abstract要約: 我々は、この変分的枠組みを廃止し、ハイブリッドな量子古典的アプローチを推奨する新しい量子最適化のクラスを導入する。 これらのアルゴリズムは、ノイズに固有の堅牢性を示し、量子リソースと古典リソースの両方にわたる並列実行をサポートすることが期待されている。
• 参考スコア（独自算出の注目度）: 0.5586191108738564
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimisation plays a central role in a wide range of scientific and industrial applications, and quantum computing has been widely proposed as a means to achieve computational advantages in this domain. To date, research into the design of noise-resilient quantum algorithms has been dominated by variational approaches, while alternatives remain relatively unexplored. In this work, we introduce a novel class of quantum optimisation heuristics that forgo this variational framework in favour of a hybrid quantum-classical approach built upon Markov Chain Monte Carlo (MCMC) techniques. We introduce Quantum-enhanced Simulated Annealing (QeSA) and Quantum-enhanced Parallel Tempering (QePT), before validating these heuristics on hard Sherrington-Kirkpatrick instances and demonstrate their superior scaling over classical benchmarks. These algorithms are expected to exhibit inherent robustness to noise and support parallel execution across both quantum and classical resources with only classical communication required. As such, they offer a scalable and potentially competitive route toward solving large-scale optimisation problems with near-term quantum devices.
• Abstract（参考訳）: 最適化は幅広い科学的、産業的応用において中心的な役割を担い、量子コンピューティングはこの領域における計算上の優位性を達成する手段として広く提案されている。 これまで、ノイズ耐性量子アルゴリズムの設計に関する研究は変分的なアプローチによって支配されてきたが、代替案はいまだに探索されていない。 本稿では,マルコフ・チェイン・モンテカルロ(MCMC)技術に基づくハイブリッドな量子古典的アプローチを優先して,この変分的枠組みを提唱する量子最適化ヒューリスティックス(quantum optimization heuristics)の新たなクラスを紹介する。 本稿では、量子エンハンス・シミュレート・アニーリング(QeSA)と量子エンハンス・パラレル・テンパリング(QePT)を導入し、これらのヒューリスティックをハードシェリントン・カークパトリックのインスタンス上で検証し、古典的なベンチマークよりも優れたスケーリングを実証する。 これらのアルゴリズムは、ノイズに固有の堅牢性を示し、古典的な通信だけを必要とする量子リソースと古典リソースの両方にわたって並列実行をサポートすることが期待されている。 そのため同社は、短期量子デバイスによる大規模最適化問題を解決するための、スケーラブルで潜在的に競争力のある方法を提供している。

関連論文リスト

• Bridging Classical and Quantum Computing for Next-Generation Language Models [17.823221766129723]
  本稿では,古典処理と量子処理のギャップを埋める最初のフレームワークであるAdaptive Quantum-Classical Fusion (AQCF)を紹介する。 AQCFの中核となる原理はリアルタイム適応であり、古典処理と量子処理のシームレスな遷移をオーケストレーションするために入力の複雑さを分析する。 感情分析の実験は、AQCFが競争性能を達成し、量子リソース効率を大幅に改善し、典型的なNISQ制約の中で正常に動作することを示した。
  論文  参考訳（メタデータ） (2025-08-09T15:49:26Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Assessing Quantum and Classical Approaches to Combinatorial Optimization: Testing Quadratic Speed-ups for Heuristic Algorithms [2.1909093150752303]
  2次最適化(CO)における量子および古典的ベンチマークの課題を取り上げる。 我々の数値解析は、現在の手法が量子的優位性を全く示さないという考え方に疑問を投げかけている。 我々は、COの量子優位性を評価するためには、より慎重な数値的な調査が必要であると結論付けている。
  論文  参考訳（メタデータ） (2024-12-17T15:59:32Z)
• Quantum Advantage Actor-Critic for Reinforcement Learning [5.579028648465784]
  本稿では,Advantage Actor-Criticアルゴリズムと変分量子回路を組み合わせた新しい量子強化学習手法を提案する。 複数の量子アドバンテージ・アクター・クリティカル構成をよく知られたカートポール環境で実証的にテストし、連続的な状態空間を持つ制御タスクにおける我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2024-01-13T11:08:45Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Multi-disk clutch optimization using quantum annealing [34.82692226532414]
  クラッチ製造における実用上の重要な課題を解くために,新しい量子アルゴリズムを開発した。 量子最適化が製造業における実際の産業応用においてどのように役割を果たせるかを示す。
  論文  参考訳（メタデータ） (2022-08-11T16:34:51Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Limitations of optimization algorithms on noisy quantum devices [0.0]
  我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。 我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
  論文  参考訳（メタデータ） (2020-09-11T17:07:26Z)

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。