論文の概要: Achieving Sub-Exponential Speedup in Gate-Based Quantum Computing for Quadratic Unconstrained Binary Optimization

• arxiv url: http://arxiv.org/abs/2602.06420v1
• Date: Fri, 06 Feb 2026 06:28:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.258731
• Title: Achieving Sub-Exponential Speedup in Gate-Based Quantum Computing for Quadratic Unconstrained Binary Optimization
• Title（参考訳）: 準拘束的二項最適化のためのゲートベース量子コンピューティングにおける部分指数高速化の実現
• Authors: Ying-Wei Tseng, Yu-Ting Kao, Yeong-Jar Chang, Jia-Han Ou, Wen-Zhi Zhang,
• Abstract要約: 本稿では,Simulated AnnealingとGroverのアルゴリズムを統合し,サブ指数高速化を実現するハイブリッドアプローチを提案する。 ケーススタディは、ゲートベースの量子コンピューティングを用いて、提案手法がサブ指数高速化を実現することを示す。
• 参考スコア（独自算出の注目度）: 0.5524043015533312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent quantum-inspired methods based on the Simulated Annealing algorithm have shown strong potential for solving combinatorial optimization problems. However, Grover's algorithm in gate-based quantum computing offers only a quadratic speedup, which remains impractical for large problem sizes. This paper proposes a hybrid approach that integrates Simulated Annealing with Grover's algorithm to achieve sub-exponential speedup, thereby improving its industrial applicability. In enzyme fermentation, variables such as temperature, stirring, wait time, pH, tryptophan, rice flour and others are encoded by 625 binary parameters, defining the space of possible enzyme formulations. We aim to find a binary configuration that maximizes the active ingredient, formulated as a 625-bit Quadratic Unconstrained Binary Optimization problem generated from historical experiments and artificial intelligence techniques. Minimizing the QUBO cost corresponds to maximizing the active ingredient. This case study demonstrates that the proposed hybrid method achieves sub-exponential speedup using gate-based quantum computing.
• Abstract（参考訳）: Simulated Annealingアルゴリズムに基づく最近の量子インスピレーション法は、組合せ最適化問題を解く強力な可能性を示している。 しかし、ゲートベースの量子コンピューティングにおけるグローバーのアルゴリズムは、2次的なスピードアップしか提供せず、大きな問題のサイズでは実用的ではない。 本稿では,Simulated AnnealingとGroverのアルゴリズムを統合するハイブリッド手法を提案する。 酵素発酵では、温度、かき混ぜ、待ち時間、pH、トリプトファン、米粉などの変数を625のバイナリパラメータでコードし、酵素の定式化の空間を定義する。 歴史的実験と人工知能技術から得られた625ビットの非拘束的2値最適化問題として定式化された有効成分を最大化するバイナリ構成を求める。 QUBOコストの最小化は、有効成分の最大化に対応する。 このケーススタディは、ゲートベースの量子コンピューティングを用いて、提案手法がサブ指数高速化を実現することを実証する。

関連論文リスト

• Low-N Protein Activity Optimization with FolDE [15.733324207723328]
  本稿では,終末成功を最大化するALDE法であるFolDEを提案する。 20のタンパク質標的のシミュレーションにおいて、FolDEは最高のベースライン法よりも上位10%の変異体を23%多く発見している。 また、バッチの多様性を向上させる定数線形バッチセレクタも導入する。
  論文  参考訳（メタデータ） (2025-10-28T04:24:39Z)
• Achieving Sub-Exponential Speedup in Gate-Based Quantum Computing for Quadratic Unconstrained Binary Optimization [0.0]
  本稿では,SAとGroverのアルゴリズムを統合し,サブ指数高速化を実現するハイブリッドアプローチを提案する。 酵素発酵では、温度、かき混ぜ、待ち時間、pH、トリプトファン、米粉などの変数を625のバイナリパラメータでコードする。 QUBOコストの最小化は、有効成分の最大化に対応する。
  論文  参考訳（メタデータ） (2025-10-17T05:56:43Z)
• 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)
• Learning Feasible Quantum States for Quadratic Constrained Binary Optimization Problems [41.23247424467223]
  我々はQCBOの制約を満たす量子状態の同値重ね合わせを生成する変動的アプローチを開発する。 結果として生じる同値な重ね合わせは、QUBO/QCBOを解く量子アルゴリズムの初期状態として使用できる。
  論文  参考訳（メタデータ） (2025-08-04T16:44:53Z)
• De Novo Molecular Design Enabled by Direct Preference Optimization and Curriculum Learning [0.0]
  デノボ分子設計は、薬物発見と材料科学に広く応用されている。 巨大な化学空間は直接分子探索を計算的に禁止し、従来の実験スクリーニングは時間と労働の両方に集約している。 NLPの直接選好最適化(DPO)は、分子スコアに基づくサンプルペアを使用して、高品質分子と低品質分子の確率差を最大化する。
  論文  参考訳（メタデータ） (2025-04-02T06:00:21Z)
• Collaborative Expert LLMs Guided Multi-Objective Molecular Optimization [51.104444856052204]
  我々は,多目的分子最適化のための協調型大規模言語モデル(LLM)システムであるMultiMolを提案する。 6つの多目的最適化タスクに対する評価において、MultiMolは既存の手法を著しく上回り、82.30%の成功率を達成した。
  論文  参考訳（メタデータ） (2025-03-05T13:47:55Z)
• Fast Expectation Value Calculation Speedup of Quantum Approximate Optimization Algorithm: HoLCUs QAOA [55.2480439325792]
  本稿では,LCU演算子の線形結合として表現できる演算子の期待値を計算するための新しい手法を提案する。 この方法は任意の量子アルゴリズムに対して一般的であり、変分量子アルゴリズムの加速に特に関心がある。
  論文  参考訳（メタデータ） (2025-03-03T17:15:23Z)
• Variational Quantum Algorithm for Constrained Topology Optimization [4.067407250874754]
  制約付き位相最適化のための新しい変分量子アルゴリズムを提案する。 提案する量子アルゴリズムのゲート複雑性を解析する。 このアルゴリズムはトラス構造やMesserschmitt-B"olkow-Blohmビームなどのコンプライアンス問題で実証される。
  論文  参考訳（メタデータ） (2024-12-10T01:38:40Z)
• Fragment-Masked Diffusion for Molecular Optimization [71.13210858056527]
  表現型薬物発見(PDD)に基づくフラグメントマインド分子最適化法を提案する。 PDDに基づく分子最適化は、表現型活性を最適化しながら潜在的な安全性リスクを低減し、臨床成功の可能性を高める。 総合的な実験により、シリカ内最適化の成功率は95.4%に達し、平均効率は7.5%上昇した。
  論文  参考訳（メタデータ） (2024-08-17T06:00:58Z)
• Genetic-guided GFlowNets for Sample Efficient Molecular Optimization [33.270494123656746]
  深層学習に基づく生成手法の最近の進歩は、将来性を示しているが、サンプル効率の問題に直面している。 本稿では,強力な遺伝的アルゴリズムを深く生成する手法として,サンプル効率のよい分子最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-05T04:12:40Z)
• 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)
• Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
  予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。 実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-07T02:12:34Z)
• 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)
• Quantum Speedup for Higher-Order Unconstrained Binary Optimization and MIMO Maximum Likelihood Detection [2.5272389610447856]
  実数値の高次非制約二項最適化問題をサポートする量子アルゴリズムを提案する。 提案アルゴリズムは,古典的領域におけるクエリの複雑さを低減し,量子領域における2次高速化を実現する。
  論文  参考訳（メタデータ） (2022-05-31T00:14:49Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Machine Learning with Knowledge Constraints for Process Optimization of Open-Air Perovskite Solar Cell Manufacturing [5.240805076177176]
  本稿では,製造プロセス最適化のための逐次学習のMLフレームワークを提案する。 環境条件下でのペロブスカイト薄膜のラピッドスプレープラズマプロセッシング(RSPP)技術に本手法を適用した。 100条件のプロセス条件をスクリーニングする実験予算を限定し, 最高の動作装置に対して18.5%の効率向上を実証した。
  論文  参考訳（メタデータ） (2021-10-01T00:36:56Z)
• 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)
• Guiding Deep Molecular Optimization with Genetic Exploration [79.50698140997726]
  本稿では,深層ニューラルネットワーク(DNN)を訓練し,高次分子を生成する,遺伝的専門家誘導学習(GEGL)を提案する。 大規模な実験により、GEGLは最先端の手法よりも大幅に改善されていることが示された。
  論文  参考訳（メタデータ） (2020-07-04T05:01:26Z)
• Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
  実験者は、グローバルな最適な場所に関する知識を得ることができる。 グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。 効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
  論文  参考訳（メタデータ） (2020-02-26T01:57:36Z)

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。