論文の概要: Grover Adaptive Search with Problem-Specific State Preparation
- arxiv url: http://arxiv.org/abs/2602.08418v1
- Date: Mon, 09 Feb 2026 09:21:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:25.146185
- Title: Grover Adaptive Search with Problem-Specific State Preparation
- Title（参考訳）: 問題特化状態生成によるグロバー適応探索
- Authors: Maximilian Hess, Lilly Palackal, Abhishek Awasthi, Peter J. Eder, Manuel Schnaus, Laurin Demmler, Karen Wintersperger, Joseph Doetsch,
- Abstract要約: 我々は,バッテッチとエーデンベンツの以前の研究に基づいて,旅行販売問題のための国家準備ルーチンを構築した。
イテレーションでは、数回のイテレーションだけで妥当な近似比を達成することを目指しています。
- 参考スコア（独自算出の注目度）: 0.0345923194452408
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Grover's search algorithm is one of the basic building block in the world of quantum algorithms. Successfully applying it to combinatorial optimization problems is a subtle challenge. As a quadratic speedup is not enough to naively search an exponentially large space, the search has to be complemented with a state preparation routine which increases the amplitudes of promising states by exploiting the problem structure. In this paper, we build upon previous work by Baertschi and Eidenbenz to construct heuristic state preparation routines for the Traveling Salesperson Problem (TSP), mimicking the well-known classical Lin-Kernighan heuristic. With our heuristic, we aim to achieve a reasonable approximation ratio with only a polynomial number of Grover iterations. Further, we compare several algorithmic settings relating to termination criteria and the choice of Grover iterations when the number of marked solutions is unknown.
- Abstract（参考訳）: グロバーの探索アルゴリズムは量子アルゴリズムの世界における基本的な構成要素の1つである。
組合せ最適化問題にうまく適用することは微妙な挑戦である。
二次的なスピードアップは指数関数的に大きな空間をナビゲートするのに十分ではないため、問題構造を利用して有望な状態の振幅を増大させる状態準備ルーチンを補完する必要がある。
本稿では,Baertschi と Eidenbenz による過去の研究に基づいて,トラベリングセールスマン問題(TSP)のヒューリスティックな状態準備ルーチンを構築し,有名な古典的リン・ケルニッハンヒューリスティックを模倣した。
我々のヒューリスティックでは、Grover反復の多項式数のみで妥当な近似比を達成することを目指している。
さらに,マークされた解の数が不明な場合に,終了基準とGrover反復の選択に関するアルゴリズム的設定を比較した。
関連論文リスト
- Exponential convergence dynamics in Grover's search algorithm [0.0]
グロバーの探索アルゴリズムは、量子コンピューティングの多くの応用の基礎となっている。
我々はグロバーのアルゴリズムを修正して振動ダイナミクスを排除し、探索は解状態への指数的減衰として進行する。
基本的な考え方は、初期状態が非反射的に吸収されるようなアンシラ量子ビットを用いて、溶液状態を貯水池に変換することである。
論文 参考訳（メタデータ） (2025-12-17T05:43:07Z) - Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている
SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。
この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文 参考訳（メタデータ） (2024-08-14T19:04:13Z) - Complement Grover's Search Algorithm: An Amplitude Suppression
Implementation [0.5352699766206808]
グロバーの探索アルゴリズムは量子アルゴリズムにおける画期的な進歩であった。
Groverの検索アルゴリズムの拡張は、クエリの焦点が望ましくない項目に向けられている場合に導かれる。
結果はQAOAと比較される。
論文 参考訳（メタデータ） (2022-09-21T16:38:36Z) - Reflection-Based Adiabatic State Preparation [0.0]
我々のアルゴリズムは、断熱スケジュールに沿って定義された瞬時ハミルトンの固有空間から決定される一連の反射をデプロイする。
我々は,探索問題に対して,アルゴリズムがGroverの探索よりも高速に解を見つけることができることを示す数値的な証拠を提供する。
論文 参考訳（メタデータ） (2021-11-10T00:03:00Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳（メタデータ） (2021-09-13T18:10:52Z) - Determinantal Beam Search [75.84501052642361]
ビームサーチは、ニューラルシーケンスモデルをデコードするためのゴーツー戦略である。
複数のソリューションを要求するユースケースでは、多様あるいは代表的なセットがしばしば望まれる。
ビームサーチを一連の部分決定問題として繰り返し行うことにより、アルゴリズムを多種多様なサブセット選択プロセスに変換することができる。
論文 参考訳（メタデータ） (2021-06-14T13:01:46Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Quantum Search with Prior Knowledge [15.384459603233978]
本稿では,Grover の探索アルゴリズムの新たな一般化を提案する。
提案アルゴリズムは,クエリ数が固定された場合の解を見つけるための最適成功確率を実現する。
論文 参考訳（メタデータ） (2020-09-18T09:50:33Z) - Efficient Computation of Expectations under Spanning Tree Distributions [67.71280539312536]
本稿では,エッジファクター,非プロジェクティブ・スパンニングツリーモデルにおいて,一階期待と二階期待の重要なケースに対する統一アルゴリズムを提案する。
我々のアルゴリズムは勾配と期待の基本的な関係を利用しており、効率的なアルゴリズムを導出することができる。
論文 参考訳（メタデータ） (2020-08-29T14:58:26Z) - Learning to Accelerate Heuristic Searching for Large-Scale Maximum
Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。
既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。
我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文 参考訳（メタデータ） (2020-05-09T02:48:23Z)
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。