論文の概要: When Does Quantum Annealing Outperform Classical Methods? A Gradient Variance Framework
- arxiv url: http://arxiv.org/abs/2602.16875v1
- Date: Wed, 18 Feb 2026 21:00:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-20 15:21:28.404621
- Title: When Does Quantum Annealing Outperform Classical Methods? A Gradient Variance Framework
- Title（参考訳）: 量子アニーリングはいつ古典的手法より優れているか? グラディエント分散フレームワーク
- Authors: Vishwajeet Ohal, Pierre Boulanger,
- Abstract要約: 本稿では,実践者のための下記の意思決定枠組みを提案する。
純粋な量子容量を超えるが良好なランドスケープ構造を持つ問題に対しては、量子と古典的手法を組み合わせたハイブリッドアプローチが推奨される。
- 参考スコア（独自算出の注目度）: 1.4266272677701561
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Based on our experimental findings, we propose the following decision framework for practitioners. Quantum annealing is recommended when the problem formulation QUBO exhibits a high gradient variance (greater than 0.3) and the energy landscape contains numerous thin barriers characterized by sharp peaks and narrow valleys. Additionally, quantum approaches are particularly suitable when classical methods are observed to get trapped in local minima, the problem size is manageable given hardware constraints (less than 5000 variables for pure quantum annealing), and the time overhead of approximately 10 seconds is acceptable for the application. In contrast, classical methods are recommended when the gradient variance is low (less than 0.2), indicating smooth landscapes where quantum tunneling provides little advantage. Classical approaches are also preferable when the problem size is small and classical solvers can provide nearly instantaneous results, when solution quality requirements are modest and local optima suffice, or when hardware access or cost is a limiting factor. For problems that exceed pure quantum capacity but possess a favorable landscape structure, hybrid approaches combining quantum and classical techniques are recommended. Such hybrid methods are particularly effective when decomposition quality can be verified and both solution quality and scalability are important considerations.
- Abstract（参考訳）: 実験結果をもとに,実践者のための下記の意思決定枠組みを提案する。
問題定式化QUBOが高勾配のばらつき(0.3以上)を示す場合に量子アニールが推奨され、エネルギーランドスケープは鋭いピークと狭い谷を特徴とする多数の細い障壁を含む。
さらに、量子アプローチは、局所的なミニマムに閉じ込められる古典的な方法が観察されるのに特に適しており、問題のサイズはハードウェアの制約(純量子アニールの5000変数未満)に応じて管理可能であり、アプリケーションに約10秒のオーバーヘッドが許容される。
対照的に、勾配のばらつきが低い場合(0.2未満)には古典的な手法が推奨され、量子トンネルがほとんど有利でない滑らかな風景を示す。
古典的アプローチは、問題のサイズが小さく、古典的解法がほぼ瞬時に結果を提供する場合、ソリューションの品質要件が適度で局所最適条件である場合、ハードウェアアクセスやコストが制限要因である場合にも好ましい。
純粋な量子容量を超えるが良好なランドスケープ構造を持つ問題に対しては、量子と古典的手法を組み合わせたハイブリッドアプローチが推奨される。
このようなハイブリッド手法は、分解品質を検証できる場合に特に有効であり、ソリューションの品質とスケーラビリティの両方が重要な考慮事項である。
関連論文リスト
- Quantum Random Feature Method for Solving Partial Differential Equations [36.58357595906332]
量子コンピューティングは、古典的な手法よりも指数的なスピードアップの可能性を秘めているため、科学計算の可能性を秘めている。
本研究では,数値解析とニューラル解析の両方の利点を利用する量子ランダム法(QRFM)を提案する。
論文 参考訳（メタデータ） (2025-10-09T08:42:09Z) - Low Cost Bayesian Experimental Design for Quantum Frequency Estimation with Decoherence [45.74830585715129]
WES: 低コスト適応型ベイズ実験設計のためのウィンドウ拡張戦略を紹介する。
我々は、最適化のオーバーヘッドを低く抑え、スケーリング問題を抑え、高い並列性を実現するために、実証的なコスト削減技術を採用している。
数値シミュレーションにより、WESはハイゼンベルク限界を飽和させ、最も信頼性の高い性能と学習速度を提供することが示された。
論文 参考訳（メタデータ） (2025-08-09T23:41:58Z) - Quantum Annealing for Combinatorial Optimization: A Benchmarking Study [39.125366249242646]
現状の量子解法は,従来の解法よりも精度が0.013%高く,解法時間も6,561xであることを示す。
この結果から,特にハイブリッド構成において,従来のQAよりもQAを活用できるという利点が浮かび上がっている。
論文 参考訳（メタデータ） (2025-04-08T16:43:24Z) - Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem [0.0]
トラベリングセールスパーソン問題(TSP)は基本的なNPハード最適化問題である。
量子最適化技術と古典的機械学習手法を統合するハイブリッド量子古典的手法を提案する。
論文 参考訳（メタデータ） (2025-02-28T22:07:28Z) - Quantum Subroutines in Branch-Price-and-Cut for Vehicle Routing [0.0]
この研究で、限られた資源を持つ量子がNPハード問題に対する大規模な正確な最適化アルゴリズムにどのように統合できるかを実証する。
我々のアルゴリズムの重要な特徴は、量子によって返される最良の解からではなく、あるコスト閾値以下の全ての解から得られることである。
論文 参考訳（メタデータ） (2024-12-20T08:27:23Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Hybrid Quantum-Classical Multilevel Approach for Maximum Cuts on Graphs [1.7720089167719628]
我々は、Max-Cutの大規模インスタンスを解決するために、スケーラブルなハイブリッドマルチレベルアプローチを導入する。
フレームワークでのQAOAの使用は、古典的なアプローチに匹敵するものであることを示す。
論文 参考訳（メタデータ） (2023-09-15T23:54:46Z) - The Optimization Landscape of Hybrid Quantum-Classical Algorithms: from
Quantum Control to NISQ Applications [0.20646127669654826]
先進的な量子古典最適化アルゴリズムが急速に発展する多くの量子技術における展望を概観する。
ほとんど身体のダイナミクスの最適制御に関する初期の研究では、ランドスケープは量子システムの完全な制御を行うことができた。
論文 参考訳（メタデータ） (2022-01-19T07:20:34Z) - 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) - 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) - 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。