論文の概要: Landscape-Similarity-Guided Optimization in QAOA
- arxiv url: http://arxiv.org/abs/2602.21689v1
- Date: Wed, 25 Feb 2026 08:46:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-26 18:19:16.76127
- Title: Landscape-Similarity-Guided Optimization in QAOA
- Title（参考訳）: QAOAにおける景観類似性誘導最適化
- Authors: Sokea Sang, Leanghok Hour, Sanghyeon Lee, Aniket Patra, Hee Chul Park, Moon Jip Park, Youngsun Han,
- Abstract要約: 本稿では,Douubly Optimized QAOA(DO-QAOA)を提案する。これは,競合近似比ギャップ(ARG)を維持しつつ,ランタイムと量子計測オーバーヘッドを低減させる。
DO-QAOAは、現実的なハードウェア制約の下でのハイブリッド量子古典最適化へのスケーラブルな経路を提供する。
- 参考スコア（独自算出の注目度）: 1.8827901691814237
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Across diverse synthetic and real-world interaction graphs, the variational landscapes of reduced Quantum Approximate Optimization Algorithm (QAOA) instances obtained via variable freezing exhibit a robust universality. Leveraging this structure, we introduce Doubly Optimized QAOA (DO-QAOA), which lowers runtime and quantum measurement overhead while maintaining a competitive approximation ratio gap (ARG). Adapting the replica-overlap framework of spin-glass physics, we define a landscape-overlap order parameter $q$ to quantify geometric correlations between energy landscapes, revealing a sharp landscape-similarity transition as graph connectivity is tuned. Notwithstanding this transition, the dominant convex features of nearly all conditioned sub-instances remain aligned across both phases. Exploiting this persistence, DO-QAOA collapses the nominal $2^m$ reduced instances generated by freezing $m$ qubits into $K = O(1)$ effective landscape classes, eliminating the exponential proliferation in $m$. By leveraging landscape structure, DO-QAOA provides a scalable route to hybrid quantum-classical optimization under realistic hardware constraints, with potential applicability across variational quantum algorithms.
- Abstract（参考訳）: 多様な合成および実世界の相互作用グラフにまたがって、量子近似最適化アルゴリズム(QAOA)インスタンスの変動景観は、堅牢な普遍性を示す。
この構造を活用することで、Douubly Optimized QAOA(DO-QAOA)を導入し、競合近似比ギャップ(ARG)を維持しながら、ランタイムと量子計測のオーバーヘッドを低くする。
スピングラス物理学のレプリカ・オーバーラップ・フレームワークに適応して、エネルギーランドスケープ間の幾何学的相関を定量化するためのランドスケープ・オーバーラップ・オーダーパラメータ$q$を定義し、グラフ接続が調整されるにつれて、鋭いランドスケープ・類似性遷移を明らかにする。
この遷移にも拘わらず、ほとんど全ての条件付きサブインスタンスの主凸特徴は両方の相に整列している。
DO-QAOAは、$m$ qubitsを$K = O(1)$の効果的なランドスケープクラスに凍結することで生成される名目上の2^m$還元インスタンスを崩壊させ、$m$の指数的な増加を排除した。
ランドスケープ構造を活用することで、DO-QAOAは、リアルなハードウェア制約下でのハイブリッド量子古典最適化へのスケーラブルな経路を提供する。
関連論文リスト
- Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳（メタデータ） (2026-02-24T05:32:03Z) - Scaling QAOA: transferring optimal adiabatic schedules from small-scale to large-scale variational circuits [0.0]
本稿では,小規模インスタンスから大規模システムへスペクトルギャップ情報に基づくアダバティック制御戦略を移行するスケジュール学習フレームワークを提案する。
提案手法は,QAOAにおける拡張的かつパラメータ効率のよいスケジュール転送を実現することを示唆する。
論文 参考訳（メタデータ） (2026-02-16T18:12:13Z) - Variational Entropic Optimal Transport [67.76725267984578]
本稿では,ドメイン翻訳問題に対する変分エントロピー最適輸送(VarEOT)を提案する。
VarEOTは、補助正の正規化子上のトラクタブルな一般化として、log-partition $log mathbbE[exp(cdot)$の正確な変分再構成に基づいている。
合成データと画像と画像の変換に関する実験は、競争力のあるか、あるいはより良い翻訳品質を示す。
論文 参考訳（メタデータ） (2026-02-02T15:48:44Z) - Neural Nonmyopic Bayesian Optimization in Dynamic Cost Settings [73.44599934855067]
LookaHESは、動的で履歴に依存したコスト環境のために設計された非心筋BOフレームワークである。
LookaHESは、$H$-Entropy Searchのマルチステップ版と、パスワイズサンプリングとニューラルポリシー最適化を組み合わせたものだ。
私たちの革新は、構造化されたドメイン固有のアクションスペースを効果的にナビゲートするために、大きな言語モデルを含むニューラルポリシーの統合です。
論文 参考訳（メタデータ） (2026-01-10T09:49:45Z) - Scalable Quantum Walk-Based Heuristics for the Minimum Vertex Cover Problem [0.0]
連続時間量子ウォーク(CTQW)に基づく最小頂点被覆(MVC)問題に対する新しい量子アルゴリズムを提案する。
この枠組みでは、グラフ上の量子ウォーカーのコヒーレントな伝播は、その構造特性を状態振幅に符号化する。
我々は,CTQWに基づくアルゴリズムが優れた近似比を一貫して達成し,ネットワークトポロジに関して顕著な堅牢性を示すことを示す。
論文 参考訳（メタデータ） (2025-12-02T17:04:57Z) - Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization [66.08522228989634]
非パラメトリックインスツルメンタル変数回帰(NPIV)における2段階最小二乗法(2SLS)アプローチのためのニューラルネットワークの最初の大域収束結果を確立する。
これは平均場ランゲヴィンダイナミクス(MFLD)を通して持ち上げられた視点を採用することで達成される。
論文 参考訳（メタデータ） (2025-11-18T17:51:17Z) - A Recursive Lower Bound on the Energy Improvement of the Quantum Approximate Optimization Algorithm [0.0]
我々は、遷移状態に関するコスト関数の解析的拡張を用いて、深いQAOAに関する洞察を得る。
計算の結果, 得られたQAOAコスト関数の有界値と真値が, 層数$p$に比例して指数関数的に減少していることが判明した。
論文 参考訳（メタデータ） (2024-05-16T14:24:37Z) - Recursive greedy initialization of the quantum approximate optimization
algorithm with guaranteed improvement [1.720510639137902]
量子近似最適化アルゴリズム (QAOA) は変分量子アルゴリズムであり、量子コンピュータは変分ユニタリ演算子の$p$層からなる変分アンサッツを実装している。
本稿では,QAOAを$p+1$で局所最小のQAOAを$p$で使用するQAOAの遷移状態の解析的構成について述べる。
論文 参考訳（メタデータ） (2022-09-02T16:40:21Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Faster Algorithm and Sharper Analysis for Constrained Markov Decision
Process [56.55075925645864]
制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。
新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。
これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
論文 参考訳（メタデータ） (2021-10-20T02:57:21Z) - Large gradients via correlation in random parameterized quantum circuits [0.0]
コスト関数ランドスケープにおける指数関数的に消失する勾配の存在は、勾配降下法による最適化の障害となる。
パラメータ空間の次元性を減少させることで、消滅する勾配現象を回避できることを示す。
論文 参考訳（メタデータ） (2020-05-25T16:15:53Z)
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。