論文の概要: Noise-Induced Landscape Distortion in QAOA for Constrained Binary Optimization: Empirical Characterization on IBM Quantum Hardware

• arxiv url: http://arxiv.org/abs/2604.19426v1
• Date: Tue, 21 Apr 2026 12:55:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.775197
• Title: Noise-Induced Landscape Distortion in QAOA for Constrained Binary Optimization: Empirical Characterization on IBM Quantum Hardware
• Title（参考訳）: 制約付きバイナリ最適化のためのQAOAにおける騒音誘起景観歪み:IBM量子ハードウェアの実証評価
• Authors: Dikran S Meliksetian,
• Abstract要約: ランドスケープ・スパン・圧縮(LSC)を紹介し,実証的に検証する。 LSCは、騒音がいかにエネルギーの景観を平らにするかを測定し、景観が不毛の台地に向かって崩壊するにつれて1に近づく。 我々は,3つの制約付きQUBOポートフォリオインスタンスに対して,IBMのibm_fezにLSCに基づくノイズ特性を付加したQAOAの適用経験を報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce and empirically validate Landscape Span Compression (LSC), a device-agnostic metric for quantifying how hardware noise distorts the variational energy landscape of the Quantum Approximate Optimization Algorithm (QAOA). Intuitively, LSC measures how much noise flattens the energy landscape, approaching 1 as the landscape collapses toward a barren plateau. We report an experience study of applying QAOA with LSC-based noise characterization on IBM's ibm_fez for three constrained QUBO portfolio instances, distilling practical lessons for parameter transfer, calibration-model fidelity, and error mitigation. Running p=1 QAOA on ibm_fez (Heron r2, 156 qubits) with up to 57,344 shots per grid point across three constrained binary optimization instances encoded as QUBO problems, we find: (i) hardware noise uniformly compresses the landscape span by 24-30% without displacing the global minimum, supporting classical-to-hardware parameter transfer; (ii) feasibility fractions at the optimal parameters remain 1.5-1.7 times above random sampling despite noise-induced degradation; (iii) the IBM calibration-based noise model achieves Pearson r=0.959 structural agreement with hardware but explains only approximately 42% of approximation-ratio degradation, with crosstalk and coherent errors as the leading unexplained contributors; (iv) a consistent noise cost of approximately 0.03 approximation-ratio units is observed across all instances; and (v) Zero-Noise Extrapolation yields mixed energy improvements of +7%/+9%/-4% per instance with 3-5 times uncertainty inflation. We compare LSC against four existing metrics and argue it is the most robust discriminator of noise severity for constrained QAOA on near-term devices.
• Abstract（参考訳）: ハードウェアノイズが量子近似最適化アルゴリズム(QAOA)の変動エネルギー景観をいかに歪ませるかを定量化するためのデバイス非依存の指標であるランドスケープ・スパン・圧縮(LSC)を紹介し,実証的に検証する。 直感的には、LSCは騒音がエネルギーの景観をどれだけ平坦にするかを測定し、風景が不毛の高原に向かって崩壊するにつれて1に近づく。 本報告では,IBM の ibm_fez に LSC に基づくノイズ特性を付加したQAOA を適用し,パラメータ転送,キャリブレーションモデル忠実度,エラー軽減の実践的教訓を抽出した。 p=1 QAOA on ibm_fez (Heron r2, 156 qubits) with up 57,344 shots across three constrained binary optimization instance encoded as QUBO problem, we found。 (i) ハードウェアノイズは、グローバル・ミニマルを分解することなく、一様に風景を24～30%圧縮し、古典的・ハードウエアパラメータ転送をサポートする。 (二)雑音による劣化にもかかわらず、最適なパラメータにおける実現率の差は、ランダムサンプリングの1.5-1.7倍である。 3) IBMキャリブレーションに基づくノイズモデルは、ハードウェアとのPearson r=0.959の構造的一致を達成するが、クロストークやコヒーレントエラーを主要な原因とする近似比劣化の約42%しか説明できない。 (四)全てのインスタンスに約0.03の近似比の一貫した騒音コストが観測される。 (v)ゼロノイズ外挿は、インスタンス当たり+7%/+9%/-4%の混合エネルギー改善と3～5倍の不確かさインフレーションをもたらす。 我々は、LCCを4つの既存の指標と比較し、近距離デバイスにおける制約付きQAOAのノイズ重大性の最も堅牢な判別法であると主張している。

関連論文リスト

• EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
  既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。 等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。 完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
  論文  参考訳（メタデータ） (2026-04-20T13:57:49Z)
• Quantum Error Mitigation Strategies for Variational PDE-Constrained Circuits on Noisy Hardware [0.0]
  短期量子ハードウェア上の偏微分方程式(PDE)を解く変分回路(VQC)は重要な課題に直面している。 熱方程式バーガースの方程式に対するPDE残留損失関数に制約されたVQCの偏極、減衰、ビットフリップの3つのノイズチャネルについて系統的研究を行った。 我々は、ゼロノイズ外挿(ZNE)、確率誤差キャンセル(PEC)、逆混乱行列による測定誤差緩和の3つの誤差緩和戦略をベンチマークする。
  論文  参考訳（メタデータ） (2026-04-11T08:45:08Z)
• Differentiable Maximum Likelihood Noise Estimation for Quantum Error Correction [3.1257175823346905]
  我々は, 正確な, 効率的, かつ, 完全微分可能な症候群の最大値を可能にする, 識別可能な類似度推定フレームワークを導入する。 提案手法は, シンドロームの確率を直接最大化することにより, 証明可能なデコーダ非依存誤差を導出する。
  論文  参考訳（メタデータ） (2026-02-23T11:20:23Z)
• Boltzmann Reinforcement Learning for Noise resilience in Analog Ising Machines [0.8739101659113154]
  本稿では,分散学習フレームワークであるBRAIN(Boltzmann Reinforcement for Analog Ising Networks)を紹介する。 状態ごとのサンプリングから、複数のノイズ測定にまたがる情報の集約に移行することで、BRAINはガウスノイズに耐性を持つ。 BRAINは65,536スピンまでスケールする$mathcalO(N1.55)を提示し、測定の不確実性に対する堅牢性を最大40%まで維持する。
  論文  参考訳（メタデータ） (2026-02-09T20:07:42Z)
• Q-Cluster: Quantum Error Mitigation Through Noise-Aware Unsupervised Learning [4.984018914962973]
  QEM(Quantum error mitigation)は、量子コンピューティングにおけるノイズの影響を低減するために重要である。 本稿では、教師なし学習(クラスタリング)を用いて測定ビットストリング分布を再構成する新しいQEM手法Q-Clusterを提案する。 提案したQ-Cluster方式は,出力分布の最小値よりも平均1.46倍の忠実度を向上することを示す。
  論文  参考訳（メタデータ） (2025-04-15T01:53:39Z)
• 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)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• Modeling and mitigation of cross-talk effects in readout noise with applications to the Quantum Approximate Optimization Algorithm [0.0]
  雑音の緩和は、上界を導出する誤差まで行うことができる。 ノイズモデルとエラー軽減スキームの両方をテストするためにIBMのデバイスを使用した15(23)量子ビットの実験。 浅層深度ランダム回路によって生成されるHaar-random量子状態と状態に対して、同様の効果が期待できることを示す。
  論文  参考訳（メタデータ） (2021-01-07T02:19:58Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)

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。