論文の概要: Quantum Decoding Algorithms: Quantum Speedups in Optimization

• arxiv url: http://arxiv.org/abs/2605.00312v1
• Date: Fri, 01 May 2026 00:47:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.798072
• Title: Quantum Decoding Algorithms: Quantum Speedups in Optimization
• Title（参考訳）: 量子デコードアルゴリズム:最適化における量子スピードアップ
• Authors: Jan Ljubas, Tim Byrnes,
• Abstract要約: Decoded Quantum Interferometry (DQI) と呼ばれる最適化問題の最大LINSATクラスを解く新しいアプローチが登場した。 DQIでは、最大LINSATの解を得るために、(古典的な)符号化理論に根ざした技法と干渉法の組み合わせが用いられる。 最適交叉問題(OPI)の特別問題の場合、スーパーポリノミカル・スピードアップが存在することを示す強い証拠が存在する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Attaining a quantum speedup in solving practically useful optimization problems has been one of the holy grails in the field of quantum computing. While prior approaches have demonstrated speedups for certain structured problem classes, establishing a clear and scalable advantage on broadly useful practical optimization problems remains challenging. Recently, a new approach to solving the max-LINSAT class of optimization problems has emerged, called Decoded Quantum Interferometry (DQI). In DQI, a combination of techniques rooted in (classical) coding theory and interferometry are used to obtain the solution of max-LINSAT. In the special problem instance of the optimal polynomial intersection (OPI) problem, strong evidence exists to show that an superpolynomial speedup exists over the best classical methods in obtaining an approximate solution. In this review, we give a self-contained description of DQI and the necessary background to understand the algorithm. Specifically, we give the essentials of Galois fields, optimization problems such as max-LINSAT and OPI, and coding theory, followed by a step-by-step walkthrough of the quantum algorithm and its operating principle.
• Abstract（参考訳）: 実際に有用な最適化問題の解決における量子スピードアップの達成は、量子コンピューティングの分野における聖杯の1つとなっている。 従来の手法は、ある構造化された問題クラスの高速化を実証してきたが、広く有用な実用的な最適化問題に対して、明確でスケーラブルな優位性を確立することは依然として困難である。 近年,Decoded Quantum Interferometry (DQI) と呼ばれる最適化問題の最大LINSATクラスを解く新しい手法が出現している。 DQIでは、最大LINSATの解を得るために、(古典的な)符号化理論に根ざした技法と干渉法の組み合わせが用いられる。 最適多項式交叉問題(OPI)の特別問題の場合、近似解を得るためには、最も古典的な方法の上に超多項式的なスピードアップが存在することを示す強い証拠が存在する。 本稿では、DQIの自己完結した記述と、アルゴリズムを理解するために必要な背景について述べる。 具体的には、ガロア場の本質、最大LINSATやOPIなどの最適化問題、符号化理論、そして量子アルゴリズムとその動作原理のステップ・バイ・ステップ・ウォークスルーについて述べる。

関連論文リスト

• An Introduction to the Quantum Approximate Optimization Algorithm [51.56484100374058]
  チュートリアルは変分量子回路とQUBO問題の概要から始まる。 次に、ハミルトンの定式化、ゲート分解、サンプル応用など、QAOAの詳細を探索する。 このチュートリアルはこれらの概念を高階ハミルトニアンに拡張し、関連する対称性と回路構成について議論する。
  論文  参考訳（メタデータ） (2025-11-23T09:54:20Z)
• Classical optimization with imaginary time block encoding on quantum computers: The MaxCut problem [1.354560757162539]
  ITE-BEと呼ばれる新しい手法を開発した。 我々は,本手法が他の量子アルゴリズムとうまく結合できることを実証した。
  論文  参考訳（メタデータ） (2024-11-16T08:17:36Z)
• Optimization by Decoded Quantum Interferometry [38.063836468778895]
  Decoded Quantum Interferometry (DQI) は、量子フーリエ変換を用いて、復号化問題に対する最適化問題を削減する量子アルゴリズムである。 有限体上の最適適合を近似するために、DQIは既知の古典的アルゴリズムよりも超多項式的なスピードアップを達成する。
  論文  参考訳（メタデータ） (2024-08-15T17:47:42Z)
• A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。 この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。 我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
  論文  参考訳（メタデータ） (2023-06-15T15:28:12Z)
• Classically-Boosted Quantum Optimization Algorithm [0.0]
  我々は、量子最適化を強化するために既存の古典的手法を活用する自然なアプローチを探求する。 具体的には、近似解を見つけるために古典的なアルゴリズムを実行し、量子回路を用いて高品質な解の「近傍」を探索する。 CBQOA の Max 3SAT および Max Bisection への応用を実証し,これらの問題に対する従来のアプローチよりも優れていることを示す実証的証拠を提供する。
  論文  参考訳（メタデータ） (2022-03-25T23:36:14Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。