論文の概要: Second-Order FALQON Parameter Transfer for the Max-Cut Problem on 3-Regular Graphs

• arxiv url: http://arxiv.org/abs/2605.04253v1
• Date: Tue, 05 May 2026 19:38:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.518349
• Title: Second-Order FALQON Parameter Transfer for the Max-Cut Problem on 3-Regular Graphs
• Title（参考訳）: 3つの正則グラフ上の最大値問題に対する2次FALQONパラメータ転送
• Authors: Gabriel Fernandes Thomaz, Eduarda Rodrigues Monteiro, Jerusa Marchi, Marcelo Zen Pretto, Alisson dos Passos Fumaco, Evandro Chagas Ribeiro da Rosa,
• Abstract要約: 本稿では3つの正則グラフ上のマックス・クート問題に適用された2階FALQONのパラメータ転送可能性について検討する。 小さいインスタンスに最適化されたフィードバックパラメータをより大きなターゲットグラフに転送すると、近似比が大幅に高くなる。
• 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: The Feedback-based Algorithm for Quantum Optimization (FALQON) offers a deterministic alternative to variational quantum algorithms by bypassing classical optimization loops. However, maintaining convergence on large problem instances often requires restricting the time step, necessitating quantum circuit depths that exceed Noisy Intermediate-Scale Quantum (NISQ) hardware capabilities. This paper investigates the parameter transferability of second-order FALQON applied to the Max-Cut problem on 3-regular graphs. Through numerical experiments evaluating quantum circuits up to 16 layers on graphs up to 24 nodes, we demonstrate a highly advantageous scaling behavior: transferring feedback parameters optimized on small instances to larger target graphs yields significantly higher approximation ratios than natively optimizing the parameters directly on the larger graphs. This performance advantage arises because parameters trained on smaller instances can safely adopt aggressively larger time steps. By offloading the expensive parameter discovery phase to small-scale instances, this transfer strategy simultaneously reduces computational overhead and enhances the approximation ratio, thereby bringing FALQON closer to practical viability on near-term quantum architectures.
• Abstract（参考訳）: フィードバックに基づく量子最適化アルゴリズム(FALQON)は、古典的な最適化ループをバイパスすることで、変分量子アルゴリズムに対する決定論的代替手段を提供する。 しかし、大きな問題インスタンスへの収束を維持するには、しばしば時間ステップを制限し、ノイズ中間スケール量子(NISQ)ハードウェア能力を超える量子回路深度を必要とする。 本稿では3つの正則グラフ上のマックス・クート問題に適用された2階FALQONのパラメータ転送可能性について検討する。 最大24ノードまでのグラフ上の16層までの量子回路を評価する数値実験を通じて、非常に有利なスケーリング挙動を示す: 小さなインスタンスに最適化されたフィードバックパラメータをより大きなターゲットグラフに転送すると、より大きなグラフに直接パラメータをネイティブに最適化するよりもはるかに高い近似比が得られる。 このパフォーマンス上のアドバンテージは、小さなインスタンスでトレーニングされたパラメータが、より大規模なタイムステップを安全に適用できるためである。 コストのかかるパラメータ発見フェーズを小規模インスタンスにオフロードすることで、この転送戦略は計算オーバーヘッドを同時に低減し、近似比を高めることにより、FALQONを短期量子アーキテクチャの実用性に近づける。

関連論文リスト

• 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)
• Quantum Approximate Optimization Algorithm with Fixed Number of Parameters [0.0]
  我々は新しい量子最適化パラダイム、FPC-QAOA(Fixed-Count Approximate Quantum Optimization Algorithm)を導入する。 スケーラブルな変分フレームワークであり、量子ビットの数、ハミルトン複雑性、回路深さに関わらず、一定の数のトレーニング可能なパラメータを保持する。 我々は、ランダムなMaxCutインスタンスとTail Assignment ProblemのFPC-QAOAをベンチマークし、標準的なQAOAに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2025-12-24T14:02:31Z)
• Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
  多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。 本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。 この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
  論文  参考訳（メタデータ） (2025-10-07T17:53:02Z)
• Pushing the Limits of Low-Bit Optimizers: A Focus on EMA Dynamics [64.62231094774211]
  ステートフル(例えばアダム)は、最適収束を達成するために、モデルサイズを2倍も補助情報を維持する。 SOLOにより、アダムスタイルは3ビットまたは2ビットの精度で量子化された状態を維持することができる。 したがって、SOLOはAdamスタイルにシームレスに適用でき、精度の低下を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2025-05-01T06:47:45Z)
• Graph Representation Learning for Parameter Transferability in Quantum Approximate Optimization Algorithm [1.0971022294548696]
  量子近似最適化アルゴリズム(QAOA)は、量子拡張最適化による量子優位性を達成するための最も有望な候補の1つである。 本研究では,5種類のグラフ埋め込み手法を適用し,パラメータ転送可能性に対する適切なドナー候補を決定する。 この手法を用いて,パラメータ最適化に要するイテレーション数を効果的に削減し,目標問題に対する近似解を桁違いに高速化する。
  論文  参考訳（メタデータ） (2024-01-12T16:01:53Z)
• Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm [0.0]
  そこで本稿では,QAOAをパラメータとして初期化することで,回路深度が大きければ平均で高い近似比を与える手法を提案する。 我々は3つの正則グラフやエルド・オス=ルネニグラフのようなグラフのある種のクラスにおけるマックスカット問題に対する我々の戦略をテストする。
  論文  参考訳（メタデータ） (2021-08-11T15:44:16Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。