論文の概要: Quantum Annealing: Optimisation, Sampling, and Many-Body Dynamics
- arxiv url: http://arxiv.org/abs/2605.06857v1
- Date: Thu, 07 May 2026 18:57:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.560676
- Title: Quantum Annealing: Optimisation, Sampling, and Many-Body Dynamics
- Title（参考訳）: 量子アニーリング:最適化、サンプリング、多体ダイナミクス
- Authors: Steven Abel, Andrei Constantin, Luca A. Nutricati,
- Abstract要約: 量子アニールは、数千ビットのプログラム可能なスピンシステムを実現する。
現代の量子アニールは、非平衡多体量子力学を研究するための実験的なプラットフォームとして機能する。
最適化や機械学習から量子シミュレーション、多体物理学まで、さまざまな応用について論じる。
- 参考スコア（独自算出の注目度）: 0.10195618602298682
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum annealing is a computational paradigm in which optimisation problems are mapped onto the energy landscape of an interacting quantum system and explored through its dynamical evolution. By continuously transforming a simple initial Hamiltonian into one whose ground state encodes the solution, the system traverses a complex landscape via a combination of quantum fluctuations, tunnelling processes, and dissipative dynamics. Unlike gate-based quantum computing, quantum annealing is a specialised and near-term approach aimed primarily at discrete optimisation and sampling tasks. While it is not expected to provide polynomial-time solutions to NP-hard problems in the worst case, it offers a physically motivated heuristic for navigating rugged energy landscapes that arise across science and engineering. Modern quantum annealers realise programmable spin systems with thousands of qubits, placing them among the largest controllable quantum devices currently available. As a result, their significance extends beyond optimisation: they also function as experimental platforms for studying non-equilibrium many-body quantum dynamics in regimes that are difficult to access using classical simulation. In this review we present an accessible introduction to the principles of quantum annealing, describe the main hardware platforms and algorithmic techniques, and analyse how tunnelling, spectral gaps, and open-system effects shape computational performance. We survey applications ranging from optimisation and machine learning to quantum simulation and many-body physics, and discuss the central challenges in benchmarking, scaling, and control. These perspectives position quantum annealing as a distinctive framework at the interface of optimisation, stochastic sampling, and programmable quantum dynamics, with a role that is complementary to both classical algorithms and gate-based quantum computing.
- Abstract（参考訳）: 量子アニール(Quantum annealing)は、相互作用する量子系のエネルギーランドスケープに最適化問題をマッピングし、その動的進化を通して探索する計算パラダイムである。
単純な初期ハミルトニアンを基底状態が解を符号化したものに連続的に変換することで、システムは量子ゆらぎ、トンネル過程、散逸ダイナミクスの組み合わせによって複雑な風景を横切る。
ゲートベースの量子コンピューティングとは異なり、量子アニール(quantum annealing)は、主に個別の最適化とサンプリングタスクを目的とした特別かつ短期的なアプローチである。
最悪の場合、NPハード問題に対する多項式時間解は提供されないが、科学や工学にまたがる頑丈なエネルギー景観をナビゲートするための物理的動機付けのヒューリスティックを提供する。
現代の量子アニールは、数千の量子ビットを持つプログラム可能なスピンシステムを実現し、現在利用可能な最大の制御可能な量子デバイスに位置づけている。
結果として、それらの重要性は最適化以上のものとなり、古典的なシミュレーションを用いてアクセスし難い状態において、非平衡多体量子力学を研究するための実験的なプラットフォームとしても機能する。
本稿では,量子アニールの原理について紹介し,主要なハードウェアプラットフォームとアルゴリズム技術について述べるとともに,トンネリング,スペクトルギャップ,オープンシステムの影響がいかに計算性能を形作るかを分析する。
最適化から機械学習、量子シミュレーション、多体物理学に至るまでのアプリケーションを調査し、ベンチマーク、スケーリング、制御における中心的な課題について論じる。
これらの視点は、古典的なアルゴリズムとゲートベースの量子コンピューティングを補完する役割を持つ最適化、確率的サンプリング、プログラム可能な量子力学のインターフェースにおいて、量子アニールをユニークなフレームワークとして位置づけている。
関連論文リスト
- Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。
本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。
近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
論文 参考訳（メタデータ） (2025-08-29T10:37:19Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。
本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - Hamiltonian Dynamics Learning: A Scalable Approach to Quantum Process Characterization [6.741097425426473]
短時間のハミルトン力学に特化して設計された効率的な量子プロセス学習法を提案する。
我々は、量子機械学習の応用を実証し、このプロトコルは、ユニタリ変換を直接学習することで、変分量子ニューラルネットワークの効率的なトレーニングを可能にする。
この研究は、実用的な量子力学学習のための新しい理論的基盤を確立し、短期的およびフォールトトレラントな量子コンピューティングの両方においてスケーラブルな量子プロセスのキャラクタリゼーションの道を開いた。
論文 参考訳（メタデータ） (2025-03-31T14:50:00Z) - Comprehensive Survey of QML: From Data Analysis to Algorithmic Advancements [2.5686697584463025]
量子機械学習(Quantum Machine Learning)は、量子コンピューティングと機械学習の交差点におけるパラダイムシフトである。
この分野は、ハードウェアの制約、ノイズ、量子ビットコヒーレンス(英語版)の制限など、重大な課題に直面している。
この調査は、実用的な実世界のアプリケーションに向けて量子機械学習を進めるための基盤となるリソースを提供することを目的としている。
論文 参考訳（メタデータ） (2025-01-16T13:25:49Z) - Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳（メタデータ） (2024-06-10T17:22:09Z) - Quantum algorithms: A survey of applications and end-to-end complexities [88.57261102552016]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Learning Quantum Systems [0.0]
量子技術は、セキュアな通信、高性能コンピューティング、超精密センシングにおける画期的な応用によって、私たちの社会に革命をもたらすと約束している。
量子技術のスケールアップにおける主な特徴の1つは、量子システムの複雑さがその大きさと指数関数的にスケールすることである。
これは、量子状態の効率的なキャリブレーション、ベンチマーク、検証とその動的制御において深刻な問題を引き起こす。
論文 参考訳（メタデータ） (2022-07-01T09:47:26Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2022-06-28T16:23:24Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z)
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。