Fugu-MT 論文翻訳(概要): Constrained Counterdiabatic Quantum Approximate Optimization Algorithm for Portfolio Optimization

論文の概要: Constrained Counterdiabatic Quantum Approximate Optimization Algorithm for Portfolio Optimization

arxiv url: http://arxiv.org/abs/2605.06858v1
Date: Thu, 07 May 2026 18:57:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-11 19:43:38.561668
Title: Constrained Counterdiabatic Quantum Approximate Optimization Algorithm for Portfolio Optimization
Title（参考訳）: ポートフォリオ最適化のための制約付き反断熱量子近似最適化アルゴリズム
Authors: Jose Falla, Ilya Safro,
Abstract要約: CCD-QAOA(Constrained Counterdiabatic QAOA)は、現実的な予算とリスク制約下での最適化性能を改善した。数値シミュレーションにより, 固定QAOA深度では, CCD-QAOAアプローチが常に近似比を向上することを示した。
参考スコア（独自算出の注目度）: 0.4346179456029564
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a counterdiabatic (CD) extension of the Quantum Approximate Optimization Algorithm (QAOA) for constrained portfolio optimization. By incorporating approximate adiabatic gauge potentials generated from nested commutators of the Ising-type portfolio problem Hamiltonian and the Hamming weight-preserving XY mixer Hamiltonian into our variational ansatz, the resulting Constrained Counterdiabatic QAOA (CCD-QAOA) achieves improved optimization performance under realistic budget and risk constraints. Benchmarking against standard XY-mixer QAOA, Grover-mixer QAOA, and penalty-based QAOA formulations, our numerical simulations demonstrate that, for a fixed QAOA depth, our CCD-QAOA approach consistently results in better approximation ratios.
Abstract（参考訳）: 本稿では,制約付きポートフォリオ最適化のための量子近似最適化アルゴリズム(QAOA)の逆ダイアバティック(CD)拡張を導入する。また,Ising-type portfolio problem Hamiltonian and the Hamming weight-serving XY mixer Hamiltonian in our variational ansatz, the result of the Constrained Counterdiabatic QAOA (CCD-QAOA) により,現実的な予算とリスク制約下での最適化性能の向上を実現する。標準的なXY-mixer QAOA, Grover-mixer QAOA, およびペナルティに基づくQAOAの定式化に対するベンチマークにより, 固定されたQAOA深さに対して, 我々のCCD-QAOAアプローチは一貫して近似比を向上することを示した。

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)
Constrained Portfolio Optimization via Quantum Approximate Optimization Algorithm (QAOA) with XY-Mixers and Trotterized Initialization: A Hybrid Approach for Direct Indexing [0.0]
本稿では, 制約保存量子近似アルゴリズム (QAOA) について, シミュレーションアニーリング (SA) と階層型リスクパリティ (HRP) に対する定式化について述べる。我々のQAOAアプローチはシャープ比が1.81で、シミュレートアニーリング(1.31)とHRP(0.98)を著しく上回っていることを示す。 2025年までに10US株のバスケットをバックテストしたところ、我々のQAOAアプローチはシャープ比1.81に達し、シミュレート・アニーリング(1.31)とHRP(0.98)を著しく上回っていることが判明した。
論文参考訳（メタデータ） (2026-02-16T15:19:15Z)
Quantum Approximate and Quantum Walk Optimization Approaches to Set Balancing [0.0]
変分量子アルゴリズムのNP-ハード・セットバランス問題への応用について検討する。この問題は、擬似非拘束バイナリ最適化(QUBO)の定式化と、パウリ-Z形式で表現されたコストハミルトニアンによるイジングモデルにマッピングされる。 QAOAでは、ミキサーユニタリーのスケール化された経験的パウリ弦現実化を用いて、6つのミキサーハミルトン(X, XY, Full-SWAP, Ring-SWAP, Grover, Warm-Started)の比較分析を行う。シャノンエントロピーに基づくポストを導入する
論文参考訳（メタデータ） (2025-09-08T20:31:30Z)
Adam assisted Fully informed Particle Swarm Optimization ( Adam-FIPSO ) based Parameter Prediction for the Quantum Approximate Optimization Algorithm (QAOA) [1.024113475677323]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、マックス・カット問題などの最適化問題の解法として用いられる顕著な変分アルゴリズムである。 QAOAの重要な課題は、高品質なソリューションにつながる適切なパラメータを効率的に特定することである。
論文参考訳（メタデータ） (2025-06-07T13:14:41Z)
Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
論文参考訳（メタデータ） (2024-10-21T22:40:42Z)
Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文参考訳（メタデータ） (2022-09-27T07:58:25Z)
Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文参考訳（メタデータ） (2021-07-02T16:21:52Z)
Empirical performance bounds for quantum approximate optimization [0.27998963147546135]
パフォーマンスバウンダリの定量化は、QAOAが現実のアプリケーションの解決に有効である可能性についての洞察を提供する。 QAOA は、ほとんどのグラフに対して有界な Goemans-Williamson 近似比を超える。得られたデータセットは、QAOAパフォーマンスに関する経験的バウンダリを確立するためのベンチマークとして提示される。
論文参考訳（メタデータ） (2021-02-12T23:12:09Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。