論文の概要: A NISQ-Aware Hybrid Quantum-Classical Framework for Scalable Combinatorial Optimization

• arxiv url: http://arxiv.org/abs/2606.00541v1
• Date: Sat, 30 May 2026 05:17:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 00:57:58.90123
• Title: A NISQ-Aware Hybrid Quantum-Classical Framework for Scalable Combinatorial Optimization
• Title（参考訳）: スケーラブルな組合せ最適化のためのNISQ対応ハイブリッド量子古典フレームワーク
• Abstract要約: 本稿では,資源境界分布進化過程として大規模最適化を再構成するハイブリッド量子古典最適化フレームワークを提案する。 個々の解を直接最適化する代わりに、提案するフレームワークは、解空間の確率的表現で機能する。 ベンチマークと合成データセットに関する大規模な実験は、提案されたフレームワークが古典的および量子的に着想を得たベースラインを一貫して上回っていることを示している。
• 参考スコア（独自算出の注目度）: 8.152791871486682
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scalable combinatorial optimization under resource-constrained quantum hardware remains a fundamental challenge in the Noisy Intermediate-Scale Quantum (NISQ) era, due to the mismatch between exponentially growing solution spaces and limited quantum computational capacity. In this work, we propose a NISQ-aware hybrid quantum-classical optimization framework that reformulates large-scale combinatorial optimization as a resource-bounded distribution evolution process. Instead of directly optimizing individual solutions, the proposed framework operates on a probabilistic representation of the solution space, enabling efficient exploration under hardware constraints. Specifically, large problem instances are decomposed into qubit-compatible subproblems via clustering-based decomposition, ensuring resource-bounded optimization. Within each subproblem, a quantum genetic algorithm evolves the solution distribution, while periodically embedded amplitude amplification acts as a controlled quantum enhancement mechanism that accelerates convergence without increasing circuit depth. A classical refinement stage ensures global solution consistency. Extensive experiments on benchmark and synthetic datasets demonstrate that the proposed framework consistently outperforms classical and quantum-inspired baselines, with performance gains that become more pronounced as problem scale increases. This scale-dependent behavior indicates that scalability is achieved through structured decomposition rather than increased quantum complexity. Noise simulations further confirm robustness under realistic NISQ conditions, and ablation studies validate that both quantum evolutionary search and amplitude amplification contribute significantly to performance improvements.
• Abstract（参考訳）: 資源制約付き量子ハードウェアの下でのスケーラブルな組合せ最適化は、指数関数的に増大する解空間と限られた量子量子容量とのミスマッチのため、ノイズイ中間スケール量子(NISQ)時代の根本的な課題である。 本研究では,資源境界分布の進化過程として大規模組合せ最適化を再構成する NISQ 対応ハイブリッド量子古典最適化フレームワークを提案する。 提案するフレームワークは、個々のソリューションを直接最適化するのではなく、ソリューション空間の確率的表現に基づいており、ハードウェア制約下で効率的な探索を可能にする。 具体的には、大きな問題インスタンスをクラスタリングベースの分解によってキュービット互換のサブプロブレムに分解し、リソースバウンド最適化を保証する。 各サブプロブレム内では、量子遺伝的アルゴリズムが解の分布を進化させ、周期的に埋め込まれた振幅増幅は、回路深さを増大させることなく収束を加速する制御された量子エンハンスメント機構として機能する。 古典的な改善段階は、グローバルなソリューションの一貫性を保証する。 ベンチマークと合成データセットに関する大規模な実験により、提案されたフレームワークは古典的および量子的インスパイアされたベースラインを一貫して上回り、問題スケールが増加するにつれてパフォーマンスが向上することを示した。 このスケール依存的な振る舞いは、スケーラビリティが量子複雑性を増大させるのではなく、構造化された分解によって達成されることを示している。 NISQの現実的な条件下では、ノイズシミュレーションによりロバスト性がさらに確認され、アブレーション研究により、量子進化探索と振幅増幅の両方が性能改善に大きく寄与することが確認された。

関連論文リスト

• Pure and mixed Dicke state ansatz for equality and inequality constraints in variational quantum eigensolver [0.0]
  組合せ最適化は、変分量子アルゴリズムによる量子コンピューティングに対処することができる。 中心的な課題は、最適解が存在するヒルベルト空間の可能な部分空間を探索するのに十分なアンザッツ表現を設計することである。 本研究では,ハミング重み制約最適化のための最初の実現可能性保存混合ディック状態アンサッツを提案する。
  論文  参考訳（メタデータ） (2026-06-07T08:10:09Z)
• Tensor Network Assisted Distributed Variational Quantum Algorithm for Large Scale Combinatorial Optimization Problem [19.046113542182436]
  組合せ最適化問題の解法として分散変分量子アルゴリズム(DVQA)を提案する。 DVQAの重要な革新は、複雑な長距離の絡み合いに頼ることなく、変数間の依存関係を保存するために、切り詰められた高階特異値分解を使用することである。 実験的に、DVQAはシミュレーションの最先端性能を達成し、ポートフォリオ最適化のためにWu Kong量子コンピュータで実験的に検証されている。
  論文  参考訳（メタデータ） (2026-01-20T13:31:02Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Hybrid quantum-classical algorithm for near-optimal planning in POMDPs [39.682133213072554]
  強化学習(Reinforcement Learning, RL)は、部分的に観察可能な環境における意思決定のための原則的な枠組みを提供する。 近年の進歩は、振幅増幅と組み合わせた量子リジェクションサンプリングにより、スパースベイズネットワークでの推論を加速できることを実証している。 本稿では,量子ベイズ強化学習(Quantum Bayesian Reinforcement Learning, QBRL)を紹介する。
  論文  参考訳（メタデータ） (2025-07-24T17:42:30Z)
• 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)
• Hierarchical Quantum Optimization via Backbone-Driven Problem Decomposition: Integrating Tabu-Search with QAOA [6.1238490000465635]
  我々は、ノイズ中間スケール量子(NISQ)デバイスの限界を克服するためにBackbone-DrivenOAを提案する。 提案手法では, 適応型タブサーチによりバックボーン変数を動的に同定し, 固定し, 縮小次元部分空間を構築する。 提案手法は,量子資源と古典資源の割り当てを効果的に調整し,大規模最適化問題の解決を可能にする。
  論文  参考訳（メタデータ） (2025-04-13T13:50:38Z)
• A Comparative Study of Quantum Optimization Techniques for Solving Combinatorial Optimization Benchmark Problems [4.266376725904727]
  本稿では,NP-hard問題に対する量子最適化手法の評価を目的とした,包括的なベンチマークフレームワークを提案する。 本フレームワークは,多次元クナップサック問題(MDKP),最大独立集合(MIS),二次割当問題(QAP),市場シェア問題(MSP)など,主要な課題に重点を置いている。
  論文  参考訳（メタデータ） (2025-03-15T13:02:22Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• Challenges of variational quantum optimization with measurement shot noise [0.0]
  問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。 この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-31T18:01:15Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)

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。