論文の概要: Quantum-enhanced Monte Carlo Tree Search framework for combinatorial optimization problems

• arxiv url: http://arxiv.org/abs/2606.30415v1
• Date: Mon, 29 Jun 2026 15:01:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.29279
• Title: Quantum-enhanced Monte Carlo Tree Search framework for combinatorial optimization problems
• Title（参考訳）: 組合せ最適化問題に対する量子強化モンテカルロ木探索フレームワーク
• Abstract要約: 本稿では,モンテカルロ木探索フレームワーク内で中性原子量子コンピュータにサブルーチン化可能な古典量子アルゴリズムAtomTreeSearchを紹介する。 量子サブルーチンは、古典的な代替サブルーチンに比べて、より多様で高品質な分岐を生成する。
• 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: Over the past decades, the operations research community has developed numerous effective optimization algorithms, yet quantum computing is emerging as a new computational paradigm with the potential to approach optimization problems more efficiently. Grover's algorithm offers a provable speedup for combinatorial optimization, but its circuit depth places it beyond current noisy intermediate-scale quantum (NISQ) devices. A more accessible alternative is to reformulate the optimization problem as a quadratic unconstrained binary optimization (QUBO) problem and apply quantum annealing; however, practical problem instances remain out of reach for existing hardware. We introduce AtomTreeSearch, a hybrid classical-quantum algorithm that integrates a quantum subroutine natively implementable on neutral-atom quantum computers within a Monte Carlo Tree Search framework. At each expansion step, a maximal weighted independent set of candidate actions provided by the quantum processor is selected, and these collective actions are performed to obtain a child node. We benchmark our method on the Traveling Salesman Problem, with instances of up to 60 cities on random Euclidean instances and up to 100 cities on TSPLIB instances. Our hybrid algorithm generally matches or outperforms both OR-Tools and simulated annealing on these instances, and we find that the quantum subroutine produces more diverse and higher-quality branches compared to classical alternate subroutines. These results suggest that carefully scoped quantum subroutines embedded in classical search frameworks represent a promising path toward near-term quantum utility in combinatorial optimization.
• Abstract（参考訳）: 過去数十年にわたり、運用研究コミュニティは多数の効率的な最適化アルゴリズムを開発してきたが、量子コンピューティングは、最適化問題にもっと効率的にアプローチする可能性を持つ新しい計算パラダイムとして出現しつつある。 グロバーのアルゴリズムは組合せ最適化のための証明可能なスピードアップを提供するが、回路深度は現在のノイズの多い中間スケール量子(NISQ)デバイスを超える。 よりアクセスしやすい選択肢は、最適化問題を2次非制約バイナリ最適化(QUBO)問題として再構成し、量子アニールを適用することである。 我々は,モンテカルロ木探索フレームワーク内で中性原子量子コンピュータ上でネイティブに実装可能な量子サブルーチンを統合する,古典量子ハイブリッドアルゴリズムAtomTreeSearchを紹介する。 拡張ステップ毎に、量子プロセッサによって提供される候補動作の最大重み付き独立セットを選択し、これらの集合動作を行い、子ノードを得る。 我々は,旅行セールスマン問題において,ランダムユークリッドのインスタンス上で最大60都市,TSPLIBのインスタンスで最大100都市を対象とする手法をベンチマークした。 我々のハイブリッドアルゴリズムは、一般的にOR-Toolsとシミュレートされたアニーリングの両方に適合し、これらの例では、量子サブルーチンは古典的な代替サブルーチンに比べて、より多様で高品質な分岐を生成する。 これらの結果は、古典的な探索フレームワークに埋め込まれた量子サブルーチンが、組合せ最適化において、短期的な量子ユーティリティへの有望な道を示すことを示唆している。

関連論文リスト

• Quantum optimisation applied to the Quadratic Assignment Problem [4.483208369550461]
  本稿では,量子ウォークに基づく最適化アルゴリズム (NV-QWOA) を用いて,2次アサインメント問題 (QAP) の小型解法の性能について検討する。 目的関数評価の回数と、5から10の施設を持つQAPインスタンス全体にわたる最適あるいはほぼ最適のソリューションに一貫して到達するのに必要となるアルゴリズムの反復数という2つの指標を用いて性能を評価する。 我々の研究は、複雑な量子問題に対する量子ウォークの実用性を強調し、将来の量子最適化アルゴリズムの基礎を確立した。
  論文  参考訳（メタデータ） (2026-01-03T07:50:03Z)
• 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)
• Hybrid Sequential Quantum Computing [33.72751145910978]
  ハイブリッドシーケンシャル量子コンピューティング(HSQC)を導入する。 HSQCは古典的および量子的手法を構造化された段階的ワークフローに体系的に統合する。 スタンドアロンの古典的解法と比較すると、HSQCはSAの最大700倍、実行時の最大9倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2025-10-07T12:15:43Z)
• Combinatorial optimization enhanced by shallow quantum circuits with 104 superconducting qubits [14.569660066740758]
  最適化問題は、イジング・ハミルトン家への広範な適用性と自然の適合性のために大きな注目を集めている。 本稿では,Isingモデルの基底状態を高速化するアルゴリズムを設計する量子サンプリング戦略を提案する。 104個の超伝導量子ビットを用いて、このアルゴリズムは高度に最適化された古典的サブルーチン(SA)アルゴリズムに対しても良好な解を出力することを示した。
  論文  参考訳（メタデータ） (2025-09-15T02:58:38Z)
• Learning Feasible Quantum States for Quadratic Constrained Binary Optimization Problems [41.23247424467223]
  我々はQCBOの制約を満たす量子状態の同値重ね合わせを生成する変動的アプローチを開発する。 結果として生じる同値な重ね合わせは、QUBO/QCBOを解く量子アルゴリズムの初期状態として使用できる。
  論文  参考訳（メタデータ） (2025-08-04T16:44:53Z)
• Quantum Annealing for Machine Learning: Applications in Feature Selection, Instance Selection, and Clustering [41.94295877935867]
  量子解法と古典解法をともに実装し,その有効性を比較する。 特徴選択のために,特徴量と冗長性のバランスをとるいくつかのQUBO構成を提案する。 事例選択では,既存手法を拡張した事例レベルの重要度尺度を提案する。 クラスタリングには古典的クラスタリングとQUBOベースのメドイドリファインメントを併用した古典的量子パイプラインを組み込む。
  論文  参考訳（メタデータ） (2025-07-20T17:59:14Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Quantum Annealing for Combinatorial Optimization: A Benchmarking Study [39.125366249242646]
  現状の量子解法は,従来の解法よりも精度が0.013%高く,解法時間も6,561xであることを示す。 この結果から,特にハイブリッド構成において,従来のQAよりもQAを活用できるという利点が浮かび上がっている。
  論文  参考訳（メタデータ） (2025-04-08T16:43:24Z)
• Qubit-efficient quantum local search for combinatorial optimization [0.0]
  本稿では,lceil log l rceil$ qubitsのみを用いた局所探索の量子バージョンを実装した量子ビット効率変動量子アルゴリズムを提案する。 この成果は、短期量子デバイスにおける大規模最適化問題を解決するアルゴリズムの可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-04T11:44:34Z)
• Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
  本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。 我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。 以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-10-30T08:41:29Z)
• 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)
• Solving non-native combinatorial optimization problems using hybrid quantum-classical algorithms [0.0]
  組合せ最適化は、物流から金融まで幅広い分野に適用可能な、困難な問題である。 量子コンピューティングは、様々なアルゴリズムを用いてこれらの問題を解決するために使われてきた。 この研究は、量子と古典のリソースをハイブリッドなアプローチで統合することで、これらの課題を克服する枠組みを提示している。
  論文  参考訳（メタデータ） (2024-03-05T17:46:04Z)
• 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)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)

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。