論文の概要: Quantum Approximate Optimization via Noise-Directed Adaptive Warm-Starting

• arxiv url: http://arxiv.org/abs/2607.09368v1
• Date: Fri, 10 Jul 2026 12:46:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.841553
• Title: Quantum Approximate Optimization via Noise-Directed Adaptive Warm-Starting
• Title（参考訳）: 雑音指向適応ワームスタートによる量子近似最適化
• Abstract要約: ノイズ指向適応型ワームスタートは、ワームスタートQAOAやノイズ指向適応型リマッピングといった概念に基づいている。 我々は100量子ビットIsing Hamiltonian上での高性能量子最適化を実験的に実装した。
• 参考スコア（独自算出の注目度）: 2.794538040289806
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Progress towards a quantum advantage using known heuristic methods for combinatorial optimization is impeded by hardware noise and limited qubit count. Here, we propose a noise-aware adaptive approach to quantum approximate optimization, Noise-Directed Adaptive Warm-Starting (ND-AWS), that builds on recent concepts such as Warm-Start QAOA and Noise-Directed Adaptive Remapping. By leveraging bitflip gauge transformations, our algorithm exploits amplitude-damping-like noise components. We experimentally implement high-performance quantum optimization ansätze on 100-qubit Ising Hamiltonians, showing that ND-AWS generally improves the performance over a non-gauge-transformed iterative Warm-Starting variant, at no additional circuit cost. This places our results among the highest-quality demonstrations of quantum optimization with similar ansätze at this scale. Crucially, the simplicity of the framework opens the door for future enhancements such as adaptive bias schedules, and integration with classical solvers.
• Abstract（参考訳）: 組合せ最適化のための既知のヒューリスティック手法を用いた量子優位性への進歩は、ハードウェアノイズと限定量子ビット数によって妨げられる。 本稿では,Warm-Start QAOAやNoss-Directed Adaptive Remappingといった最近の概念を基盤として,量子近似最適化のための雑音対応型適応アプローチであるNoss-Directed Adaptive Warm-Starting(ND-AWS)を提案する。 ビットフリップゲージ変換を利用して振幅減衰のような雑音成分を利用する。 我々は100量子ビットのIsing Hamiltonianに対して高速な量子最適化アンセッツェを実験的に実装し、ND-AWSは一般に、非ゲージ変換反復ウォームスタートの変種よりも、追加の回路コストで性能を向上することを示した。 これは、このスケールでの同様のアンセッツェによる量子最適化の最高品質の実証である。 重要なことに、フレームワークの単純さは、適応バイアススケジュールや古典的な解法との統合といった将来の拡張への扉を開く。

関連論文リスト

• Variational noise mitigation in quantum circuits: the case of Quantum Fourier Transform [35.18016233072556]
  我々は、コヒーレントノイズと非コヒーレントノイズの両方の下で、2つの量子ビットの数値シミュレーションを行う。 この結果から, 連続雑音に支配されるシナリオにおいて, 変動回路は高い忠実度でQFTを再現できることがわかった。 このことは、小規模から中規模の量子システムに対する効果的なエラー軽減戦略としてのアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2025-11-07T14:35:55Z)
• Adaptive Algorithms with Sharp Convergence Rates for Stochastic Hierarchical Optimization [31.032959636901086]
  階層最適化問題に対する新しい適応アルゴリズムを提案する。 我々のアルゴリズムは、ノイズレベルの事前の知識なしに、鋭い収束率を達成する。 合成および深層学習タスクの実験は,提案アルゴリズムの有効性を実証する。
  論文  参考訳（メタデータ） (2025-09-18T20:17:18Z)
• Optimization Strategies for Variational Quantum Algorithms in Noisy Landscapes [0.061173711613792085]
  変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおける主要なアプローチである。 我々は変分量子ソルバ(VQE)のための50以上のメタヒューリスティックアルゴリズムをベンチマークした。 その結果、ノイズの多いVQEのための小さなレジリエントアルゴリズムを特定し、短期量子デバイス上での最適化戦略のガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-06-02T14:22:30Z)
• Improving Quantum Approximate Optimization by Noise-Directed Adaptive Remapping [2.6447353939786296]
  ノイズ指向リマッピング(Noss-Directed Remapping, NDAR)は、ある種のノイズを利用して二進最適化問題を解決するアルゴリズムである。 我々は、グローバルなアトラクタ状態を特徴とするダイナミックスを備えたノイズの多い量子プロセッサへのアクセスを検討する。 我々のアルゴリズムは、ノイズアトラクターを高品質な解に変換する方法で、コスト関数ハミルトニアンを反復的にゲージ変換することでノイズアトラクター状態をブートストラップする。
  論文  参考訳（メタデータ） (2024-04-01T18:28:57Z)
• Efficient DCQO Algorithm within the Impulse Regime for Portfolio Optimization [41.94295877935867]
  本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。 提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。 我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
  論文  参考訳（メタデータ） (2023-08-29T17:53:08Z)
• Quantum approximate optimization via learning-based adaptive optimization [5.399532145408153]
  量子近似最適化アルゴリズム(QAOA)は、目的最適化問題の解法として設計されている。 その結果,アルゴリズムは速度,精度,効率,安定性の点で従来の近似よりも大幅に優れていた。 この研究はQAOAの全パワーを解き放つのに役立ち、実践的な古典的なタスクにおいて量子的優位性を達成するための道を開く。
  論文  参考訳（メタデータ） (2023-03-27T02:14:56Z)
• Bayesian Optimization for QAOA [0.0]
  量子回路を最適化するためのベイズ最適化手法を提案する。 提案手法により,量子回路の呼び出し回数を大幅に削減できることを示す。 提案手法は,ノイズの多い中間規模量子デバイス上でのQAOAのハイブリッド特性を活用するための,有望なフレームワークであることが示唆された。
  論文  参考訳（メタデータ） (2022-09-08T13:59:47Z)
• A Comparison of Various Classical Optimizers for a Variational Quantum Linear Solver [0.0]
  変分型ハイブリッド量子古典アルゴリズム(VHQCAs)は、ノイズの多い量子デバイス上で動作することを目的とした量子アルゴリズムのクラスである。 これらのアルゴリズムは、パラメータ化量子回路(アンサッツ)と量子古典フィードバックループを用いる。 古典的なデバイスは、量子デバイス上ではるかに効率的に計算できるコスト関数を最小限に抑えるためにパラメータを最適化するために使用される。
  論文  参考訳（メタデータ） (2021-06-16T10:40:00Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• 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。

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。