論文の概要: DQAOA-GPT: AI-Accelerated Distributed Quantum Optimization for Combinatorial Problems
- arxiv url: http://arxiv.org/abs/2607.20225v1
- Date: Wed, 22 Jul 2026 14:46:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.115108
- Title: DQAOA-GPT: AI-Accelerated Distributed Quantum Optimization for Combinatorial Problems
- Title（参考訳）: DQAOA-GPT:AIによる組合せ問題の分散量子最適化
- Abstract要約: 変分量子アルゴリズムは指数関数的に大きな探索空間に取り組むための有望な経路を提供する。
本稿では,分散量子近似最適化アルゴリズム(DQAOA)を統合するハイブリッドフレームワークDQAOA-GPTを紹介する。
提案手法は反復的変分最適化に頼るのではなく、訓練された生成モデルを用いて、サブプロブレムに対する高品質な量子回路を直接生成する。
- 参考スコア（独自算出の注目度）: 1.0380578526859343
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: While combinatorial optimization problems are central to many scientific and engineering applications, their solution remains challenging due to exponentially large search spaces. Variational quantum algorithms offer a promising route for tackling such problems, yet their practical performance is limited by repeated quantum circuit evaluations and classical parameter updates. In this work, we introduce DQAOA-GPT, a hybrid framework that integrates the distributed quantum approximate optimization algorithm (DQAOA), which decomposes a large optimization problem into smaller sub-problems, with GPT-based quantum circuit generation for solving those sub-problems. Rather than relying on iterative variational optimization, the proposed approach uses a trained generative model to directly generate high-quality quantum circuits for the decomposed sub-problems. As a benchmark, we evaluate DQAOA-GPT against conventional DQAOA on dense HUBO optimization problems with up to 100 decision variables. The results demonstrate that DQAOA-GPT significantly reduces computational cost while maintaining competitive solution quality, with larger acceleration observed for larger sub-problem sizes. Although this work focuses on benchmark-scale validation, the framework provides a promising foundation for larger-scale combinatorial optimization in hybrid HPC-QC environments through increased GPU resources and parallel computing capability.
- Abstract（参考訳）: 組合せ最適化問題は、多くの科学的・工学的応用の中心であるが、指数関数的に大きい探索空間のため、その解は依然として困難である。
変分量子アルゴリズムはそのような問題に対処するための有望な経路を提供するが、その実用性能は繰り返し量子回路評価と古典的パラメータ更新によって制限される。
本稿では,分散量子近似最適化アルゴリズム (DQAOA) を統合したハイブリッドフレームワークであるDQAOA-GPTについて述べる。
提案手法は反復的変分最適化に頼るのではなく、訓練された生成モデルを用いて分解されたサブプロブレムに対して高品質な量子回路を直接生成する。
ベンチマークとして、最大100個の決定変数を持つ高密度HUBO最適化問題に対して、従来のDQAOA-GPTに対してDQAOA-GPTを評価する。
その結果、DQAOA-GPTは、より大きいサブプロブレムサイズに対してより大きな加速度を観測し、競争性のある解品質を維持しながら計算コストを著しく低減することを示した。
この作業はベンチマークスケールの検証に重点を置いているが、このフレームワークはGPUリソースの増加と並列コンピューティング能力を通じて、ハイブリッドHPC-QC環境における大規模な組合せ最適化のための有望な基盤を提供する。
関連論文リスト
- 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) - 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) - Distributed Variational Quantum Algorithm with Many-qubit for Optimization Challenges [0.25782420501870296]
既存の量子アルゴリズムは、絡み合いに過度に依存するため、スケーラビリティと精度に苦しむ。
本稿では,量子重ね合わせのみを用いるアンサッツにおけるマルチキュービット(MQ)演算を利用する変分量子最適化アルゴリズムを提案する。
また、分散VQOAを導入し、高速コンピューティングと量子コンピューティングを統合し、MQシステムと古典ノード間で優れたパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-02-28T22:13:23Z) - Distributed Quantum Approximate Optimization Algorithm on a Quantum-Centric Supercomputing Architecture [1.953969470387522]
量子近似最適化アルゴリズム(QAOA)は、ゲートベースの量子コンピューティングシステムに量子スピードアップを提供することで、最適化問題を解くことを約束している。
しかしQAOAは、大量の量子ビットと深部回路の複雑さのため、高次元問題に対する課題に直面している。
本稿では,分散QAOA(DQAOA)を,より少ないキュービットと浅い回路を必要とするタスクに分割する。
論文 参考訳（メタデータ） (2024-07-29T17:42:25Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Guess What Quantum Computing Can Do for Test Case Optimization [43.89456212504871]
近い将来、量子近似最適化アルゴリズム(QAOAs)は最適化問題を解く大きな可能性を秘めている。
本稿では,QAOA問題としてソフトウェアテストケース最適化問題を定式化し,量子コンピュータシミュレータ上での解法を提案する。
近年は利用できない多くのキュービットを必要とするより大きなテスト最適化問題を解決するため、QAOAと問題分解戦略を統合する。
論文 参考訳（メタデータ） (2023-12-24T21:25:31Z) - Evidence that PUBO outperforms QUBO when solving continuous optimization
problems with the QAOA [4.670374869377859]
量子アルゴリズムによる最適化問題の解決における中核的なステップは、問題の定式化である。
近年の研究では、多くの問題を自然の多項式非制約最適化形式でより効率的に解けることが示されている。
適切なベンチマーク関数の評価では、PUBOの定式化は一般により良い結果をもたらすが、キュービットは少ない。
論文 参考訳（メタデータ） (2023-05-05T09:37:48Z) - Multiobjective variational quantum optimization for constrained
problems: an application to Cash Management [45.82374977939355]
本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。
我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。
実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
論文 参考訳（メタデータ） (2023-02-08T17:09:20Z) - 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) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - 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。