論文の概要: Quantum-informed surrogate sampling for combinatorial optimization
- arxiv url: http://arxiv.org/abs/2607.22372v1
- Date: Fri, 24 Jul 2026 14:58:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.157819
- Title: Quantum-informed surrogate sampling for combinatorial optimization
- Title（参考訳）: 組合せ最適化のための量子インフォームドサロゲートサンプリング
- Abstract要約: 量子インフォームドサロゲートサンプリング(QISS, Quantum-Informed Surrogate Smpling)は、浅い量子回路の低重相関から最適化問題の候補解を生成する後処理フレームワークである。
浅い回路からの低次相関器がバニラQAOAを超える競合解を生成するのに十分であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Quantum-Informed Surrogate Sampling (QISS), a post-processing framework that generates candidate solutions to combinatorial optimization problems from low-weight correlations of shallow quantum circuits. The quantum device estimates local observables, which are directly accessible by repeated measurements and for which a wide range of error-mitigation tools are available, while candidate solutions are generated classically without explicit dependence on the combinatorial optimization problem itself. We evaluate QISS on Maximum Cut and Maximum Independent Set problems on $N$ variables and show that only $O(N)$ low-order correlators from shallow circuits suffice to produce competitive solutions that surpass vanilla QAOA. For MaxCut on 3-regular graphs, QISS from $p=3$ QAOA correlators outperforms vanilla QAOA at $p=17$ on average, with further improvements possible by warm-starting QAOA. We validate the procedure on the 54-qubit IQM Emerald quantum device and demonstrate its noise resilience. Our results support a regime for near-term optimization in which shallow circuits serve not as direct samplers but as generators of informative statistics for scalable classical sampling.
- Abstract（参考訳）: 本稿では,浅量子回路の低重相関から組合せ最適化問題に対する候補解を生成する後処理フレームワークであるQuantum-Informed Surrogate Smpling (QISS)を紹介する。
量子デバイスは、繰り返し測定によって直接アクセス可能で、幅広いエラー軽減ツールが利用可能であるローカルオブザーバブルを推定する一方、候補解は、組合せ最適化問題自体に明示的に依存せずに古典的に生成される。
我々は、最大カットと最大独立セットの問題をN$変数上で評価し、浅い回路からの低次相関器がバニラQAOAを超える競合解を生成するのに十分であることを示す。
3つの正則グラフ上のMaxCutでは、QISS from $p=3$ QAOA correlators がバニラQAOAを平均$p=17$で上回り、QAOAを温めることでさらなる改善が可能である。
54量子ビットのIQMエメラルド量子デバイス上でのプロシージャの有効性を検証し,その耐雑音性を示す。
本研究は,浅部回路が直接サンプリングではなく,スケーラブルな古典的サンプリングのための情報統計生成器として機能する,短期最適化の仕組みを支持する。
関連論文リスト
- Quantum Optimization Methods for the Generalized Traveling Salesman Problem [2.4029307306254513]
本稿では,汎用トラベリングセールスマン問題(GTSP)の量子最適化ベースラインについて検討する。
本稿では,量子アニールにおける実現可能な解の維持に焦点をあてた新しいGTSP QUBO の定式化を提案する。
我々は、理想回路モデルにおいて段階的にハミング重みを保持するXYミキサーを用いた制約付きQAOA変種を実装した。
論文 参考訳（メタデータ） (2026-04-28T11:58:35Z) - 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) - Adaptive Graph Shrinking for Quantum Optimization of Constrained Combinatorial Problems [4.266376725904727]
最適化問題のQUBO定式化における変数数と制約を減らすために,グラフ縮小に基づく古典量子ハイブリッドフレームワークを提案する。
提案手法は, ソリューションの実現性の向上, 修理の複雑さの低減, ハードウェア限定インスタンスの量子最適化品質の向上を実現する。
論文 参考訳（メタデータ） (2025-06-17T07:11:48Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - 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) - Solving Constrained Combinatorial Optimization Problems with Variational Quantum Imaginary Time Evolution [4.266376725904727]
本稿では,VarQITEが従来の手法に比べて平均最適性ギャップを著しく小さくすることを示す。
ハミルトニアンのスケーリングにより、最適化コストをさらに削減し、収束を加速できることを実証する。
論文 参考訳（メタデータ） (2025-04-17T03:09:37Z) - 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) - Non-native Quantum Generative Optimization with Adversarial Autoencoders [34.82692226532414]
本稿では、大規模最適化問題を既存の量子サンプリングにマッピングするために使用できる逆量子オートエンコーダモデル(AQAM)を紹介する。
従来のマルコフ・チェインモンテカルロ試料と比較すると,AQAMはレニイ偏差が低く,スペクトルギャップが大きくなることが示されている。
論文 参考訳（メタデータ） (2024-07-18T18:03:18Z) - 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) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - Comparing Three Generations of D-Wave Quantum Annealers for Minor Embedded Combinatorial Optimization Problems [1.0878040851638]
我々は3世代にわたるD-Wave量子アニールのベンチマークを報告する。
イジングあるいは等価なQUBOは、これらの問題の定式化は順序の減少のために補助変数を必要としない。
論文 参考訳（メタデータ） (2023-01-08T10:02:56Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - Layer VQE: A Variational Approach for Combinatorial Optimization on
Noisy Quantum Computers [5.644434841659249]
変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。
L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。
シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下では良好に動作していることがわかった。
論文 参考訳（メタデータ） (2021-02-10T16:53:22Z)
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。