論文の概要: Scalable Variational Quantum Optimization via Pauli Correlation Encoding: Application to Large-Scale Power Demand Portfolio Optimization

• arxiv url: http://arxiv.org/abs/2607.24722v1
• Date: Mon, 27 Jul 2026 17:55:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.54421
• Title: Scalable Variational Quantum Optimization via Pauli Correlation Encoding: Application to Large-Scale Power Demand Portfolio Optimization
• Title（参考訳）: パウリ相関符号化によるスケーラブルな変分量子最適化:大規模電力需要ポートフォリオ最適化への応用
• Authors: Takuya Yoshioka, Keita Sasada, Riku Usuki, Yuichiro Nakano, Keisuke Fujii,
• Abstract要約: パウリ相関符号化(PCE)に基づくスケーラブルな変分フレームワークを導入し、電力需要ポートフォリオ最適化に適用する。 数値シミュレーションでは、m$=18から10,296までの問題サイズのほぼ最適性能を示し、正規化コストギャップは10～4ドルである。
• 参考スコア（独自算出の注目度）: 14.022615381217628
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum algorithms offer a promising route to combinatorial optimization, but their applicability is limited by the challenge of encoding large-scale problems within restricted qubit resources. In this work, we introduce a scalable variational framework based on Pauli correlation encoding (PCE) and apply it to electric power demand portfolio optimization. Binary variables are represented through expectation values of Pauli correlation operators, which encode multi-body correlations of the quantum state and provide a continuous relaxation enabling compact representations with few qubits. We further propose a two-stage hybrid formulation, in which a time-averaged problem provides initialization for a time-resolved optimization. Numerical simulations demonstrate near-optimal performance across problem sizes ranging from $m$=18 to 10,296, with normalized cost gaps on the order of $10^{-4}$ relative to solutions with certified optimality. We show that the performance is governed by the interplay between continuous relaxation and discretization: the effective resolution of the correlator representation determines how reliably improvements in the continuous loss translate into better discrete solutions, with larger systems exhibiting more consistent behavior. Finally, we demonstrate robustness on a trapped-ion quantum processor, where high-quality solutions are obtained despite noise and finite sampling. These results establish PCE as a physically motivated and qubit-efficient framework for large-scale combinatorial optimization.
• Abstract（参考訳）: 変分量子アルゴリズムは組合せ最適化への有望な経路を提供するが、その適用性は制限された量子ビットリソース内で大規模な問題を符号化することの難しさによって制限される。 本研究では,パウリ相関符号化(PCE)に基づくスケーラブルな変分フレームワークを導入し,電力需要ポートフォリオ最適化に適用する。 バイナリ変数は、量子状態の多体相関を符号化し、量子ビットが少ないコンパクトな表現を可能にする連続緩和を与えるパウリ相関作用素の期待値によって表現される。 さらに、時間平均問題によって時間分解最適化の初期化が提供される2段階のハイブリッド定式化を提案する。 数値シミュレーションにより、m==18から10,296までの問題サイズのほぼ最適性能が示され、正規化コストギャップは10^{-4}の順である。 相関子表現の効果的な解法は、連続損失の改善がより安定した離散解へといかに確実に変換されるかを決定し、より大きな系はより一貫した振る舞いを示す。 最後に,ノイズや有限サンプリングに拘わらず高品質な解が得られる量子プロセッサにおいて,ロバスト性を示す。 これらの結果から,PCEは大規模組合せ最適化のための物理的動機付けと量子効率のフレームワークとして確立された。

関連論文リスト

• DQAOA-GPT: AI-Accelerated Distributed Quantum Optimization for Combinatorial Problems [1.0380578526859343]
  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。
  論文  参考訳（メタデータ） (2026-07-22T14:46:33Z)
• CVaR-Assisted Custom Penalty Function for Constrained Optimization [3.652509571098291]
  制約付き最適化問題は2次非制約二元最適化(QUBO)モデルとして頻繁に修正される。 標準QUBOの定式化は、スラック変数と二次罰則を通じて不等式制約を強制する。 補助スラック変数を除去する制約付きバイナリ最適化のためのスラックフリーペナルティの定式化を提案する。
  論文  参考訳（メタデータ） (2026-04-22T01:08:38Z)
• Pauli Correlation Encoding for Budget-Constrained Optimization [35.18016233072556]
  パウリ相関。 (PCE)は、最近、問題変数をパウリ相関に埋め込むことにより、キュービット要求を減らす代替パラダイムとして導入された。 我々は,PCEフレームワークを制約付き最適化問題に拡張し,その性能を複数の問題サイズで評価する。
  論文  参考訳（メタデータ） (2026-02-19T15:47:13Z)
• A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
  提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。 完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。 ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
  論文  参考訳（メタデータ） (2025-01-02T05:06:16Z)
• 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)
• 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)
• 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)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• 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)

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。