論文の概要: Hardware-Aware QUBO Reformulation of Constrained Binary Optimization via the Walsh-Fourier Transform

• arxiv url: http://arxiv.org/abs/2607.26349v1
• Date: Tue, 28 Jul 2026 23:45:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.498741
• Title: Hardware-Aware QUBO Reformulation of Constrained Binary Optimization via the Walsh-Fourier Transform
• Title（参考訳）: ハードウェア対応QUBOによるWalsh-Fourier変換による制約付きバイナリ最適化
• Abstract要約: 本稿では,制約付きバイナリ最適化を準拘束型バイナリ最適化(QUBO)として再構成する新しいフレームワークを提案する。 このハードウェアネイティブサロゲートは、厳密な近似空間から引き出されたにもかかわらず、より高密度な全対射影よりも優れていることを示す。 この利点は量子アニーラーにQUBOが埋め込まれてサンプル化されると、不均衡なペナル化やハードウェアブラインドによる全ての2次項への投射と比較して、最悪のケースと平均的な客観的なギャップを持つサンプルが得られる。
• 参考スコア（独自算出の注目度）: 1.3423094548772225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel slack-free, penalty-based framework for reformulating constrained binary optimization as Quadratic Unconstrained Binary Optimization (QUBO) on near-term quantum annealing hardware. Given a user-chosen penalty function that most naturally captures a constraint---typically non-quadratic, such as a Heaviside-function surrogate---and a target probability measure over the Boolean hypercube, our method returns the weighted least-squares projection of the chosen penalty function onto the subspace spanned by linear and quadratic Walsh--Fourier characters that correspond to physically realizable couplings on the target hardware graph. Within this restricted family, the resulting quadratic surrogate is uniquely and optimally determined by the normal equations: unlike state-of-the-art approaches, it introduces no per-constraint penalty coefficients to tune and avoids dense all-pairs couplings by construction. Two practical consequences follow. First, the projected penalty respects device connectivity, reducing chain lengths and physical-qubit overhead after minor embedding. Second, we show empirically that this hardware-native surrogate can outperform denser full-pairwise projections, despite being drawn from a strictly smaller approximation space. This advantage widens once the QUBO is embedded and sampled on quantum annealers, yielding samples with the lowest worst-case and mean objective gaps compared to unbalanced penalization and a hardware-blind projection onto all quadratic terms.
• Abstract（参考訳）: 本稿では,量子アニールハードウェア上での制約付きバイナリ最適化を準拘束型バイナリ最適化(QUBO)として,スラックフリーでペナルティベースの新しいフレームワークを提案する。 そこで,本手法では,重み付けされた最小二乗のペナルティ関数を,対象のハードウェアグラフ上の物理的に実現可能な結合に対応する線形および二次的なWalsh-Fourier文字で表される部分空間に戻す。 この制限された族の中では、得られる二次代理は、通常の方程式によって一意かつ最適に決定される: 最先端のアプローチとは異なり、構成によって密集した全対結合をチューニングし回避するための制約ごとのペナルティ係数は導入されない。 2つの実質的な結果が続く。 まず、予測されたペナルティはデバイス接続を尊重し、小さな埋め込み後のチェーン長と物理ビットオーバーヘッドを減少させる。 第二に、このハードウェアネイティブなサロゲートは、厳密な近似空間から引き出されたにもかかわらず、より高密度な全対射影よりも優れることを示す。 この利点は量子アニーラーにQUBOが埋め込まれてサンプル化されると、不均衡なペナル化やハードウェアブラインドによる全ての2次項への投射と比較して、最悪のケースと平均的な客観的なギャップを持つサンプルが得られる。

関連論文リスト

• Binary Optimization with Complex Constraints via Quantum Approximate Multi-Objective Optimization [1.3827807729367585]
  複雑な2次的目的や制約を持つ二項最適化問題のクラスは、多目的2次的非制約二項最適化問題として再定義できることを示す。 条件付きバリュー・アット・リスク制約の下でバイナリポートフォリオ最適化のアプローチを実証する。
  論文  参考訳（メタデータ） (2026-09-12T08:07:15Z)
• Universal Optimization and Tighter Fidelity Bounds for Approximate Quantum Error Correction [5.2107604548805915]
  近似量子誤り訂正(AQEC)は、離散および連続変数の量子誤り訂正符号の性能を規定する。 フラウス演算子の指数関数的に増大する数によって、標準半定値プログラミングによる絡み合いの忠実度を最大化する最適回復チャネルが計算的にボトルネックとなる。 復旧と環境疎結合の両立を利用して効率的な枠組みを確立する。
  論文  参考訳（メタデータ） (2026-07-27T18:18:58Z)
• Optimality-Preserving Decomposition for Scalable QAOA in Natural-Language-Guided Multi-Drone Assignment [1.189955933770711]
  我々は、微調整されたLarge Language Modelフロントエンドと高度にスケーラブルでドメイン固有の量子古典的バックエンドを統合するエンドツーエンドフレームワークを提案する。 本フレームワークは,新しい制約保存グラフパーティショナと圧縮セパレータベースの動的プログラミング(DP)マージを備える。 実証的な結果は、このアーキテクチャが古典的なスケーリング壁を回避し、理想化されたケースの100%と実際のQAOAサンプリングの96.3%でグローバルな最適性を回復していることを示している。
  論文  参考訳（メタデータ） (2026-06-12T08:31:14Z)
• Efficient Penalty-Based Bilevel Methods: Improved Analysis, Novel Updates, and Flatness Condition [51.22672287601796]
  ペナルティに基づく手法は、双レベル最適化(BLO)問題を解くのに人気がある。 それらはしばしば、大きなペナルティ項によって引き起こされる滑らかさの増加に対応するために、低レベル(LL)問題と小さな外ループステップサイズを解決するためにインナーループ反復を必要とする。 この研究は、結合制約(CC)を伴う一般的なBLO問題を考察し、上位変数と下位変数を分離する新しいペナルティ改革を活用する。
  論文  参考訳（メタデータ） (2025-11-20T20:48:14Z)
• PT$^2$-LLM: Post-Training Ternarization for Large Language Models [52.4629647715623]
  大きな言語モデル(LLM)は、様々なタスクにまたがる印象的な機能を示しているが、その大きなメモリと計算能力は、デプロイメントを妨げている。 PT$2$-LLMを提案する。 その中核は2段精製パイプラインを備えた非対称3次量子化器である。
  論文  参考訳（メタデータ） (2025-09-27T03:01:48Z)
• MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation [74.34220141721231]
  我々は,textbfMixed textbfPrecision textbfQuantizationフレームワークを改良したMPQ-DMv2を提案する。
  論文  参考訳（メタデータ） (2025-07-06T08:16:50Z)
• Single-loop Algorithms for Stochastic Non-convex Optimization with Weakly-Convex Constraints [49.76332265680669]
  本稿では、目的関数と制約関数の両方が弱凸である問題の重要な部分集合について検討する。 既存の手法では、収束速度の遅さや二重ループ設計への依存など、しばしば制限に直面している。 これらの課題を克服するために,新しい単一ループペナルティに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:15:48Z)
• Experimental demonstration of improved quantum optimization with linear Ising penalties [0.562479170374811]
  我々は、線形イジング項のみを含む代替ペナルティ法を検討し、それを顧客データサイエンス問題に適用する。 我々は,線形イジングペナルティ法は量子最適化の性能を向上させるべきであるという仮説を支持した。 多くの制約がある場合、全ての罰則を線形にすることは不可能であり、線形の罰則と二次の罰則を組み合わせるための戦略について検討する。
  論文  参考訳（メタデータ） (2024-04-08T12:54:19Z)
• Quantum optimization with linear Ising penalty functions for customer data science [0.5242869847419834]
  量子アルゴリズムでは、制約は典型的には2次ペナルティ関数で実装される。 このペナルティ法は大きなエネルギースケールを導入し、相互作用グラフをより密にすることができる。 線形イジングペナルティ関数は、物理資源をより効率的に利用するための制約を実装する代替手法であると考えている。
  論文  参考訳（メタデータ） (2024-04-08T12:46:22Z)
• Constrained Optimization via Exact Augmented Lagrangian and Randomized Iterative Sketching [55.28394191394675]
  等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。 ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-28T06:33:37Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Lifting the Convex Conjugate in Lagrangian Relaxations: A Tractable Approach for Continuous Markov Random Fields [53.31927549039624]
  断片的な離散化は既存の離散化問題と矛盾しないことを示す。 この理論を2つの画像のマッチング問題に適用する。
  論文  参考訳（メタデータ） (2021-07-13T12:31:06Z)

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。