論文の概要: Time rescaling for second-order feedback-based quantum optimization

• arxiv url: http://arxiv.org/abs/2609.21640v1
• Date: Fri, 18 Sep 2026 11:30:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.035778
• Title: Time rescaling for second-order feedback-based quantum optimization
• Title（参考訳）: 2次フィードバックに基づく量子最適化のための時間再スケーリング
• Abstract要約: 時間的再スケールと2階のFALQON変異体を統合フレームワークにマージする。 その結果、過去の変更よりも重要な改善が見られた。 この FALQON 変種は NISQ 時代に適したものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feedback-based quantum algorithms recently gained attention by demonstrating how quantum computers can be used to solve optimization problems without resorting to hybrid quantum-classical architectures. Recent progress made with Feedback-based Algorithm for Quantum Optimization (FALQON) variants significantly reduced the depth of the required circuits. In this work, we merge the time-rescaled and second-order FALQON variants into a unified framework. The results show an important improvement over past modifications, reducing circuit depth and allowing a more flexible choice of time-steps, while maintaining stable solutions. This FALQON variant makes it suitable for the NISQ era.
• Abstract（参考訳）: フィードバックベースの量子アルゴリズムは、ハイブリッドな量子古典的アーキテクチャを使わずに最適化問題を解決するために量子コンピュータをどのように利用できるかを示すことで最近注目を集めた。 フィードバックに基づく量子最適化アルゴリズム(FALQON)の最近の進歩は、必要な回路の深さを大幅に減らした。 本研究では、時間的再スケールと2階のFALQON変異体を統合フレームワークにマージする。 その結果、過去の改良よりも重要な改善が見られ、回路深度を低減し、安定した解を維持しつつ、より柔軟な時間選択が可能となった。 この FALQON 変種は NISQ 時代に適したものである。

関連論文リスト

• Quantum-Efficient Reinforcement Learning Solutions for Last-Mile On-Demand Delivery [1.8262547855491453]
  時間Windowsを用いた大規模キャパシタイトピックアップ・デリバリ問題の解法を量子コンピューティングで検討する。 エンタングル層と変分層を有する新しい問題固有符号化量子回路を提案する。
  論文  参考訳（メタデータ） (2025-08-07T13:50:43Z)
• 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)
• Learning to Learn with Quantum Optimization via Quantum Neural Networks [1.7819574476785418]
  量子ニューラルネットワーク,特にQuantum Long Short-Term Memory(QLSTM)を組み合わせた量子メタ学習フレームワークを導入する。 我々のアプローチは、より大きくより複雑な問題に急速に一般化し、収束に必要なイテレーションの数を大幅に減らします。
  論文  参考訳（メタデータ） (2025-05-01T14:39:26Z)
• Accelerating Feedback-Based Quantum Algorithms through Time Rescaling [0.0]
  TR-FQA と TR-FALQON は FQA と FALQON の時間スケール版である。 その結果,TR-FALQONは回路の初期層における最適解への収束を加速することがわかった。 状態準備の文脈では、TR-FQAはより優れた収束を示し、必要な回路深さを数百層削減する。
  論文  参考訳（メタデータ） (2025-04-02T00:05:01Z)
• 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)
• Optimizing Variational Quantum Algorithms with qBang: Efficiently Interweaving Metric and Momentum to Navigate Flat Energy Landscapes [0.0]
  変分量子アルゴリズム(VQA)は、現在の量子コンピューティングインフラを利用するための有望なアプローチである。 本稿では,量子ブロイデン適応型自然勾配(qBang)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-27T00:06:48Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• 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)
• 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)

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。