論文の概要: Feedback-based quantum optimization with low depth and measurement

• arxiv url: http://arxiv.org/abs/2609.32433v1
• Date: Sat, 26 Sep 2026 10:07:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 09:12:39.040529
• Title: Feedback-based quantum optimization with low depth and measurement
• Title（参考訳）: 低深さと測定によるフィードバックに基づく量子最適化
• Abstract要約: 我々は,回路深度を同等に低減するだけでなく,SO-FALQONよりも少ない測定値を実現するBLS-FALQONを提案する。 我々は、Zuchongzhi2超伝導量子プロセッサを用いたTianyan-176量子コンピュータ上で、実際の量子ハードウェア実験を行う。
• 参考スコア（独自算出の注目度）: 5.5488724745712785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feedback-based ALgorithm for Quantum OptimizatioN (FALQON) is a hybrid quantum-classical algorithm for solving combinatorial optimization problems, which circumvents classical parameter optimization but requires a deep quantum circuit. To reduce circuit depth, Arai et al. proposed second-order FALQON (SO-FALQON), achieving the best depth reduction among existing approaches. However, SO-FALQON brings a 2.3 times per-step measurement overhead, as it needs to calculate an additional second-order control coefficient. In this paper, inspired by the Backtracking Line Search (BLS) theory, we propose another method called BLS-FALQON, which not only reduces circuit depth to a comparable extent, but also achieves fewer measurements than SO-FALQON. Numerical simulations on max-cut problem with 8 to 20 vertices demonstrate that BLS-FALQON reduces the total measurement count by 37.7% compared to SO-FALQON, while maintaining a comparable circuit depth. Furthermore, we conduct real quantum hardware experiments on the Tianyan-176 quantum computer, which uses the zuchongzhi2 superconducting quantum processor, confirming that BLS-FALQON remains effective under real quantum hardware conditions.
• Abstract（参考訳）: フィードバックに基づく量子最適化のためのアルゴリズム(英: algorithm for Quantum OptimizatioN, FALQON)は、古典的なパラメータ最適化を回避するが、深い量子回路を必要とする組合せ最適化問題を解くためのハイブリッド量子古典的アルゴリズムである。 回路深度を低減するため、Araiらは2階FALQON(SO-FALQON)を提案し、既存のアプローチで最高の深度低減を実現した。 しかし、SO-FALQONは追加の2階制御係数を計算する必要があるため、ステップ毎の測定オーバーヘッドが2.3倍になる。 本稿では,バックトラックラインサーチ(BLS)理論にインスパイアされたBLS-FALQON法を提案する。 8から20の頂点を持つ最大カット問題の数値シミュレーションにより、BLS-FALQONは回路深度を同等に保ちながら、SO-FALQONと比較して合計測定回数を37.7%削減することを示した。 さらに,Zuchongzhi2超伝導量子プロセッサを用いたTianyan-176量子コンピュータ上で実量子ハードウェア実験を行い,実量子ハードウェア条件下ではBLS-FALQONが有効であることを確認する。

関連論文リスト

• Verifiable quantum advantage in extremely low depth [52.51019642214249]
  浅量子回路では解けない問題を格子ベースの仮定で解くのが困難である。 浅量子回路は、解を効率よく検証できる古典的な難題を解くのに十分な構造を持っていることを証明している。
  論文  参考訳（メタデータ） (2026-09-01T15:54:34Z)
• 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)
• SRBB-Based Quantum State Preparation [1.3108652488669736]
  近似量子状態準備問題に対するスケーラブルなアルゴリズムを提案する。 このアルゴリズムはSRBB(Standard Recursive Block Basis)に基づく変分量子回路を用いる。 所望の量子状態は、スケーラブルな量子ニューラルネットワークによって近似される。
  論文  参考訳（メタデータ） (2025-03-17T18:51:07Z)
• A Logarithmic Depth Quantum Carry-Lookahead Modulo $(2^n-1)$ Adder [0.8192907805418581]
  量子アルゴリズムの実装には、モジュロ加算のための量子演算回路の開発が不可欠である。 現在のノイズ中間スケール量子(NISQ)時代における量子コンピュータは、フォールトトレラント設計に関連する計算コストを処理できない。 この研究は量子キャリーヘッドモジュロ$(2n - 1)$ adder (QCLMA)を示し、2つのnビット番号を受け取り、その加算をO(log n)深さで行うように設計されている。
  論文  参考訳（メタデータ） (2024-08-02T04:31:22Z)
• Light Cone Cancellation for Variational Quantum Eigensolver in Solving Noisy Max-Cut [2.646003577565874]
  変分量子固有解法(VQE)は、与えられたハミルトンの基底エネルギーを推定するために用いられる量子古典ハイブリッドアルゴリズムである。 本研究では,光円錐キャンセラ法(LCC)を用いて2局所アンサッツに必要な量子ビット数とゲート数を削減した。
  論文  参考訳（メタデータ） (2024-04-30T12:31:03Z)
• Performance analysis of a filtering variational quantum algorithm [0.0]
  Filtering Variational Quantum Eigensolver (F-VQE) は、既存の量子コンピュータにおける最適化問題を解くために設計された変分型ハイブリッド量子アルゴリズムである。 我々は、パラメータ化量子回路として、瞬時量子多項式回路を用いる。 F-VQEの実用的優位性には大きな発展が必要であると結論付けている。
  論文  参考訳（メタデータ） (2024-04-13T08:50:44Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• 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)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。