論文の概要: Fewer Qubits, Better Choices: Coupling-Aware Sub-QUBO Selection for Quantum-Assisted Traffic Zone Partitioning

• arxiv url: http://arxiv.org/abs/2609.32627v1
• Date: Sat, 26 Sep 2026 13:47:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:53:49.030879
• Title: Fewer Qubits, Better Choices: Coupling-Aware Sub-QUBO Selection for Quantum-Assisted Traffic Zone Partitioning
• Title（参考訳）: 量子支援トラフィックゾーン分割のための結合型サブQUBO選択
• Abstract要約: 短期量子エンタングルメント問題はハードウェアサイズのサブプロブレムに分解できるが、他の変数は固定される。 この規則は、単変数のフリップの下で現物が最適であれば、非形式的であることを示す。 2階展開は代わりに、入賞した最も高密度なグラフ選択問題をもたらす。
• 参考スコア（独自算出の注目度）: 1.856334276134661
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Near-term quantum optimizers accommodate roughly a hundred binary variables, requiring large Quadratic Unconstrained Binary Optimization problems to be decomposed into hardware-sized subproblems while other variables remain fixed. Variables are typically selected by ranking the objective changes from individual flips. We show that this rule is uninformative once the incumbent is optimal under single-variable flips: every score represents a cost, while remaining improvements depend on overlooked pairwise interactions. A second-order expansion instead yields a prize-collecting densest-subgraph selection problem, solvable greedily in time linear in the number of variables, and two solver-free bounds bracketing the improvement achievable within a selected subset. On transportation networks from Chicago and Philadelphia, our rule with 16-variable subproblems outperforms random selection with 64, demonstrating that quadrupling device capacity cannot compensate for weaker selection. Replacing geometric adjacency with road-network connectivity widens the margin by a factor of 1.6-1.9. With the selection trace fixed, varying the fraction of subproblems solved on a 120-qubit device from zero to one leaves the final objective unchanged to six significant figures. At tested hardware-accessible sizes, gains therefore arise from selection rather than the backend. Hardware feasibility is limited by coupling terms: 120-variable problems fail to compile with 7,260 terms but succeed with 5,118. Compilation scales almost quadratically with term count and dominates execution cost, reaching 1,752 seconds versus 469 seconds of quantum processing.
• Abstract（参考訳）: 短期量子オプティマイザはおよそ100のバイナリ変数に対応しており、ハードウェアサイズのサブプロブレムに分解され、他の変数は固定される。 変数は通常、個々のフリップから客観的な変化をランク付けすることで選択される。 すべてのスコアはコストを表し、残りの改善は見過ごされたペアワイズ相互作用に依存している。 2階展開は代わりに、変数数で時間線型に解けるような高次高次部分グラフ選択問題と、選択された部分集合内で達成可能な改善をブラケットする2つの解数自由境界を与える。 シカゴとフィラデルフィアの交通ネットワークでは、16変数のサブプロブレムが64でランダムな選択を上回り、4倍のデバイス容量はより弱い選択を補うことができないことを示す。 道路網接続による幾何学的隣接性の置き換えにより、マージンは1.6-1.9に拡大した。 選択トレースが固定されたことにより、120量子ビットデバイスで解かれたサブプロブレムの分数は0から1に変化し、最終的な目的は6つの重要な数字に変化しない。 テスト対象のハードウェアアクセス可能なサイズでは、バックエンドではなく選択によってゲインが生まれる。 120変数の問題は7,260項でコンパイルできないが、5,118項で成功する。 コンパイルは項数とほぼ2倍にスケールし、実行コストは1,752秒に達するが、量子処理は469秒である。

関連論文リスト

• Hybrid Quantum Neighborhood Selection: NISQ-Compatible Combinatorial Optimization via Stochastic Frontier Decomposition [0.0]
  本研究は、Hybrid Quantum Neighborhood Selection (HQNS)を紹介する。 HQNSはステージ毎にFN活性変数のコンパクトフロンティアを選択し、残りを縮小QUBO係数に凍結する。 最大ダイバーシティ・サブセット選択問題(MDSSP)のHQNSを6つの尺度で最大1000まで評価した。
  論文  参考訳（メタデータ） (2026-06-28T23:35:46Z)
• Coupling-Grouped XY-QAOA for Joint Anomaly-Feature Selection [0.0]
  結合群 XY-QAOA は制約付き最適化問題に対する制約保存群付き角変種である。 ハードウェア対応の実装により、回路の深さは45.9%-61.3%、二ビットゲートは2.6%-5.2%減少する。 36-64キュービットにわたって、固定角は、一致したランダム可能なサンプリングよりも低エネルギーで実現可能なサンプルを出力する。
  論文  参考訳（メタデータ） (2026-06-11T11:56:54Z)
• Nonvariational quantum optimisation approaches to pangenome-guided sequence assembly [0.42970700836450487]
  ゲノム組立問題に対する短期量子最適化手法を開発した。 固定された線形ランプQAOAスケジュールと反復的ウォームスタートバイアス更新を組み合わせたIterative-QAOAフレームワークを使用する。 カスタム回路コンパイル戦略は、標準ツールと比較してハードウェアゲートのオーバーヘッドを最大67%削減する。
  論文  参考訳（メタデータ） (2026-04-07T17:17:34Z)
• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
  本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。 BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
  論文  参考訳（メタデータ） (2026-02-04T02:54:37Z)
• Efficient Swap Multicalibration of Elicitable Properties [41.64272548564929]
  [NR23] は任意のプロパティのマルチキャリブレーションとプロパティのエリケーションとの間に驚くべき関係を確立しました。 本稿では,グループメンバシップ関数から任意の有界仮説クラスへの帰納的プロパティに対する多重校正を一般化する。
  論文  参考訳（メタデータ） (2025-11-07T01:14:39Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Variance-Dependent Regret Bounds for Linear Bandits and Reinforcement Learning: Adaptivity and Computational Efficiency [90.40062452292091]
  本稿では,不整合雑音を持つ線形帯域に対する計算効率のよい最初のアルゴリズムを提案する。 我々のアルゴリズムは未知のノイズの分散に適応し、$tildeO(d sqrtsum_k = 1K sigma_k2 + d)$ regretを達成する。 また、強化学習において、線形混合マルコフ決定過程(MDP)に対する分散適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-21T00:17:24Z)
• Quantum optimization with arbitrary connectivity using Rydberg atom arrays [0.0]
  元の問題から明示的な写像を構築することにより、Rydberg配列に効率的にエンコードできる問題のクラスを拡張する。 任意の接続を持つグラフ上の最大重み付き独立集合、任意の接続または制限された接続を持つ2次非制約バイナリ最適化問題、整数分解など、いくつかの例を分析する。
  論文  参考訳（メタデータ） (2022-09-08T18:00:00Z)
• Qubit-efficient encoding schemes for binary optimisation problems [2.320907642318629]
  本稿では,制約のない二項最適化問題を解くための変分量子アルゴリズムを提案する。 基礎となる符号化スキームは、古典変数間の相関を体系的に増加させることができる。 古典変数間の2体相関を変動量子状態に組み込む方法を示す。
  論文  参考訳（メタデータ） (2020-07-03T15:52:24Z)

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。