論文の概要: Beyond Feasibility: Finite-Depth Accessibility in Constrained QAOA
- arxiv url: http://arxiv.org/abs/2610.00736v1
- Date: Wed, 30 Sep 2026 21:29:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.773221
- Title: Beyond Feasibility: Finite-Depth Accessibility in Constrained QAOA
- Title（参考訳）: 可能性を超えて:制約付きQAOAにおける有限層アクセシビリティ
- Abstract要約: 実際に実行される回路のレベルにおいて,制約付きQAOAについて検討した。
理想QAOA回路の計算基底サポートは、その中に含まれていることを示す。
- 参考スコア（独自算出の注目度）: 0.043496401697112684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Constraint-preserving mixers keep QAOA within a feasible subspace, but feasibility and global mixer connectivity do not determine which feasible configurations are available to a particular shallow circuit. We study constrained QAOA at the level of the circuit actually executed: a specified feasible initial state, finite depth, and finite schedule of mixer interactions. We define the finite-depth accessible set $R_p(M,x_0)$ and show that the computational-basis support of the ideal QAOA circuit is contained within it. This gives a parameter-independent objective ceiling $f_R^\star=\max_{x\in R_p}f(x)$ and a normalized reachable-quality diagnostic $Q_R$, separating accessible volume from the objective quality contained within it. We evaluate this framework using resource-matched block-local XY mixer schedules for constrained portfolio optimization and synthetic block-constrained quadratic problems. Across 207 favorable-tail CVaR QAOA configurations, $Q_R$ shows the strongest association with realized shallow-QAOA performance among the structural diagnostics considered, with Pearson and Spearman correlations of $0.7003$ and $0.8057$; the relationship remains positive under controlled and dependence-aware analyses. The distinction persists across changes in feasible initialization, portfolio size, and objective family. A compilation-only study further shows that, for the dense portfolio Hamiltonians considered here, phase-separator routing dominates the compiled two-qubit resource scale, while mixer schedules with comparable compiled two-qubit cost can exhibit markedly different finite-depth accessible quality. These results motivate objective-relevant finite-depth accessibility as a complementary diagnostic for resource-bounded constrained QAOA.
- Abstract（参考訳）: 制約保存ミキサーはQAOAを実現可能なサブ空間に保持するが、実現可能性とグローバルミキサー接続性は、特定の浅い回路でどの構成が利用可能かを決定するものではない。
本研究では,実際に実行された回路レベルにおける制約付きQAOAについて検討した。
有限深度アクセス可能集合 $R_p(M,x_0)$ を定義し、理想QAOA回路の計算基底がそれに含まれることを示す。
これはパラメータ非依存の客観天井$f_R^\star=\max_{x\in R_p}f(x)$と正規化可読性診断$Q_R$を与え、その内に含まれる客観的品質からアクセス可能なボリュームを分離する。
本稿では,資源マッチング型ブロックローカルXYミキサスケジュールを用いて,制約付きポートフォリオ最適化と合成ブロック制約2次問題について評価する。
207 分の CVaR QAOA 構成において、Q_R$ は、考慮された構造診断において、浅部QAOA 性能と最も強い相関を示し、Pearson と Spearman の相関は、0.7003$ と 0.8057$ である。
この区別は、実現可能な初期化、ポートフォリオサイズ、客観的な家族の変化にまたがって持続する。
コンパイルのみの研究により、ここで考慮された高密度ポートフォリオハミルトニアンは、位相セパレータルーティングがコンパイルされた2量子ビットのリソーススケールを支配しているのに対し、コンパイルされた2量子ビットのコストに匹敵するミキサースケジュールは、非常に異なる有限深度アクセス可能な品質を示すことが示されている。
これらの結果は,資源境界制約QAOAの相補的診断として,目的関連有限深度アクセシビリティを動機付けている。
関連論文リスト
- Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Parity Mapping for Quantum Optimization on Frustrated Ising Rings [2.4882553355943524]
本研究では,パリティマッピングが連続時間およびディジタル化プロトコルの性能に与える影響について検討する。
QA の場合、有限サイズの計算はパリティ写像が最小のスペクトルギャップを増大させることを示す。
デジタル化されたプロトコルでは、シミュレーションされたサイズに対して、正確な基底状態を作成するために必要なParity-QAOA層数が一定であることがわかった。
論文 参考訳（メタデータ） (2026-08-12T16:05:05Z) - Feasibility-driven QAOA with penalty scheduling [1.4519462317941787]
ほとんどの量子アルゴリズムは、制約をQUBOの定式化の中でソフトペナルティ項として扱うことにより、制約付き最適化問題に対処する。
複数の不均一な制約を持つ問題に適した標準線形ランプQAOAの2つの拡張を導入する。
回路の深さやシステムサイズにおいて、QAOAがlr-QAOAと$-lr-QAOAより一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-06-23T19:44:00Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - The Alignment Bottleneck [0.0]
ループを2段階のカスケード$U to H to Y$ given$S$、認知能力$C_textcog|S$、平均総容量$barC_texttot|S$としてモデル化する。
これは、分離可能なコードブックと、KL項が$m, barC_texttot|S$で同じチャネルで制御されるPAC-Bayes上界とで証明されたデータサイズ非依存のファノ下界をペアする。
論文 参考訳（メタデータ） (2025-09-19T12:38:30Z) - A Fundamental Bound for Robust Quantum Gate Control [0.0]
我々は、モデル付きおよび非モデル付き不確実性の存在下で、コヒーレント量子制御に対する普遍的な性能限界を導出する。
最悪の場合(従って平均的な)ゲートの忠実度が下界の$F ge Flbbigl(tf Omeffbigr)$に従うことを証明します。
論文 参考訳（メタデータ） (2025-07-01T22:26:04Z) - Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks [62.87033427172205]
自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
論文 参考訳（メタデータ） (2024-01-19T17:16:40Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳（メタデータ） (2022-10-26T00:23:36Z) - Settling the Horizon-Dependence of Sample Complexity in Reinforcement
Learning [82.31436758872715]
我々は,環境相互作用の$O(1)$のエピソードのみを用いて,同一のPAC保証を実現するアルゴリズムを開発した。
値関数と有限水平マルコフ決定過程の接続を確立する。
論文 参考訳（メタデータ） (2021-11-01T00:21:24Z)
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。