論文の概要: Beyond QAOA: A Review of AI and Quantum Computing for Adaptive Combinatorial Optimization

• arxiv url: http://arxiv.org/abs/2610.11759v1
• Date: Thu, 08 Oct 2026 11:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.987108
• Title: Beyond QAOA: A Review of AI and Quantum Computing for Adaptive Combinatorial Optimization
• Title（参考訳）: QAOAを超えて - Adaptive Combinatorial OptimizationのためのAIと量子コンピューティングのレビュー
• Abstract要約: 計算最適化に対する短期量子アプローチは、量子ビット数、回路忠実度、サンプリングコスト、符号化制約によって制限される。 機械学習は、量子最適化の設定と制御にますます使われている。 本稿では、量子最適化のためのAI、AI駆動最適化のための量子、およびAI-量子共最適化の3つのパラダイムについて検討する。
• 参考スコア（独自算出の注目度）: 4.314956204483074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Near-term quantum approaches to combinatorial optimization are limited by qubit counts, circuit fidelity, sampling cost, and the difficulty of encoding constraints, while machine learning is increasingly used to configure and control quantum optimization workflows. We call such workflows adaptive: decisions conventionally fixed in advance, from formulation and penalties to shot budgets, backends, and whether to invoke a quantum processor at all, are made by learned policies that respond to the instance, the progress of the solve, or the hardware. This review examines three paradigms, AI for quantum optimization, quantum for AI-driven optimization, and AI-quantum co-optimization, and organizes the literature by the decision being learned rather than by application. A structured review of 119 papers, 67 coded in detail, shows that the evidence is considerably stronger for AI-assisted quantum optimization than for the reverse direction: learning already reduces quantum evaluations, improves initialization, supports decomposition and penalty control, and mitigates noise, whereas evidence that quantum computation improves learned optimizers remains largely confined to small-scale simulation. Experimental controls are thin: 25 of 57 studies include no classical baseline, the quantum contribution is fully isolated in 10 of 24 studies where an ablation applies, and the median experiment uses 17 qubits. We introduce an M0-M5 evidence hierarchy, from simulation to matched-resource practical advantage, and find no broadly convincing result at the highest level. We argue that scaling is increasingly a systems problem: the question is not only whether a problem fits on a quantum processor, but how classical and quantum resources should be allocated across the optimization process. The review is aimed at researchers in quantum computing, machine learning, and operations research.
• Abstract（参考訳）: 組合せ最適化に対する短期量子アプローチは、量子ビット数、回路忠実度、サンプリングコスト、符号化の困難さによって制限される。 フォーミュレーションやペナルティからショット予算、バックエンド、量子プロセッサを呼び出すかどうかといった決定は、インスタンス、解決の進捗、ハードウェアに応答する学習ポリシによって行われます。 本稿では、量子最適化のためのAI、AI駆動最適化のための量子、AI-量子共最適化の3つのパラダイムについて検討し、応用よりもむしろ学習された決定によって文献を整理する。 学習は、すでに量子評価を減らし、初期化を改善し、分解とペナルティ制御をサポートし、ノイズを軽減する一方、量子計算が学習したオプティマイザを改善するという証拠は、小規模のシミュレーションに限られている。 57研究のうち25研究は古典的なベースラインを含まず、量子寄与はアブレーションが適用される24研究のうち10研究で完全に孤立し、中央値の実験は17量子ビットを使用する。 我々は,M0-M5エビデンス階層を導入し,シミュレーションから整合資源の実用的優位性に至るまで,最も高いレベルでは広く説得力のある結果が得られない。 問題は、問題が量子プロセッサに適合するかどうかではなく、最適化プロセス全体にわたって古典的および量子的リソースを割り当てるべきかどうかである。 このレビューは、量子コンピューティング、機械学習、オペレーション研究の研究者を対象としている。

関連論文リスト

• Evidence of scaling advantage on an NP-Complete problem with enhanced quantum solvers [17.90947220974444]
  NP完全1対3のブール充足性問題に対する拡張量子解法を開発した。 13量子ビットの超伝導量子プロセッサ上で,拡張型ソルバを実験的に実装した。 その結果,NP完全問題に対する量子スピードアップの実証的証拠が得られた。
  論文  参考訳（メタデータ） (2025-08-12T11:52:24Z)
• Quantum Annealing for Combinatorial Optimization: A Benchmarking Study [39.125366249242646]
  現状の量子解法は,従来の解法よりも精度が0.013%高く,解法時間も6,561xであることを示す。 この結果から,特にハイブリッド構成において,従来のQAよりもQAを活用できるという利点が浮かび上がっている。
  論文  参考訳（メタデータ） (2025-04-08T16:43:24Z)
• QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design [63.02824918725805]
  量子コンピューティングは、量子アルゴリズムによる古典的コンピューティングよりも大幅にスピードアップされていることが認識されている。 QCircuitBenchは、量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された最初のベンチマークデータセットである。
  論文  参考訳（メタデータ） (2024-10-10T14:24:30Z)
• Bias-Field Digitized Counterdiabatic Quantum Algorithm for Higher-Order Binary Optimization [35.18016233072556]
  組合せ最適化は多くの産業アプリケーションにおいて重要な役割を担っている。 本稿では,高次非拘束二元最適化(HUBO)に対処するため,BF-DCQOアルゴリズムを提案する。 この結果から,BF-DCQOは,現在および短期量子プロセッサ上での大規模HUBO問題の解決に有効な経路であることが示唆された。
  論文  参考訳（メタデータ） (2024-09-05T17:38:59Z)
• Quantum Circuit Synthesis and Compilation Optimization: Overview and Prospects [59.07692103357675]
  本調査では,アルゴリズムレベルから量子ハードウェアにまたがる,統合設計および最適化スキームの実現可能性について検討する。 手動設計のコストを削減し、実行の精度と効率を高め、ハードウェア上での量子アルゴリズムの優位性の実装と検証を容易にする。
  論文  参考訳（メタデータ） (2024-06-30T15:50:10Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Surrogate optimization of variational quantum circuits [1.0546736060336612]
  変分量子固有解法は、多くの応用に影響を及ぼすことのできる短期的アルゴリズムとして評価される。 収束性を改善するアルゴリズムや手法を見つけることは、VQEの短期ハードウェアの能力を加速するために重要である。
  論文  参考訳（メタデータ） (2024-04-03T18:00:00Z)
• The Variational Quantum Eigensolver: a review of methods and best practices [3.628860803653535]
  変分量子固有解法(VQE)は変動原理を用いてハミルトンの基底状態エネルギーを計算する。 本総説は,アルゴリズムの様々な部分における進捗状況について概説することを目的としている。
  論文  参考訳（メタデータ） (2021-11-09T14:40:18Z)
• 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)
• To quantum or not to quantum: towards algorithm selection in near-term quantum optimization [0.0]
  本稿では,QAOAが従来のアルゴリズムよりも有利になる確率の高い問題事例を検出する問題について検討する。 クロスバリデーションの精度は96%以上で、実用的な優位性が得られる。
  論文  参考訳（メタデータ） (2020-01-22T20:42:02Z)

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。