論文の概要: Higher-order Parity Constraints for Quantum Approximate Optimization

• arxiv url: http://arxiv.org/abs/2610.26381v1
• Date: Mon, 19 Oct 2026 13:32:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:18:31.646552
• Title: Higher-order Parity Constraints for Quantum Approximate Optimization
• Title（参考訳）: 量子近似最適化のための高次パリティ制約
• Abstract要約: Parity Architectureは元々、ハードウェア接続制約を克服するために量子最適化アルゴリズムの文脈で導入された。 その利点は、量子近似最適化アルゴリズム(QAOA)の成功確率を高める特定のパリティ変換を同定することによって、この役割を超えて拡張されることを示す。 このメカニズムを3つの正則グラフインスタンス上での符号付きMax-Cut問題に対して検討し,IBM Heron量子プロセッサの実用的妥当性を実証する。
• 参考スコア（独自算出の注目度）: 1.424507155580441
• License:
• Abstract: The Parity Architecture was originally introduced in the context of quantum optimization algorithms to overcome hardware connectivity constraints. Here, we show that its benefits extend beyond this role by identifying specific parity transformations that enhance the success probability of the Quantum Approximate Optimization Algorithm (QAOA) for optimization problems defined on hardware-native and sparse graphs. Numerical simulations suggest that this enhancement originates from the higher-order operators introduced by the Parity representation, which accelerate the propagation of correlations across the physical device. We investigate this mechanism for the Signed Max-Cut problem on 3-regular graph instances and demonstrate its practical relevance on IBM Heron quantum processors. QAOA parameters are first classically optimized on small training instances containing up to 14 vertices and subsequently transferred to larger instances executed on quantum hardware. We consider Signed Max-Cut instances of up to 40 vertices and find that, together with an error mitigation technique, the parity-based QAOA identifies the optimal solutions for all the considered 40-vertex instances, whereas the conventional QAOA fails under the same conditions.
• Abstract（参考訳）: Parity Architectureは元々、ハードウェア接続制約を克服するために量子最適化アルゴリズムの文脈で導入された。 ここでは、ハードウェアネイティブおよびスパースグラフ上で定義された最適化問題に対して、量子近似最適化アルゴリズム(QAOA)の成功確率を高める特定のパリティ変換を同定することにより、その利点がこの役割を超えて拡張されることを示す。 数値シミュレーションにより、この拡張はParity表現によって導入された高階演算子に由来することが示唆され、物理デバイス間の相関の伝播が加速される。 このメカニズムを3つの正則グラフインスタンス上での符号付きMax-Cut問題に対して検討し,IBM Heron量子プロセッサの実用的妥当性を実証する。 QAOAパラメータは最初、最大14の頂点を含む小さなトレーニングインスタンスに古典的に最適化され、その後、量子ハードウェア上で実行されるより大きなインスタンスに転送される。 我々は,最大40頂点の符号付きMax-Cutインスタンスを考察し,パリティベースのQAOAは誤り軽減手法とともに,すべての40頂点インスタンスに対する最適解を同定するのに対して,従来のQAOAは同じ条件下では失敗することを示した。

関連論文リスト

• Neural QAOA$^{2}$: Differentiable Joint Graph Partitioning and Parameter Initialization for Quantum Combinatorial Optimization [3.7086487199744127]
  本稿では,グラフ分割と初期パラメータを協調的に生成するエンドツーエンドの微分可能なフレームワークであるNeural QAOA$2$を提案する。 生成的評価ネットワーク(generative Evaluative Network, GEN)を統合することにより, 微分可能な量子評価器を高忠実度性能サロゲートとして利用する。 183 QUBO、Ising、MaxCutのインスタンス(21から1000変数)の実験は、勾配駆動のアプローチがベースラインを大きく上回ることを示した。
  論文  参考訳（メタデータ） (2026-05-13T06:43:10Z)
• Second-Order FALQON Parameter Transfer for the Max-Cut Problem on 3-Regular Graphs [0.0]
  本稿では3つの正則グラフ上のマックス・クート問題に適用された2階FALQONのパラメータ転送可能性について検討する。 小さいインスタンスに最適化されたフィードバックパラメータをより大きなターゲットグラフに転送すると、近似比が大幅に高くなる。
  論文  参考訳（メタデータ） (2026-05-05T19:38:46Z)
• An Introduction to the Quantum Approximate Optimization Algorithm [51.56484100374058]
  チュートリアルは変分量子回路とQUBO問題の概要から始まる。 次に、ハミルトンの定式化、ゲート分解、サンプル応用など、QAOAの詳細を探索する。 このチュートリアルはこれらの概念を高階ハミルトニアンに拡張し、関連する対称性と回路構成について議論する。
  論文  参考訳（メタデータ） (2025-11-23T09:54:20Z)
• Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
  多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。 本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。 この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
  論文  参考訳（メタデータ） (2025-10-07T17:53:02Z)
• MG-Net: Learn to Customize QAOA with Circuit Depth Awareness [51.78425545377329]
  量子近似最適化アルゴリズム(QAOA)とその変種は、最適化問題に対処する大きな可能性を示している。 良好な性能を実現するために必要な回路深度は問題固有であり、しばしば現在の量子デバイスの最大容量を超える。 ミキサジェネレータネットワーク (MG-Net) は, 最適ミキサハミルトニアンを動的に定式化するための統合ディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2024-09-27T12:28:18Z)
• Performance of Parity QAOA for the Signed Max-Cut Problem [0.0]
  パリティアーキテクチャにおける量子近似アルゴリズムの最適化性能(パリティQAOA)について検討する。 固定回路深さでのアルゴリズムの比較により、Parity QAOAはSWAPネットワークに基づく従来のQAOA実装よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-23T08:00:03Z)
• 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)
• 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)
• Similarity-Based Parameter Transferability in the Quantum Approximate Optimization Algorithm [2.985148456817082]
  特定の値に関する最適なQAOAパラメータのクラスタリングを示す。 異なるQAOAインスタンス間のパラメータの転送性がうまく説明できる。 近似比が等しい大きなアクセプタグラフに対して、最適ドナーグラフQAOAパラメータをほぼ最適パラメータとして使用できることを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:35:49Z)
• An Expressive Ansatz for Low-Depth Quantum Approximate Optimisation [0.23999111269325263]
  量子近似最適化アルゴリズム(QAOA)は、最適化問題を解くために用いられるハイブリッド量子古典アルゴリズムである。 QAOAはNISQデバイスに実装できるが、物理的制限は回路深さを制限し、性能を低下させる。 この研究は、より古典的なパラメータをアンサッツに割り当て、低深さでの性能を改善するeXpressive QAOA (XQAOA)を導入している。
  論文  参考訳（メタデータ） (2023-02-09T07:47:06Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)

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。