論文の概要: Quantum-Classical Hybrid Methods for Optimization: Lessons from Classical Decomposition
- arxiv url: http://arxiv.org/abs/2610.27362v1
- Date: Mon, 19 Oct 2026 22:42:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.537435
- Title: Quantum-Classical Hybrid Methods for Optimization: Lessons from Classical Decomposition
- Title（参考訳）: 最適化のための量子-古典ハイブリッド手法:古典的分解からの教訓
- Abstract要約: 量子および物理に着想を得た解法は、制約付きバイナリ最適化モデルのための特別なサンプリングインターフェースを提供する。
このサーベイは古典的な分解を用いて、そのような解法をハイブリッド量子古典アルゴリズムにどのように組み込むことができるかを分析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum and physics-inspired solvers provide specialized sampling interfaces for Ising and quadratic unconstrained binary optimization models, but constrained optimization requires broader coordination and certification. This survey uses classical decomposition to analyze how such solvers can be integrated into hybrid quantum-classical algorithms. We distinguish formal decomposition, reformulation and reduction, and computational orchestration. For each interface, we ask what the transformation preserves, which assumptions make the outer method converge, and which certificates the implemented inner routine supplies. The central questions are whether that information meets the classical algorithm's requirements and whether hybridization improves solution quality or total cost enough to justify its coordination overhead. Benders decomposition, column generation, graph reduction, and copositive methods illustrate this distinction by separating heuristic proposals from classical certification. We also distinguish component effects within a fixed wrapper, reduction--solver interactions, and comparisons between complete quantum-enabled and classical systems. The analyzed studies provide conditional component benefits and favorable co-design evidence, but do not establish transferable end-to-end superiority over strong classical comparators. The resulting framework identifies opportunities for constraint programming and operations research in structure-preserving design, safeguarded hybrid algorithms, and controlled benchmarking.
- Abstract（参考訳）: 量子および物理学に着想を得た解法は、Isingと2次非制約バイナリ最適化モデルのための特別なサンプリングインターフェースを提供するが、制約付き最適化にはより広範な調整と認証が必要である。
このサーベイは古典的な分解を用いて、そのような解法をハイブリッド量子古典アルゴリズムにどのように組み込むことができるかを分析する。
我々は、形式的な分解、再構成と縮小、および計算オーケストレーションを区別する。
各インタフェースに対して、変換が何を保存するのか、どの仮定が外部メソッドを収束させるのか、実装された内部ルーチンがどの認証を行うのかを問う。
中心的な疑問は、その情報が古典的なアルゴリズムの要求を満たすかどうか、およびハイブリダイゼーションがその調整オーバーヘッドを正当化するのに十分なソリューション品質または総コストを改善するかどうかである。
ベンダー分解、列生成、グラフ縮小、および共陽性法は、古典的な証明からヒューリスティックな提案を分離することで、この区別を示している。
また、固定ラッパー内の成分効果、還元-溶媒相互作用、および完全量子対応システムと古典システムの比較を区別する。
解析された研究は条件成分の利点と好ましい共同設計の証拠を提供するが、強い古典的コンパレータよりも移行可能なエンドツーエンドの優位性は確立していない。
結果として得られたフレームワークは、構造保存設計、保護されたハイブリッドアルゴリズム、制御されたベンチマークにおける制約プログラミングとオペレーション研究の機会を特定する。
関連論文リスト
- Towards Tensor-Network SAT-Solvers for Quantum-Classical Workflows [1.1916225387199697]
HPC/QC統合システムは、古典的な高性能コンピューティングと量子プロセッサを組み合わせることを目的としている。
統合アーキテクチャは、QPUだけでは実装できない可観測性のような側面をサポートしなければならない。
論文 参考訳（メタデータ） (2026-08-03T10:36:30Z) - CVaR-Assisted Custom Penalty Function for Constrained Optimization [3.652509571098291]
制約付き最適化問題は2次非制約二元最適化(QUBO)モデルとして頻繁に修正される。
標準QUBOの定式化は、スラック変数と二次罰則を通じて不等式制約を強制する。
補助スラック変数を除去する制約付きバイナリ最適化のためのスラックフリーペナルティの定式化を提案する。
論文 参考訳（メタデータ） (2026-04-22T01:08:38Z) - Optimization-based Unfolding in High-Energy Physics [0.0]
高エネルギー物理学において、展開とは検出器が歪んだ測定から物理観測物の真の分布を再構築する過程である。
我々は古典的手法と量子互換手法の両方を用いてこの問題に対処する枠組みを開発する。
論文 参考訳（メタデータ） (2026-02-26T09:11:34Z) - Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。
このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。
我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
論文 参考訳（メタデータ） (2026-01-29T14:29:21Z) - Closing the Generalization Gap in Parameter-efficient Federated Edge Learning [43.00634399799955]
フェデレーションエッジラーニング(FEEL)は人工知能(AI)のための有望な基盤を提供する
限定的で異種なローカルデータセット、およびリソース制限されたデプロイメントは、モデル一般化とリソース利用の両方を著しく低下させる。
本稿では,モデル最小化と一般化選択を併用して,このような課題に対処するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-28T15:34:09Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。
微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文 参考訳（メタデータ） (2023-02-24T18:41:48Z) - A Copositive Framework for Analysis of Hybrid Ising-Classical Algorithms [18.075115172621096]
本稿では,Isingソルバを用いた混合二項二次プログラムの解法におけるハイブリッドアルゴリズムの形式解析について述べる。
本稿では,ハイブリッド量子古典的切削平面アルゴリズムを用いてこの問題を解決することを提案する。
論文 参考訳（メタデータ） (2022-07-27T16:47:32Z) - Tree ensemble kernels for Bayesian optimization with known constraints
over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。
ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。
我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文 参考訳（メタデータ） (2022-07-02T16:59:37Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
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。