世界

サンプリングベースのガイド付きQuantum Walkは、古典的な最適化なしにバイナリの組み合わせ最適化の問題を解決します

膨大な数の可能性から最適なソリューションを見つけることを含む組み合わせ最適化の問題は、古典的なコンピューターと量子コンピューターの両方に挑戦します。 Ugo Nzongani、Dylan Laplace Mermoud、Giuseppe di Molfetta、および同僚は、Aix-MarseilleUniversité、Ensta、およびCNRSの同僚が、古典的な最適化技術に依存することなくこれらの問題をタックする新しい量子アルゴリズムであるSamba-GQWを提示します。チームのアプローチでは、クラシックサンプリングプロセスから収集された情報に導かれたランダムウォークの量子アナログであるQuantum Walkを使用して、アルゴリズムが潜在的なソリューションを効率的に探索できるようにします。この革新的な方法は、Maxcut、ポートフォリオの最適化、さらには旅行営業担当者の問題の量子再生など、さまざまな複雑な問題で強力なパフォーマンスを示し、かなりのサイズのシステムの高品質の近似ソリューションを見つけ、量子アルゴリズム設計で有望な新しい方向を提供します。 QAOAバリエーションと適応最適化手法 Max Independent Set、Max K-Sat、グラフの着色など、グラフの問題に重大な焦点があり、ハードインスタンスによってもたらされる課題と量子スピードアップの可能性に特に注意を払っています。組み合わせの最適化、ポートフォリオの最適化、制約満足度の問題も積極的に調査され、電気自動車のスマート充電などの実用的なアプリケーションに拡張されています。理論的基礎は、複雑さの理論、ランダムグラフ理論、および嘘グループや嘘代数のような数学ツールの適用を通じて強化されます。研究者は、Qiskit、Quantikz、Samba-Gqw、Qoblibなどのツールを利用して開発し、作業やベンチマークアルゴリズムを促進します。 ハード最適化の問題の識別、量子優位の追求、および量子アルゴリズムをより大きな問題サイズにスケーリングするという課題など、主要なテーマが出現します。エラー緩和と修正は、ハイブリッド量子クラシックアプローチとともに、調査の重要な領域です。 Cookの定理やErdos-Renyiランダムグラフモデルのような基礎結果は、これらの研究に不可欠な理論的枠組みを提供します。 組み合わせ最適化のためのSamba-GQWアルゴリズム 科学者は、古典的な最適化手法に依存せずにバイナリ組み合わせ最適化問題を解決するための新しい量子アルゴリズムであるSamba-GQWを開発しました。このアルゴリズムは、連続時間の量子ウォークを採用しています。そこでは、Quantum Walkerがグラフとして表される潜在的なソリューションを探索し、問題のコスト関数を最小限に抑える構成を求めています。重要な革新は、問題のハミルトニアンを分析するオフラインの古典的なサンプリングプロトコルにあり、時間依存のホッピングレートを介してウォーカーの動きを導く情報を提供します。このアプローチは、QAOA、不毛のプラトーに関連する課題の回避、スケーリングの問題などの変動方法とは異なります。 チームは、Quantum Walkが始まる前に完全に実行される古典的なサンプリングを通じて、量子ウォーカーの最適なホッピングレートを決定する方法を実装しました。このサンプリングプロトコルは、ハミルトニアンスペクトルを分析し、ウォーカーの軌跡を形作り、高品質のソリューションに向けるための重要なデータを提供します。研究者は、連続時間の量子ウォークをゲートベースの量子回路に翻訳し、電流および近距離の量子コンピューターでの実装性を確保し、Qubitsの数と多項式にスケーリングする回路の深さを備えています。実験では、この回路を採用して、最大独立セット、ポートフォリオ最適化、ラボ、Max-SAT、および旅行営業担当者の問題の四分位再定式化など、いくつかの二次および高次の多項式問題を解決しました。 この研究は、Samba-GQWが、可能性のある決定の中でサンプリングすることにより、かなりの数のQubitsの問題に関する高品質の近似ソリューションを達成することを示しています。結果は、アルゴリズムが一貫して、他のガイド付き量子ウォークとQAOAのパフォーマンスに匹敵し、しばしばそれを超えるソリューションを提供することを示しています。チームは、古典的なオプティマイザーの必要性を排除し、事前に計算されたホッピングレートでプロセスを合理化することにより、元のGQWよりも少なくとも1桁速い実行時間を大幅に削減しました。連続時間レジームにおけるサンバ-GQWの最悪の時間の複雑さは逆です。 Quantum Walk Algorithmは、バイナリ最適化の問題を解決します 科学者は、古典的な最適化技術に依存することなく、複雑なバイナリ最適化問題を解決するための新しい量子アルゴリズムであるSamba-GQWを開発しました。アルゴリズムは連続時間の量子ウォークを利用します。ここでは、「ウォーカー」がグラフとして表される潜在的なソリューションを探索し、定義されたコスト関数を最小限に抑える構成を求めます。重要な革新は、問題のハミルトニアンを分析するオフラインの古典的なサンプリングプロトコルにあり、時間依存のホッピングレートを通じて量子ウォーカーを高品質のソリューションに向けて導く情報を提供します。実験は、Samba-GQWが、可能性のある決定の中でサンプリングすることにより、かなりの数のQubitsを含む問題に対するおおよそのソリューションをうまく見つけることを示しています。 アルゴリズムのパフォーマンスは、MaxCutやポートフォリオの最適化などの2次問題でテストされた場合、およびラボ、Max-SAT、および旅行販売員の問題の第四元の再定式化などのより複雑な多項式の問題でテストすると、特に強力です。結果は、アルゴリズムが一貫して高品質の近似ソリューションを提供し、多くの場合、高い確率で最適な結果を達成することを示しています。チームは、元のガイド付きQuantum Walk（GQW）およびQuantum近似最適化アルゴリズム（QAOA）と比較して、少なくとも1桁速い実行時間を大幅に短縮しました。 Samba-GQWの最悪の時間の複雑さは、ハミルトニアンの問題のスペクトルギャップに反比例し、断熱進化の特性を反映していますが、シミュレーションは、ほとんどの問題のキュービットの数に関して短い進化時間を明らかにしています。 さらに、研究者たちは、Quantum Walkは、局所的な状態ベクトルを達成するために完全な進化を必要としないことを観察し、最適なソリューションの早期測定と効率的な回復を可能にしました。このブレークスルーは、キュビットの数に比べて多項式深度を持つ量子回路の実装を提供し、連続時間の量子ウォークをゲートベースの量子コンピューターに実装できるようにします。チームの作業は、オフラインの古典的なサンプリングプロトコルを導入することにより、GQWに関連するスケーリングの問題を克服し、古典的なオプティマイザーと潜在的な不毛のプラトーの必要性を回避します。測定により、アルゴリズムのパフォーマンスは、複雑な最適化の課題を解決する際に既存の方法と競合し、しばしば上回っていることを確認しています。 Samba-GQWは複雑な最適化の問題を解決します 研究者は、古典的な最適化技術に依存せずに複雑なバイナリ組み合わせ最適化問題に取り組むように設計された新しい量子アルゴリズムSamba-GQWを開発しました。アルゴリズムは連続時間の量子ウォークを利用して、潜在的なソリューション空間をナビゲートして、問題のコスト関数を最小限に抑える構成を識別します。重要な革新は、問題の根本構造に関する情報を提供するオフラインの古典的なサンプリング手順にあり、時間依存のホッピングレートで量子ウォークを導き、高品質のソリューションを効率的に見つけることができます。 Maxcut、ポートフォリオの最適化、旅行営業担当者の問題など、さまざまな挑戦的な問題について実証されているSamba-GQWは、可能な決定の中でサンプリングすることにより、かなりの数のキュービットを含むシステムのおおよそのソリューションをうまく見つけました。 結果は、他のガイド付き量子ウォークや量子近似最適化アルゴリズム（QAOA）と比較すると、アルゴリズムが好意的に実行されることを示しており、より大きく、より複雑な問題に対処するためのスケーリングの可能性を示唆しています。特に、アルゴリズムのパラメーターは、層の数が増えるとQAOAで得られたものと類似していることを示し、2つの方法間のつながりの可能性を示唆しています。著者は、古典的なサンプリング手順の精度がアルゴリズムのパフォーマンスに影響を与えることを認め、このステップの最適化に関するさらなる調査が必要です。 👉詳細🗞 サンプリングベースのガイド付きQuantum Walk：組み合わせ最適化のための非侵襲的量子アルゴリズム🧠arxiv： #サンプリングベースのガイド付きQuantum…