Privacy-Preserving Quantum Annealing for Quadratic Unconstrained Binary Optimization (QUBO) Problems
针对第三方量子退火服务中QUBO问题泄露用户隐私的风险，提出结合按位分割与矩阵置换的隐私保护框架，通过混淆模型矩阵$Q$有效隐藏元素并高精度重构原始解。
2024-09-27 cs.CR quant-ph
Extending quantum annealing to continuous domains: a hybrid method for quadratic programming
提出量子增强模拟退火（QESA）混合框架，通过量子退火选择离散搜索方向引导模拟退火探索连续解空间，在箱约束二次规划等非凸优化任务中显著提升了解质量并保持竞争力。
2025-04-02 cs.ET math.OC quant-ph
Toward Computing Bounds for Ramsey Numbers Using Quantum Annealing
本文探索利用量子退火解决单色三角形和拉姆齐数等组合数学问题，通过QUBO转换及降阶方法在D-Wave Advantage量子退火机上运行，并讨论了实现、局限与结果。
2025-07-15 quant-ph
Application of quantum annealing for scalable robotic assembly line optimization: a case study
针对大规模定制下传统方法难以高效求解机器人装配线平衡（RALB）问题的挑战，研究将量子退火应用于该问题，通过转化为二次无约束二元优化问题、用D-Wave Advantage 4.1的混合算法求解，案例验证了其提升制造效率的潜力，也指出量子技术仍需进一步发展以增强适用性。
2024-12-12 quant-ph
Adaptive Quantum Simulated Annealing for Bayesian Inference and Estimating Partition Functions
马尔可夫链蒙特卡罗算法在计数问题和机器学习问题中有重要的应用，这些问题涉及估计难以精确计算的数量。量子计算机能在多大程度上加速经典的马尔可夫链算法？在这项工作中，我们考虑的问题，加快模拟退火算法，其中的马尔可夫链的平稳分布是吉布斯分布在指定的温度下，根据退火时间表。我们构建了一个量子算法，既自适应地构造退火时间表和量子样本在每个温度。我们的自适应退火时间表大致匹配的长度最好的经典自适应退火时间表，并提高了非自适应温度的时间表，大约一个二次因子。我们对马尔可夫链间隙的依赖与其他量子算法相匹配，并且比经典马尔可夫链实现的效果好二次方。我们的算法是第一个结合这两个二次改进。与其他量子行走算法一样，它也通过产生"qsamples"而不是经典样本来改进经典算法。这意味着准备其振幅是目标概率分布的平方根的量子态。在构造退火时间表，我们利用振幅估计，我们介绍了一种方法，使振幅估计无损，几乎没有额外的成本，结果可能有独立的利益。最后，我们展示了如何量子模拟退火算法可以应用到估计的问题配分函数和贝叶斯推断。
2020-02-06 quant-ph
Circuit design for multi-body interactions in superconducting quantum annealing system with applications to a scalable architecture
量子退火提供了一种解决优化问题的方法，将它们编码为使用物理量子位实现的伊辛自旋模型。优化问题的解于是对应于系统的基态。利用量子隧穿使系统能够在潜在的高度非凸的能量景观中移动到基态。在物理量子退火设备中编码优化问题的一个主要困难是，许多现实世界的优化问题需要更高连接性的相互作用以及超出物理硬件限制的多体项。在这项工作中，我们解决的问题，如何实现多体相互作用，使用硬件本身只提供两个机构的相互作用。主要结果是使用超导通量量子比特的这种多体项的有效电路设计，其中使用N个辅助量子比特和仅两个电感耦合器来实现有效的N体相互作用。然后，它示出了如何将该电路可以被用作一个可扩展的架构的单元格，通过将其应用到最近提出的嵌入技术，用于构建一个架构的逻辑量子比特与任意连接使用物理量子比特，具有最近的邻居四体相互作用。它进一步表明，这种设计是强大的耦合回路中的非线性效应，以及在一些电路参数的失配。
2017-10-13 quant-ph
Quadratic unconstrained binary optimization formulation for rectified-linear-unit-type functions
我们提出了一个二次无约束二进制优化（QUBO）公式的整流线性单元（ReLU）类型的功能。与Denchev等人（2012）提出的q损失函数不同，基于Legendre对偶的简单讨论不足以获得ReLU型函数的QUBO公式。除了Legendre对偶，我们采用Wolfe对偶，和QUBO制定的ReLU型的推导。QUBO公式可用于伊辛型退火方法，包括量子退火机。
2019-03-29 quant-ph
Solving systems of Boolean multivariate equations with quantum annealing
二进制域上的多项式系统有重要的应用，特别是在对称和非对称密码分析、基于多变量的后量子密码学、编码理论和计算机代数中。在这项工作中，我们研究的量子退火模型求解布尔系统的多元方程的次数2，通常被称为多元二次问题。我们提出了不同的方法来嵌入问题到一个哈密顿量，可以解决可用的量子退火平台。特别是，我们提供了三种嵌入选项，并强调了它们在量子资源方面的差异。此外，我们设计了一个机器不可知的算法，采用迭代的方法，以更好地解决问题的哈密尔顿反复减少搜索空间。最后，我们使用D-Wave设备成功地实现了我们的方法在多变量二次问题的几个实例。
2022-02-08 quant-ph
Quantum algorithms for simulated annealing
本文综述了[R. D. Somma等人，物理修订信函101，130504（2008）]，其模拟用于解决离散优化问题的经典退火过程。量子算法的复杂度与相关随机矩阵的谱隙的平方根倒数成比例。这表示相对于经典模拟退火，在间隙方面的二次量子加速。
2015-12-14 quant-ph
Larger Sparse Quadratic Assignment Problem Optimization Using Quantum Annealing and a Bit-Flip Heuristic Algorithm
量子退火和D-Wave量子退火器因其解决组合优化问题的能力而引起了人们的广泛关注。为了解决其他类型的优化问题，有必要应用某些类型的数学变换。然而，由于量子比特之间的连接稀疏，线性约束减少了量子退火器中可以表示的问题的大小。例如，具有线性等式约束的二次分配问题（QAP）在量子退火机D-Wave Advantage中只能解决大小为12的问题，该量子退火机具有5640个量子比特。为了克服这个障碍，Ohzeki开发了一种放松线性等式约束的方法，并用一些目标问题数值验证了该方法的有效性，但其他问题仍然无法解决。特别是，很难获得可行的解决方案的问题与硬约束，如QAP。因此，我们提出了一种方法来解决QAP与量子退火后处理位翻转启发式算法所获得的解决方案的Ohzeki方法。在数值实验中，我们解决了稀疏QAP所提出的方法。这种稀疏的QAP已被用于电子商务网站上的物品列表等领域。我们首次使用D-Wave Advantage以高精度成功解决了19号QAP。我们还证实，位翻转启发式算法移动不可行的解决方案附近的可行解的汉明距离具有良好的计算效率。
2021-05-28 math.OC quant-ph
Scaling overhead of embedding optimization problems in quantum annealing
为了用硬件量子退火器处理全对全连接二次二进制优化问题（QUBO），由于硬件拓扑的稀疏性，需要嵌入原始问题。嵌入全连接图-通常在工业应用中发现-会产生二次空间开销，因此在求解时间上会产生显着开销。在这里，我们研究这种嵌入惩罚建立平面嵌入方案，如未成年人嵌入在一个正方形格子，未成年人嵌入在嵌合体图，和Lechner-Hauke-Zoller计划使用模拟量子退火的经典硬件。大规模量子蒙特卡罗模拟表明多项式时间的解决方案的开销。我们的研究结果表明，标准模拟量子退火硬件与经典数字退火器以及门模型量子退火器相比处于劣势，并且也可以作为标准量子退火协议改进的基准。
2021-11-03 cond-mat.dis-nn quant-ph
Subgradient Method using Quantum Annealing for Inequality-Constrained Binary Optimization Problems
本研究将Ohzeki方法扩展至不等式约束，通过统计力学推导松弛形式，并在二次背包问题中验证其性能。
2025-04-19 quant-ph
QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning
School of Electronic Information, Central South University（中南大学电子信息学院）；School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）；Beijing QBoson Quantum Technology Co. Ltd.（北京QBoson量子科技有限公司）；Institute of Artificial Intelligence (TeleAI) of China Telecom（中国电信人工智能研究院（TeleAI））
提出QAMA算子，将注意力机制转化为哈密顿量优化问题，利用量子退火实现线性复杂度，在保持精度的同时验证了真实量子硬件的可行性。
2025-10-12 cs.AI quant-ph
High-Order Epistasis Detection Using Factorization Machine with Quadratic Optimization Annealing and MDR-Based Evaluation
Graduate School of Science and Technology（科学与技术研究生院）；Keio University Sustainable Quantum Artificial Intelligence Center (KSQAIC)（Keio大学可持续量子人工智能中心）；Keio University（Keio大学）；Department of Applied Physics and Physico-Informatics（应用物理与物理信息学系）；Human Biology-Microbiome-Quantum Research Center (WPI-Bio2Q)（人类生物学-微生物群-量子研究中心（WPI-Bio2Q））
本文提出一种基于因子机与二次优化退火的高效高阶基因互作检测方法，通过MDR计算分类误差率作为黑盒目标函数，在有限迭代次数内有效识别高阶互作。
2026-05-13 cs.LG quant-ph
Experimental signature of programmable quantum annealing
量子退火是一种借助量子绝热演化求解困难优化问题的通用策略。分析和数值证据都表明，在理想化的封闭系统条件下，量子退火可以优于基于热化的经典算法，如模拟退火。工程量子退火设备有效地执行经典热化时，耦合到一个散肩热环境？为了解决这个问题，我们建立，使用超导磁通量子比特与可编程的自旋-自旋耦合，实验签名，这是一致的量子退火，并在同一时间与经典热化不一致，尽管退相干的时间尺度是数量级短于绝热演化时间。这表明，可编程量子设备，可扩展与当前的超导技术，实现量子退火与噪声和缺陷的惊人的鲁棒性。
2012-12-07 quant-ph
From Exponential to Quadratic: Optimal Control for a Frustrated Ising Ring Model
针对带单个阻挫反铁磁键的伊辛环模型中传统量子退火受指数小能隙限制的问题，研究基于变分量子算法数字框架，证明QAOA可实现二次资源缩放的精确求解，并结合CRAB方法与dQA构建高精度最优数字调度。
2025-02-24 quant-ph
On the Emerging Potential of Quantum Annealing Hardware for Combinatorial Optimization
在过去的十年中，量子退火硬件在组合优化中的有用性一直是许多争论的主题。到目前为止，实验基准研究表明，量子退火硬件并没有提供比最先进的最优化方法无可辩驳的性能增益。然而，随着硬件的不断发展，每次新的迭代都会带来更好的性能，并保证进一步的基准测试。为此，本研究对D-Wave Systems最新的Advantage Performance Update计算机进行了优化性能评估，该计算机可以原生地解决具有超过5，000个二进制决策变量和40，000个二次项的稀疏无约束二次最优化问题。我们证明，类人为的问题存在，这个量子退火机可以提供运行时的好处超过一个集合的建立经典解的方法，代表了目前最先进的基准量子退火硬件。虽然这项工作并没有提出强有力的证据证明这种新兴的优化技术具有无可辩驳的性能优势，但它确实表现出令人鼓舞的进展，表明了对未来实际优化任务的潜在影响。
2022-10-09 math.OC quant-ph
Prime factorization using quantum annealing and computational algebraic geometry
我们从两个角度研究素因子分解：量子退火和计算代数几何，特别是Gröbner基地。我们提出了一种新的可扩展的算法，它结合了这两种方法，并导致因式分解的所有双素数刚刚超过$200 \, 000$，最大的数字因式分解到目前为止，使用量子处理器。
2016-06-16 cs.CR math.AC math.AG
Quantum Simulations of Classical Annealing Processes
我们描述了一个量子算法，解决组合优化问题的量子模拟的经典模拟退火过程。我们的算法利用量子行走和量子芝诺效应引起的进化随机化。它需要顺序$1/\sqrtδ$步骤来找到具有有界误差概率的最优解，其中$δ$是经典退火过程中使用的随机矩阵的最小谱间隙。这是对后者所需的顺序$1/δ$步骤的二次改进。
2008-04-09 quant-ph
Layer-wise QUBO-Based Training of CNN Classifiers for Quantum Annealing
本研究提出基于QUBO的CNN分类器训练方法，通过量子退火避免梯度优化，提升图像分类精度。
2026-03-03 cs.AI quant-ph
Environmental effects in quantum annealing
对于量子退火，与基于电路的量子计算相反，计算问题的解被编码在量子系统的基态中。因此，它对环境影响的敏感性是一个不同但同样重要的开放问题，对于可扩展的实现至关重要。在这项工作中，我们使用重整化群技术来研究欧姆浴的效果，在一个制度典型的实际绝热量子计算。我们发现系统与浴之间的有效哈密顿量以及约化量子比特密度矩阵编码纠缠发生了质的变化。约化密度矩阵的有效退相限制了从许多量子比特纠缠基态中提取的信息。我们发现退火过程不再局限于量子位，并讨论了在组合系统-浴态中退火的可能缺点或优点。
2018-09-24 quant-ph
Temperature scaling law for quantum annealing optimizers
量子退火的物理实现可在有限温度下进行。我们指出，固定的有限温度量子退火机的一个基本限制，使他们无法发挥竞争力的可扩展的优化，并表明，作为优化退火温度必须适当缩小与问题的大小。我们推导出一个温度标度律，规定温度必须至少以对数方式下降，但也可能作为问题大小的幂律。我们证实了我们的实验和模拟结果，并讨论这些实际退火的影响。
2017-09-15 quant-ph
Two-photon driven Kerr resonator for quantum annealing with three-dimensional circuit QED
我们提出了一个可实现的电路QED架构的工程状态的超导谐振器非共振耦合到辅助超导量子比特。量子比特-谐振器色散相互作用与施加到量子比特的微波驱动一起产生具有双光子驱动的克尔谐振器，这使得我们能够有效地设计谐振器的量子态，例如生成用于基于谐振器的通用量子计算的薛定谔猫态。此外，所提出的架构是易于扩展的解决映射到伊辛自旋玻璃模型的优化问题，从而作为一个平台，量子退火。尽管已经提出了各种具有超导量子比特的可扩展架构来实现量子退火器，但是现有的退火器目前仅限于量子比特的相干时间。在这里，基于协议实现双光子驱动克尔谐振腔在三维电路QED（3D cQED），我们提出了一个灵活的和可扩展的硬件实现量子退火，结合的优点，可达到在3D cQED和最近提出的谐振器为基础的Lechner-Hauke-Zoller（LHZ）计划的长相干时间。在基于谐振腔的LHZ退火器中，每个自旋被编码在由3D微波超导谐振腔的两个相位相反的相干态构成的子空间中，从而将全连接的伊辛模型映射到具有局域可调三腔相互作用的谐振腔网络上.这种硬件结构为实现具有改进相干性的量子退火器提供了一个有前途的物理平台。
2017-12-12 quant-ph
Quadratic Unconstrained Binary Formulation for Traffic Signal Optimization on Real-World Maps
本研究针对现有量子退火交通信号优化设定不切实际的问题，提出可处理T形及多岔路的QUBO公式，经SUMO仿真验证可减少车辆红灯等待时间，但对比发现D-Wave机无法找到最优解且计算慢于Gurobi Optimizer。
2024-12-10 quant-ph
Quantum Annealing for Automated Feature Selection in Stress Detection
University of Kentucky（肯塔基大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
我们提出了一种新的方法，使用量子退火（QA）从生理信号池中自动选择特征子集。作为一个案例研究，我们将探讨基于QA的特征选择技术在选择最佳特征子集进行应力检测的有效性。特征提取从四个信号源：脚EDA，手EDA，心电图，和呼吸。该方法将从生理信号中提取的特征变量嵌入到二次模型中。使用特征变量和目标变量之间的Pearson相关系数计算特征变量的偏差。连接两个特征变量的边的权重使用二元二次模型中两个特征变量之间的皮尔逊相关系数来计算。随后，使用D-Wave的团采样器从二元二次模型中采样团。然后对底层解进行重新采样以获得多个好解，并将具有最低能量的团作为最优解返回。所提出的方法与常用的特征选择技术进行比较应力检测。结果表明，基于问答的特征子集选择与经典技术的性能相同。然而，在数据不确定性条件下，如有限的训练数据，选择最佳特征的量子退火的性能保持不受影响，而经典的特征选择技术的性能显着下降。初步结果表明，量子退火在优化机器学习分类器的训练阶段，特别是在数据不确定性条件下的承诺。
2021-06-09 cs.LG quant-ph
Quantum annealing speedup over simulated annealing on random Ising chains
通过对Jordan-Wigner费米子化问题的等基精确确定性动力学，我们证明了一维随机伊辛模型的量子退火（QA）薛定谔动力学比Glauber主方程模拟退火（SA）有二次加速.这是值得注意的，鉴于Katzgraber等人的论点，PRX 4，021008（2014），因为SA没有遇到任何相变，而QA遇到了。我们还发现了第二个显着的结果：“量子启发”的虚时薛定谔QA提供了进一步的指数加速，即，渐近残余误差随着退火时间$τ$的幂律$τ^{-μ}$而减小。
2016-02-05 cond-mat.stat-mech physics.comp-ph quant-ph
Quantum Annealing Applied to De-Conflicting Optimal Trajectories for Air Traffic Management
提出了一类简化的空中交通管理（ATM）问题（战略冲突解决）到二次无约束布尔优化（QUBO）问题的映射。映射是通过冲突解决问题的原始表示在冲突图方面执行的，其中图的节点表示航班，边表示航班之间的潜在冲突。该表示允许将与大西洋上的风最佳轨迹相关的真实世界实例自然分解为较小的子问题，这些子问题可以离散化，并且可以在量子退火器中进行编程。在这项研究中，我们测试了新的编程技术，并使用经典求解器和D-Wave 2X和D-Wave 2000 Q量子芯片对实例的硬度进行了基准测试。初步结果表明，对于合理的建模选择，在当前设备中可编程的最具挑战性的子问题在一秒的退火时间内以99%的概率被解决为最优。
2019-02-21 cs.DS quant-ph
Quantum Annealing Enhanced Markov-Chain Monte Carlo
本研究提出将量子退火集成到MCMC子程序中的QAEMCMC方法，针对Sherrington-Kirkpatrick模型测试表明其能隙更大、能量收敛更快、分布差异更小，性能优于经典MCMC，为复杂系统采样提供高效方案。
2025-02-12 quant-ph
The Steiner Tree Problem: Novel QUBO Formulation and Quantum Annealing Implementation
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
本文提出了一种基于量子退火的新算法，用于解决Steiner树问题，通过QUBO建模和编码策略实现高效求解。
2026-03-04 quant-ph
Quantum Annealing for Prime Factorization
我们已经开发了一个框架，将任意整数分解问题转换为可执行的伊辛模型，首先将其作为优化函数，然后使用辅助变量将k位耦合（$k\geq 3$）项转换为二次项。该方法是有效的，并使用$\mathcal{O}(\text{log}^2(N))$二进制变量（量子位）来寻找整数$N$的因子。使用D-Wave 2000 Q测试了该方法，以找到嵌入并确定给定合数的素因子。作为例子，我们提出了量子退火的结果，分别使用4，12，59，和94逻辑量子比特的因子分解15，143，59989，和376289。该方法具有通用性，可用于较大数值的因式分解
2018-06-11 quant-ph
Benchmark of quantum-inspired heuristic solvers for quadratic unconstrained binary optimization
最近，受量子退火的启发，许多专门用于无约束二进制二次规划问题的求解器已经被开发出来。为了进一步改进和应用这些求解器，重要的是要澄清不同类型的问题，他们的性能的差异。在这项研究中，四个二次无约束二进制优化问题求解器，即D-Wave混合求解器服务（HSS），东芝模拟分叉机（SBM），富士通DigitalAnnealer（DA），和模拟退火在个人电脑上的性能进行了基准测试。用于基准测试的问题是MQLib中的真实问题实例、随机不全相等3-SAT（NAE 3-SAT）的SAT-UNSAT相变点实例以及Ising自旋玻璃Sherrington-Kirkpatrick（SK）模型。对于MQLib实例，HSS性能排名第一;对于NAE 3-SAT，DA性能排名第一;对于SK模型，SBM性能排名第一。这些结果可能有助于了解这些求解器的优点和缺点。
2021-12-15 math.OC quant-ph
How to Approximate any Objective Function via Quadratic Unconstrained Binary Optimization
二次无约束二进制优化（QUBO）已经成为使用量子计算机进行优化的标准格式，即，量子近似优化算法（QAOA）和量子退火（QA）。我们提出了一个工具包的方法来转换几乎任意的问题，以QUBO（i）近似他们作为一个多项式，然后（ii）转换任何多项式的QUBO。我们展示了我们的方法在两个示例问题（比率切割和逻辑回归）上的使用。
2022-04-23 quant-ph
Efficient Construction of Feasible Solutions in Column Generation using Quantum Annealing
本文针对列生成求解约束0-1二次规划时连续松弛解不可行的问题，提出两阶段后处理方法，将连续解映射为可行0-1解并用约束感知局部搜索优化，实验表明该方法可在显著缩短计算时间的同时获得与商业求解器相当的求解质量。
2025-08-19 cond-mat.dis-nn quant-ph
Finding Hadamard matrices by a quantum annealing machine
在所有相应阶数的二元矩阵集合中寻找一个Hadamard矩阵（H矩阵）是一个很难的问题，而量子计算有可能解决这个问题。我们提出了一种方法来制定的哈密顿寻找H-矩阵问题，并解决其现有的量子退火机（QAM），允许高达二次项的实施限制，而问题自然会引入高阶。对于一个M阶H矩阵，这样的限制将变量的数量从M^2增加到（M^3 +M^2-M）/2，这使得哈密顿量的公式太详尽而无法手工完成。我们使用符号计算技术来处理这个问题。讨论了三种相关情况：（1）求N < M的正交二元向量，（2）求M-正交二元向量，这等价于求H-矩阵，（3）求M阶H-矩阵的N-消去向量。文中还讨论了用两体模拟退火软件和实际量子退火硬件解决问题的方法。
2019-03-26 quant-ph
Nested Quantum Annealing Correction
我们提出了一个通用的量子退火纠错方案，允许将一个逻辑量子比特编码成任意大数量的物理量子比特。给定任何伊辛模型优化问题，编码将每个逻辑量子比特替换为度为$C$的完整图，表示纠错码的距离。随后的次要嵌入步骤然后在量子退火器的底层硬件图上实现编码。我们通过实验证明，随着$C$的生长，D-Wave 2量子退火器件的性能得到改善。我们表明，性能的改善可以解释为所产生的问题哈密顿量的能量尺度的有效增加，或等效地，在该设备工作的温度有效降低。数字$C$因此允许我们控制对热和控制错误的保护量，特别是，用$η\leq 2$来交换量子位以获得与$C^{-η}$成比例的较低有效温度。这种有效的温度降低是迈向可扩展量子退火的重要一步。
2015-11-22 quant-ph
Quantum annealing with a network of all-to-all connected, two-photon driven Kerr nonlinear oscillators
量子退火旨在解决映射到量子自旋之间的伊辛相互作用的组合优化问题。限制量子退火机成功的一个关键因素是它对噪声的敏感性，因此深入的研究集中在开发抗噪声退火机上。在这里，我们提出了一个新的范例量子退火与可扩展网络的所有到所有连接，双光子驱动克尔非线性谐振器。这些谐振器中的每一个在由两个相反相位的相干态形成的鲁棒简并子空间中编码伊辛自旋。全连接优化问题被映射到驱动谐振器的局部场，谐振器本身通过局部四体相互作用连接。我们描述了一个绝热退火协议在这个系统中，并分析其性能的光子损失的存在。数值模拟表明这种噪声信道具有很大的弹性，使其成为实现大规模量子伊辛机的有前途的平台。最后，我们提出了一个现实的电路QED实现这一计划。
2016-09-22 quant-ph
May a dissipative environment be beneficial for quantum annealing?
讨论了全连接铁磁$ p $-自旋模型在低温耗散环境中的量子退火。这个模型，在大的$ p $限制，编码在其基态的解决方案的格罗弗的问题，在未排序的数据库中搜索。在量子线路模型的框架中，量子算法已知用于此任务，相对于其最佳经典对应物提供二次加速。这种改进在孤立量子处理器的绝热量子计算中无法恢复。我们分析了同样的问题，在低温水库的存在下，使用马尔可夫量子主方程的Lindblad形式，我们表明，在适度耦合到量子退火的零温度环境的存在下，实现了热增强。
2019-01-23 quant-ph
Quantum Annealing for Dynamic Portfolio Optimization under Realistic Transaction Costs
BBVA Quantum（BBVA量子）；Department of Computer Architecture and Automation, Complutense University of Madrid（马德里康普顿斯大学计算机体系结构与自动化系）
研究现实交易与配置约束下量子和经典投资组合构建策略，将量子投资组合选择问题转化为QUBO并嵌入CQM求解，引入经典基准策略，从业务和计算性能评估效率，比较以明确量子退火作用及局限。
2026-07-07 quant-ph
Quantum Annealing Implementation of Job-Shop Scheduling
针对车间作业调度问题（JSP），提出了一种量子退火算法。制定的问题作为一个时间索引的二次无约束二进制优化问题后，几个预处理和图形嵌入策略编译最佳参数化家庭的JSP调度实例多达6个工作和6台机器上的D-波系统维苏威火山处理器。问题的简化和分区算法，包括变量修剪和运行策略，考虑量身定制的二进制搜索，进行了讨论，并从处理器的结果进行比较，对国家的最先进的全球最优解算器。
2016-10-17 math.OC quant-ph
Influence of Different 3SAT-to-QUBO Transformations on the Solution Quality of Quantum Annealing: A Benchmark Study
本文在D-Wave Advantage_system4.1上基准比较四种3SAT到QUBO变换，证明变换选择及二次值数量与范围显著影响正确解数量，而QUBO矩阵规模并非可靠预测指标。
2023-05-01 quant-ph
Individual subject evaluated difficulty of adjustable mazes generated using quantum annealing
本研究将标准迷宫生成算法重构为量子退火器适用的二次无约束二元优化问题，引入$Q_{update}$代价函数调节迷宫难度，经12名人类受试者测试评估难度，并对比了量子、经典及混合求解器的生成效率。
2023-11-10 cond-mat.dis-nn quant-ph
Solving (Max) 3-SAT via Quadratic Unconstrained Binary Optimization
我们介绍了一种新的方法，将任意3-SAT实例转换为二次无约束二进制优化（QUBO），因为它们被量子退火（QA）或量子近似优化算法（QAOA）使用。我们的方法需要更少的耦合和更少的物理量子位比目前的最先进的，这导致更高的解决方案质量。我们通过在D-Wave量子退火机上进行测试，验证了该方法的实用性。
2023-02-07 cs.ET quant-ph
Quantum Annealing with chaotic driver Hamiltonians
研究在量子退火中引入基于SYK模型的混沌量子驱动哈密顿量，发现其非局域性与非对易性在MaxCut和LABS等大规模优化任务中相比传统横向场退火能实现显著加速。
2024-09-30 cond-mat.str-el quant-ph
Necessary Adiabatic Run Times in Quantum Optimization
量子退火保证在绝热极限下找到优化问题的基态。最近的工作[Phys. Rev. X 6，031010（2016）]发现，对于一些势垒隧穿问题，量子退火可以比物理要求的速度快得多。具体地，提出了$n$ -量子位优化问题，其中非绝热或绝热退火算法仅需要恒定的运行时间，而绝热退火算法需要$n$中的运行时间多项式。在这里，我们表明，这种非绝热加速是一个特定的对称性在研究的问题的直接结果。在更一般的情况下，不发生这种非绝热加速。我们还表明，为什么特殊情况下实现这种速度相比，一般情况下。我们得出结论，绝热退火算法有一个必要的和充分的运行时间，比标准的量子绝热条件表明，是二次方更好。
2017-02-04 quant-ph
Optimizing the Production of Test Vehicles using Hybrid Constrained Quantum Annealing
预生产车辆配置的优化是汽车行业的挑战之一。给定一个需要具有某些特征的汽车的测试列表，希望找到覆盖测试并遵守配置规则的最少数量的汽车。在本文中，我们模型的可满足性的框架下，并解决它，利用新引入的混合约束二次模型（CQM）求解器提供的D-Wave。问题定义基于宝马量子计算挑战赛中给出的“优化测试车辆的生产”用例。我们制定了一个约束二次模型的问题，并使用贪婪算法来配置汽车。我们将CQM求解器的结果与CBC（Coin-or branch and cut）和Guidelines等经典求解器的结果进行基准测试。我们的结论是，CQM求解器的性能相比，经典的求解器在优化测试车辆的数量。作为问题的扩展，我们描述了如何调度的测试可以纳入模型。
2022-03-29 math.OC quant-ph
Quantum Approximate Optimization Algorithm in Finite Size and Large Depth and Equivalence to Quantum Annealing
本文解析证明QAOA在角度平滑变化且总和有界时能量收敛于量子退火，推翻两者机制根本不同的看法，并改进SK模型编译深度界限。
2025-10-08 quant-ph
Trust Region Bayesian Optimization of Annealing Schedules on a Quantum Annealer
Pusan National University（釜山国立大学）；VinUniversity（越南大学）；PHENIKAA University（菲尼亚大学）；Trinity College Dublin, The University of Dublin（都柏林三一学院，都柏林大学）
本文提出信任域贝叶斯优化（TuRBO）框架，联合优化量子退火机的退火时间和傅里叶参数化调度，在模拟中优于随机和贪婪搜索，提升能量、可行解概率并降低链断裂。
2025-10-17 quant-ph
Quantum Annealing for Neural Network optimization problems: a new approach via Tensor Network simulations
本文提出用张量网络模拟量子退火，高效优化神经网络代价函数，并将优化态转化为深度线性扩展的量子电路，为近期量子设备上的电路优化提供起点。
2023-03-10 quant-ph
A Quantum Annealing Approach for Fault Detection and Diagnosis of Graph-Based Systems
诊断能够解释一组给定观测的最小故障集，例如，从传感器读数，是一个很难的组合优化问题，通常用人工智能技术解决。我们提出了这个组合问题的映射到二次无约束二进制优化（QUBO），和嵌入到一个量子退火设备与509量子位的实例的实验结果。除了是第一次提出量子方法来解决高级诊断社区中的问题之外，据我们所知，这项工作也是第一次利用路线问题$\rightarrow$ QUBO $\rightarrow$直接嵌入量子硬件的研究，在那里我们能够实现和解决大小超出先前报告的玩具模型原理证明量子退火实现的问题实例;这是通过直接嵌入绝热量子优化解决问题的重大飞跃。我们讨论了当前这一代量子设备中的一些可编程性挑战，以及将这项工作扩展到更复杂的任意网络图的一些可能方法。
2014-10-02 quant-ph
Optimal Control of Traffic Signals using Quantum Annealing
二次无约束二进制优化（QUBO）是一种用于描述和解决一类组合优化问题的数学形式。由于它们与统计力学中铁磁性的二维伊辛模型的天然等价性，来自QUBO类的问题可以在量子退火硬件上解决。在本文中，我们报告了一个QUBO格式的问题的最优控制的时间依赖的交通信号在人工网格结构的道路网络，以缓解交通流量，并使用D-Wave系统的量子退火来解决它。由于目前的D-Wave退火器有有限的量子位数和有限的量子位之间的连接，我们采用混合（经典/量子）的方法来解决这个问题。由于交通流是一个连续的和不断发展的现象，我们解决这个时间依赖性的问题，采用工作流周期性地生成和解决多个问题实例。
2020-11-07 quant-ph
Uncertain fate of fair sampling in quantum annealing
最近，在D-Wave量子退火机上从理论和实验两方面证明了横向场量子退火不能以相等的概率找到所有的基态。特别是，有人提出，更复杂的驱动器哈密顿超越横向领域可能会减轻这一缺点。在这里，我们研究量子退火中的（不）公平采样机制。虽然高阶项可以提高选定的小问题的采样，我们提出了多个反例，其中驱动器超出横向领域的哈密顿算子不删除采样偏差。利用微扰理论，我们解释了为什么会出现这种情况。此外，我们提出了大规模的量子蒙特卡罗模拟自旋玻璃已知的简并在两个空间维度，并证明了公平的采样性能的二次驱动程序项是标准的横向场驱动程序。我们的研究结果表明，量子退火机不太适合采样应用，除非后处理技术，以提高采样应用。
2019-09-21 cond-mat.dis-nn quant-ph
Network-based prediction of drug combinations with quantum annealing
Universidade do Porto（波尔图大学）；German Aerospace Center (DLR)（德国航空航天中心）；Instituto de Telecomunicações (IT)（电信研究所）；strategies GmbH（21策略有限公司）
本文提出基于量子退火的算法，用于预测有效的药物组合，通过互补暴露原理识别疾病模块中的互补区域。
2026-09-24 quant-ph
Reverse Quantum Annealing Approach to Portfolio Optimization Problems
研究了均值-方差投资组合优化问题的量子-经典混合求解方法。从真实的金融数据统计开始，并遵循现代投资组合理论的原则，我们生成了投资组合优化问题的参数化样本，这些问题可以与模拟D-Wave Quantum Annealer 2000 Q中可编程的二次二元优化形式相关。这些实例也可以通过行业建立的遗传算法方法来解决，我们将其用作经典基准。我们研究了几种选择来最佳地运行量子计算，最终发现，最好的结果，在预期的时间到解决方案作为最难的实例集的变量的数量的函数，通过种子的量子退火器与解决方案的候选人找到一个贪婪的本地搜索，然后执行反向退火协议。优化的反向退火协议被发现是超过100倍的速度比相应的正向量子退火平均。
2018-10-25 q-fin.CP q-fin.PM quant-ph
A study of the optimization problem on the combination of sectionalizing switches in power grid with quantum annealing
针对电网开关组合优化问题，提出将其转化为QUBO模型并用量子退火求解，以降低功率损耗，并已获日本专利。
2023-05-13 quant-ph
