Scalable embedding of parity constraints in quantum annealing hardware
本文提出固定、模块化且可扩展的奇偶映射嵌入方法，用于将任意伊辛哈密顿量表示的组合优化问题嵌入量子退火硬件，并验证嵌入后哈密顿量的物理性质与原问题一致。
2024-05-23 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
Implementing transferable annealing protocols for combinatorial optimisation on neutral atom quantum processors: a case study on smart-charging of electric vehicles
本文利用贝叶斯优化设计可迁移的准绝热退火协议，实现中性原子量子处理器上最大独立集及电动汽车智能充电问题的参数复用与百量子比特扩展。
2025-05-16 quant-ph
Variational and Annealing-Based Approaches to Quantum Combinatorial Optimization
Exponential Science Foundation（指数科学基金会）
本文综述了量子组合优化方法，探讨了量子退火、QAOA、QRL和QGM等算法，并分析了其在物流、金融等领域的应用潜力。
2026-03-19 cs.ET quant-ph
Quantum Annealing for Combinatorial Clustering
聚类是一种强大的机器学习技术，它根据“相似”数据点的特征对其进行分组。许多聚类算法通过近似最小化目标函数来工作，即点之间的聚类内距离之和。直接的方法包括检查每个聚类的所有可能的点分配。这种方法保证了解决方案将是全局最小值，但是可能的分配数量随着数据点的数量迅速增加，即使对于非常小的数据集也变得难以计算。为了规避这个问题，成本函数最小值，发现使用流行的本地搜索为基础的启发式方法，如k-means和层次聚类。由于其贪婪的性质，这种技术不能保证找到全局最小值，并可能导致次优的聚类分配。其他类别的基于全局搜索的技术，如模拟退火，禁忌搜索和遗传算法可能会提供更好的质量结果，但可能太耗时的实施。在这项工作中，我们描述了如何量子退火可以用来进行聚类。我们将聚类目标映射到二次二进制优化（QUBO）问题，并讨论了两种聚类算法，然后在商用量子退火硬件上实现，以及在纯经典求解器“qbsolv”上实现。“第一种算法将N个数据点分配给K个聚类，第二种算法可用于以分层方式执行二进制聚类。我们提出了我们的结果的形式对著名的k-means聚类的基准，并讨论了所提出的技术的优点和缺点。
2018-01-26 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
Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches
本研究针对四类组合优化问题，系统基准测试多种非容错量子计算算法及经典对比方法，发现无单一算法能全场景最优，为相关领域发展提供客观性能参考。
2024-10-30 quant-ph
Quantum annealing and the Schrödinger-Langevin-Kostin equation
在量子组合优化或量子退火的背景下，我们展示了非线性薛定谔-朗之万-科斯京方程如何动态地将系统推向其基态。此外，我们说明了如何摩擦力的Kostin型可以防止出现真正的量子问题，如布洛赫振荡和安德森局域化，这将阻碍一个详尽的搜索。
2008-12-03 quant-ph
2D implementation of quantum annealing algorisms for fourth order binary optimization problems
量子退火在解决K阶二进制优化问题时可能比模拟退火具有更大的优势。在当前量子退火硬件上不存在实现高阶优化问题（K > 2）的可行架构。我们提出了一个二维量子退火架构来解决四阶二进制优化问题，通过编码四个量子位的相互作用在耦合的局部场作用于一组物理量子位。所有可能的N量子位系统的四体耦合项都可以通过这种架构来实现，并且可以很容易地用现有的超导电路技术来实现。物理量子位的开销是O（N4），这与之前提出的四维空间架构相同。实验系统的规范不变子空间保证了优化问题哈密尔顿算子和可执行哈密尔顿算子之间的等价性。提出了一种利用单个辅助量子比特实现局域规范约束的方案。
2016-05-12 quant-ph
Ising formulation of integer optimization problems for utilizing quantum annealing in iterative improvement strategy
量子退火是一种用于搜索伊辛模型的基态的启发式算法。启发式算法的目标是以合理的计算时间获得近似最优解。因此，迄今为止已经提出了许多算法。一般来说，启发式算法的性能很大程度上取决于要解决的组合优化问题的实例，因为它们以不同的方式逃避局部极小值。因此，将几种算法结合起来，利用它们的互补优势，对于获得广泛的组合优化问题的高精度解是有效的。然而，量子退火不能用于改进由其他算法获得的候选解，因为它从初始状态开始，在该初始状态中，以均匀的概率找到所有自旋配置。在这项研究中，我们提出了一个伊辛制定的整数优化问题，利用量子退火的迭代改进策略。我们的公式利用了横向磁场量子退火中简并基态的偏置采样。我们还分析表明，一阶相变是成功地避免了一个完全连接的铁磁Potts模型，如果一个基态和候选解决方案之间的重叠超过一个阈值。所提出的配方是适用于广泛的整数优化问题，使我们能够杂交量子退火与其他优化算法。
2022-11-08 quant-ph
Quantum Simulated Annealing
通过对经典退火过程的量子模拟，提出了一种求解组合优化问题的量子算法。我们的算法结合了量子行走，量子相位估计和量子芝诺效应的技术。它可以被看作是经典模拟退火的离散时间马尔可夫链蒙特卡罗实现的量子模拟。我们的实施规模与在经典模拟中使用的随机矩阵的最小频谱间隙的平方根的倒数。量子算法优于经典算法，后者与间隙的倒数成比例。
2007-12-06 quant-ph
Benchmarking Quantum Annealing Controls with Portfolio Optimization
量子退火提供了一种新的方法来寻找各种计算问题的最佳解决方案，其中量子退火控制通过调整底层量子动力学来影响观察到的性能和错误机制。然而，现有控制的影响往往知之甚少，评估这些控制的影响的方法是必要的，以调整量子计算性能。在这里，我们使用投资组合优化作为一个案例研究，基准量子退火控制及其对计算精度的相对影响。我们比较经验的结果，从D-Wave 2000 Q量子退火机的计算地面真理的各种投资组合优化的情况。我们评估正向和反向退火方法，我们确定控制变化，产生最佳性能的成功概率和断链概率。
2020-07-06 quant-ph
Comparative analysis of diverse methodologies for portfolio optimization leveraging quantum annealing techniques
本文通过数值实验比较多种非常规量子退火算法在无约束单期离散均值-方差投资组合优化问题上的表现，发现部分方法在正向退火下可提高成功概率，而反向退火调度能显著改善特定算法的性能。
2024-07-08 quant-ph
Benchmarking Embedded Chain Breaking in Quantum Annealing
量子退火通过寻找嵌入的哈密顿量的能量基态来解决组合优化问题。然而，在嵌入的哈密顿量下的量子退火动力学可能违反绝热演化的原理，并产生对应于计算解中的误差的激发。在这里，我们凭经验基准链断裂的概率，并确定甜蜜点解决一套嵌入式哈密顿。我们进一步将量子退火硬件中链断裂的物理位置与底层嵌入技术相关联，并在量身定制的后处理策略中使用这些局部化速率。我们的结果展示了如何使用量子退火硬件的表征来调整嵌入的哈密顿量并消除计算误差。
2021-04-07 quant-ph
Multi-objective optimization by quantum annealing
D-Wave Quantum Inc.（D-Wave量子公司）
本文针对生成Pareto front的多目标优化任务，在相同输入问题和方法论下对比了量子退火与QAOA等方法，发现量子退火不仅远超IBM处理器上的QAOA及既往经典和量子方法，还在较难问题上改进了已知最佳Pareto front，展现了量子退火在该领域的潜力。
2025-11-03 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
Genetic optimization of quantum annealing
近年来，通过调节演化的速度和引入反绝热势来对量子退火进行最优控制的研究受到了极大的关注。在这项工作中，我们提出了一种基于遗传算法的数值方法，以提高量子退火的性能，它回避了朗道-齐纳跃迁导航到最终的哈密顿量的基态的高概率。我们从多项式拟合开始优化退火时间表，将其系数作为遗传算法的染色体。我们还探索通过计算一个实际可行的$k$ -局部最优驾驶算子的绝热性的捷径，表明即使对于$k=1$，我们实现了大幅度提高的保真度超过标准退火解决方案。通过这些遗传优化的退火时间表和/或最佳驱动算子，我们能够在相对较短的时间尺度内执行量子退火，并且与传统方法相比具有更大的保真度。
2021-11-30 quant-ph
Designing Quantum Annealing Schedules using Bayesian Optimization
本研究提出用贝叶斯优化设计低需求的量子退火调度，在自旋模型上实现远超标准协议的保真度，还可改进混合量子算法并经中性原子量子处理器实验验证。
2023-05-22 quant-ph
Quantum Annealing with Qubit-Resonator Systems for Simultaneous Optimization of Binary and Continuous Variables
针对同时包含二进制和连续变量的优化问题，提出一种基于量子比特与谐振器混合系统的量子退火方法，构建一般框架并通过数值模拟验证其可行性与有效性。
2025-06-25 quant-ph
Optimizing Schedules for Quantum Annealing
经典和量子退火是两种启发式优化方法，通过缓慢降低热或量子波动来搜索最优解。优化退火时间表对于经典退火、量子退火和其他算法之间的性能和公平比较都很重要。在这里，我们提出了一个启发式的量子退火退火时间表的优化方法，并将其应用到三维伊辛自旋玻璃问题。我们发现，如果经典和量子退火时间表同样优化，经典退火优于量子退火这些问题时，考虑到在缓慢退火中获得的剩余能量。然而，当执行许多重复的快速退火时，模拟量子退火被认为优于经典退火。
2017-05-01 quant-ph
Quantum annealing inspired algorithms for the NISQ Era
Jülich Supercomputing Centre, Forschungszentrum Jülich（于利希超级计算中心，于利希研究中心）；RWTH Aachen University（亚琛工业大学）；Modular Supercomputing and Quantum Computing, Goethe University Frankfurt（法兰克福歌德大学模块化超算与量子计算）；Department of Computer Science, University of Cologne（科隆大学计算机科学系）
本文研究了适用于NISQ时代的受量子退火启发的算法，分析了近似量子退火并提出演化哈密顿量量子优化方法，通过参数扫描和数值模拟展示其在改进变分量子优化中的有效性。
2026-04-28 quant-ph
Unfair Sampling of Quantum Annealing in Weighted Graph Bipartitioning Problems
Graduate School of Science and Technology, Keio University（庆应义塾大学理工学研究科）；Dept. of Appl. Phys. and Physico-Informatics, Graduate School of Science and Technology, KSQAIC, WPI-Bio2Q, Keio University（庆应义塾大学理工学研究科应用物理与物理信息系）
研究量子退火在加权图双分问题中的不公平采样现象，分析惩罚系数对采样公平性的影响，发现增加惩罚系数可提高采样公平性，但会降低基态概率。
2026-08-26 quant-ph
Greedy parameter optimization for diabatic quantum annealing
量子计算需要更短的处理时间以最小化噪声的影响。我们提出了一个简单的程序，以变分确定一组参数的横向场伊辛模型的量子退火附加沿$y$轴的字段。该方法包括贪婪优化的符号的系数的$y$字段项的基础上的输出短退火过程。我们测试的想法在铁磁系统的所有到所有的耦合和自旋玻璃问题，并发现该方法优于传统形式的量子退火和模拟退火的成功概率和时间的解决方案，特别是在较短的退火时间的情况下，实现了提高性能的目标，同时避免噪音。非随机$σ^y$项可以通过自旋空间中的旋转来消除，从而导致随机横场伊辛模型中系数的非平凡非绝热控制，这对于实验实现可能是可行的。
2022-12-07 quant-ph
An introduction to quantum annealing
量子退火，或量子随机优化，是一个经典的随机算法，它提供了很好的算法解决困难的优化问题。该算法由量子系统的行为提出，是经典和量子计算机科学之间复杂交叉污染的一个例子。在这篇综述论文中，我们说明了如何通过量子计算来解决组合问题，并提出了量子退火提供的算法的一些例子。我们还提出了量子耗散（作为假想时间演化的替代）的应用程序的任务，驱动量子系统向其最低能量状态的初步结果。
2011-07-05 quant-ph
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
PyQUBO: Python Library for Mapping Combinatorial Optimization Problems to QUBO Form
我们提出PyQUBO，一个开源的Python库，用于从优化问题的目标函数和约束中构建二次无约束二进制优化（QUBO）。PyQUBO使用户能够轻松地为各种组合优化问题准备QUBO或伊辛模型，这要归功于表达式的抽象和程序的可扩展性。使用PyQUBO制定的QUBO和伊辛模型可通过伊辛机（包括量子退火机）求解。我们介绍了PyQUBO的特点，并将其应用于数划分问题、背包问题、图着色问题和使用二进制乘法器的整数分解。此外，我们还演示了PyQUBO如何通过与量子退火机的集成应用于生产规模的问题。通过其灵活性和易用性，PyQUBO有可能使量子退火成为研究人员中更实用的工具。
2021-03-03 cs.ET quant-ph
Perspectives of quantum annealing: Methods and implementations
量子退火是一种计算范式，其雄心勃勃的目标是有效地解决具有实际重要性的大规模组合优化问题。然而，在实现这一目标之前，还需要克服许多挑战。本文首先简要介绍了量子退火的概念，然后重点介绍了可能为可行的大规模量子退火扫清道路的新途径。此外，由于这一领域的研究是在很大程度上由实验和理论之间的协同作用，我们在这项工作中讨论。本文的一个重要重点是未来的观点，这补充了其他评论文章，我们希望这将激励进一步的研究。
2019-03-15 quant-ph
Tunneling through high energy barriers in simulated quantum annealing
我们分析了模拟量子退火（SQA）的优化问题，模拟经典退火（SA）是证明效率低下，因为一个高的能量障碍的性能。我们提出的证据表明，SQA可以通过这个障碍，找到有效的全球最低。这证明了SQA继承量子退火（QA）的一些优点的潜力，因为这个问题先前已经被证明可以通过量子绝热优化有效地解决。
2014-10-30 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
Efficiency Optimization in Quantum Computing: Balancing Thermodynamics and Computational Performance
本文通过实验研究 D-Wave 量子退火器在反向退火与暂停组合下的表现，发现该组合能提升计算效率并降低热力学成本，同时揭示磁场在不同阶段的双重影响，为优化量子退火系统的性能与能耗提供策略。
2023-07-26 quant-ph
Quantum Annealing for Combinatorial Optimization: A Benchmarking Study
本文通过基准测试对比量子退火与经典求解器在组合优化中的表现，发现最先进的量子求解器在准确率和求解时间上分别提升约0.013%和6,561倍，验证了QA在大规模优化中的优势。
2025-04-08 cs.CE quant-ph
Quantum Annealing for Industry Applications: Introduction and Review
量子退火是一种启发式量子优化算法，可用于解决组合优化问题。近年来，量子技术的进步使得小型和中型量子处理器的开发成为可能，这些处理器实现了可编程使用的量子退火算法。具体来说，D-Wave Systems生产的量子退火处理器已经在不同学科的研究和工业环境中进行了广泛的研究和测试。在本文中，我们提供了一个文献综述量子退火作为一种启发式量子优化算法的理论动机，使用这种量子处理器所需的软件和硬件，以及最先进的应用程序和使用它们证明的概念证明。我们的审查的目标是提供一个集中和压缩源有关的量子退火技术的应用。我们为来自各个领域的研究人员和从业者确定了量子退火的优势，局限性和潜力。
2022-06-13 quant-ph
Quadratic Formulation of Mutual Information for Sensor Placement Optimization using Ising and Quantum Annealing Machines
针对传感器放置组合优化问题，提出将多元正态分布假设下选定与其余传感器位置间的互信息形式化为QUBO问题，并利用量子退火机求解验证，为大规模传感器优化提供了新方法。
2024-10-15 quant-ph
Solving Set Cover with Pairs Problem Using Quantum Annealing
在这里，我们考虑使用量子退火来解决集合覆盖对（SCP），一个NP-难的组合优化问题，在网络，计算生物学和生物化学中发挥着重要作用。我们展示了一个明确的伊辛哈密顿的基态编码的SCP实例的解决方案的建设。我们数值模拟了含时的薛定谔方程，以测试量子退火对随机情况的性能，并与模拟退火的性能进行了比较。我们还讨论了显式嵌入策略，实现我们的哈密顿构造的D-波型限制伊辛哈密顿的基础上嵌合图。我们在Chimera图上的嵌入保留了原始SCP实例的结构，特别是，一般完全二分图和逻辑析取的嵌入可能比我们处理的具体问题有更广泛的用途。
2016-08-30 quant-ph
Hybrid Algorithm of Linear Programming Relaxation and Quantum Annealing
针对大规模组合优化问题，提出线性规划松弛与量子退火混合算法，在最小顶点覆盖问题上优于基于分子动力学的方法，且与模拟退火混合在精度和速度上更优。
2023-08-21 quant-ph
Boosting quantum annealing performance through direct polynomial unconstrained binary optimization
本文提出利用高阶PUBO替代QUBO表述优化问题以节省量子比特，并在3-SAT基准中发现其最小能隙标度可能带来指数级更快的退火时间，从而提升量子退火的资源效率与速度。
2025-04-28 quant-ph
Quantum Annealing with Jarzynski Equality (CCP2009)
我们展示了一个著名的非平衡关系，Jarzynski等式，在量子计算的实际应用。它的实现可能会打开一个方法来解决组合优化问题，最小化一个真正的单值函数，成本函数，与许多参数。已经公开的是，用于解决一类困难优化问题的普通量子计算算法具有瓶颈，其计算时间被限制为极其缓慢而没有相关误差。然而，通过我们在本研究中展示的新策略，我们可能会克服这样的困难。
2010-07-05 quant-ph
Optimization of Connection Patterns between Mobile Phones and Base Stations using Quantum Annealing
Research Institute of Advanced Technology, SoftBank Corp.（软银公司先进技术研究院）；Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究院）；Department of Physics, Institute of Science Tokyo（东京科学大学物理系）；Sigma-I Co., Ltd.（Sigma-I有限公司）
研究针对移动网络中手机与基站连接模式的优化难题，采用量子退火算法，通过变量约简公式有效利用有限量子比特，实验表明新公式在准确性及随问题规模增大时的表现均优于传统公式。
2026-07-24 quant-ph
Comparison of QAOA with Quantum and Simulated Annealing
我们提出了量子近似优化算法（QAOA）和两个广泛研究的竞争方法，量子退火（QA）和模拟退火（SA）之间的比较。为了实现这一点，我们定义了一类优化问题，其频谱特性是完全可解的QAOA。在这个类中，我们确定的情况下，QA和SA有一个指数小的概率找到解决方案。因此，我们的研究结果定义了QAOA，模拟退火和量子退火之间的第一条分界线，并突出了基于干扰的搜索启发式算法（如QAOA）和基于热波动和量子波动（如SA和QA）的启发式算法之间的根本差异。
2019-01-07 quant-ph
Quantum Annealing for Semi-Supervised Learning
量子技术的最新进展导致了可编程量子退火机的开发和制造，这些退火机有望比经典退火机更快地解决某些组合优化问题。半监督学习是一种机器学习技术，它利用标记和未标记的数据进行训练，这使得只需要少量的标记数据就可以实现良好的分类器。在本文中，我们提出了一种基于图的半监督学习方法，并在理论上分析了量子退火技术的帮助下，有效地利用量子资源，同时保持良好的精度。我们举例说明了两个分类的例子，表明这种方法的可行性，即使有一小部分（20%）的标记数据。
2020-04-12 quant-ph
Multivariable Optimization: Quantum Annealing & Computation
量子退火技术的最新发展表明了量子退火在解决NP难优化问题中的潜在优势。在这篇文章中，我们简要地指出和讨论量子退火技术的有益特性，并将它们与模拟退火技术进行比较。然后我们简要讨论了一些模型自旋玻璃和动力学约束系统的量子退火研究。
2014-08-21 cond-mat.stat-mech quant-ph
Bandgap optimization in combinatorial graphs with tailored ground states: Application in Quantum annealing
提出了一种混合整数线性规划（MILP）方法用于Potts模型的参数估计。提出了两种算法;第一种方法估计参数，使得基态组复制用户规定的数据组;第二种方法允许用户规定基态多重性。在这两种情况下，优化过程确保带隙最大化。因此，模型参数有效地描述了宽温度范围的用户数据。这对于在量子退火硬件上模拟基于能量的图模型的开发非常有用，其中确切的模拟温度是未知的。在计算上，该方法中的内存需求随着图的大小呈指数增长。因此，这种方法实际上只能应用于小图。这些应用包括学习小生成分类器和自旋晶格模型与伊辛哈密顿描述的能量。学习大型数据集不会对这种方法造成额外的成本;然而，涉及高维数据学习的应用超出了范围。
2021-01-31 cs.DS math.CO physics.comp-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
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
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
Quantum annealing with Jarzynski equality
我们展示了Jarzynski等式在量子计算中的实际应用。它的实现可能会打开一个方法来解决组合优化问题，最小化一个真正的单值函数，成本函数，与许多参数。我们考虑将Jarzynski等式引入到求解组合优化问题的遗传算法之一量子退火算法中。普通的量子退火遭受非绝热跃迁，其速率由所考虑的量子系统的最小能隙$Δ_{\rm min.}$表征。因此，量子扫描速度被限制为非常慢，以实现获得没有相关误差的解。然而，在我们的策略中显示在本研究中，我们发现，这样的困难将不重要。
2010-07-08 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial Optimization
在这里，我们将探讨哪些启发式量子算法的组合优化可能是最实用的尝试在一个小型的容错量子计算机。我们编译电路的几个变种的量子加速模拟退火，包括那些使用qubitization或Szegedy散步，以避免经典的马尔可夫链和那些模拟的频谱间隙放大的哈密顿编码吉布斯状态。我们还优化了绝热算法，量子增强的人口转移，量子近似优化算法和其他方法的容错实现。这些方法中的许多方法都是通过调用相同的子程序来检查的;因此，无论哪种启发式方法在实践中最有效，都应该对这些原语的优化电路感兴趣。我们编译这些瓶颈的几个家庭的优化问题，并报告多久，什么规模的系统可以执行这些算法在表面码给定的资源预算范围。我们的研究结果不鼓励的概念，任何量子优化启发式实现只有二次加速将实现一个优势，在适度的超导量子位表面码处理器上的经典算法没有显着改善的表面码的实施。例如，在量子有利的假设下（例如，我们的分析表明，量子加速模拟退火将需要大约一天和一百万个物理量子比特来优化自旋玻璃，而经典模拟退火可以在大约四个CPU分钟内解决。
2020-08-05 quant-ph
Advantages of fixing spins in quantum annealing
本研究针对量子退火中固定自旋的量子-经典混合方法性能未明的问题，采用参数化固定自旋方法验证其效应，发现设定子问题的适当自旋数量对获得满意解至关重要，并确认了固定自旋后能隙的扩大。
2024-12-25 cond-mat.stat-mech quant-ph
Quantum annealing with anneal path control: application to 2-SAT problems with known energy landscapes
我们研究了D-Wave 2000 Q量子退火机上提供的一种新的用户控制功能--每个量子位的退火路径控制对量子退火性能的影响，通过数值求解用于模拟退火问题的含时哈密顿量的含时薛定谔方程来解决优化问题。退火路径控制，从而建模为一个修改的线性退火方案，导致在一个先进的和滞后的计划。所考虑的优化问题是具有12个布尔变量、已知唯一基态和高度简并的第一激发态的2-SAT问题。我们表明，调整退火路径控制可以导致扩大的最小光谱间隙的一个或两个数量级和增强的成功概率找到的最优化问题的解决方案。我们仔细检查各种迭代方法的基础上的自旋flopppiness，平均自旋值，和平均能量，并描述他们的性能，提高量子退火过程。
2018-10-04 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
Enhancing quantum annealing performance by a degenerate two-level system
量子退火是一种避免组合优化问题计算代价增加的创新思想和方法。由于组合优化问题普遍存在，量子退火机以其高效性和可扩展性将在许多领域产生不可估量的影响。然而，传统的量子退火机可能不具有用于找到解的高成功概率，因为能隙作为系统尺寸的函数而指数地闭合。提出一个寻找高成功概率的想法是最重要的问题之一。在弱纵向磁场区，简并二能级系统比传统的自旋1/2模型具有更高的成功几率。这背后的物理是，在这个模型中的量子退火可以减少到自旋-1/2模型中，其中有效的纵向磁场可以打开能隙，这抑制了朗道-齐纳隧穿提供基态的泄漏。我们也给出了$Λ$型系统的成功概率，它可能比传统的自旋1/2模型显示出更高的成功概率。
2019-12-23 cond-mat.stat-mech quant-ph
Speedup of high-order unconstrained binary optimization using quantum Z2 lattice gauge theory
该研究将高阶无约束二进制优化映射到对偶图上的量子 Z2 格点规范理论，提出受规范对称性保护的规范局域量子退火及量子启发经典算法，实现一个数量级的计算加速。
2025-03-18 quant-ph
Reusability Report: Comparing gradient descent and monte carlo tree search optimization of quantum annealing schedules
我们提供了Chen等人在“Optimizing quantum annealing schedules with Monte Carlo tree search enhanced with neural networks”中提出的方法的可重用性报告，并在Max-Cut问题上添加了更多基准。
2022-10-07 cond-mat.dis-nn quant-ph
