Image recognition with an adiabatic quantum computer I. Mapping to quadratic unconstrained binary optimization
许多人工智能(AI)问题自然映射到NP难优化问题。这有一个有趣的结果,即在机器中实现人类水平的能力通常需要能够处理形式上棘手问题的系统。这个问题有时(但可能不总是)可以通过构建专用的启发式算法来解决,针对所讨论的问题。由于自动化某些人类自然任务的持续困难,人工智能研究人员仍然有强烈的动机去研究和应用新的算法和技术来解决人工智能难题。最近,已经提出了一类新的需要量子力学硬件的相关算法。这些算法,被称为量子绝热算法,代表了一种新的方法来设计完整的和启发式求解NP难优化问题。在这项工作中,我们将描述如何将图像识别(这是一个典型的NP-难AI问题)公式化为二次无约束二进制优化(QUBO)问题。QUBO格式对应于D-Wave超导绝热量子计算(AQC)处理器所需的输入格式。
2008-04-28 quant-ph
Does Adiabatic Quantum Optimization Truly Fail for NP-complete problems?
最近有人认为,绝热量子优化将无法解决NP完全问题,因为发生指数小的差距,由于交叉的局部极小值的最终哈密顿与其全球最小接近绝热演化的结束。利用微扰展开,我们解析地证明了对于最大独立集的NP-困难问题,总是存在绝热路径,沿着绝热路径不发生这样的交叉。因此,为了证明绝热量子优化对于任何NP完全问题都是失败的,必须证明在多项式时间内不可能找到任何这样的路径。
2011-01-11 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
Investigating the Performance of an Adiabatic Quantum Optimization Processor
绝热量子优化为求解困难优化问题提供了一种新的方法。在本文中,我们计算的绝热量子优化NP难伊辛自旋玻璃实例类与多达128个二进制变量的过程中的最小间隙确定的中值绝热时间(秒)。使用从一个现实的超导绝热量子处理器获得的参数,我们提取的最小间隙和矩阵元素,使用高性能的量子蒙特卡罗模拟在一个大规模的基于互联网的计算平台。我们比较了两个经典的求解器的中值运行时间与中值绝热时间,发现对于所考虑的问题大小,模拟处理器架构的绝热时间比两个经典求解器的时间短约4和6个数量级。这表明,如果绝热时间尺度决定计算时间,绝热量子优化将明显优于那些经典的求解器的中值自旋玻璃问题的至少高达128量子位。我们还讨论了重要的附加约束,影响一个现实的系统的性能。
2011-01-27 cond-mat.dis-nn cond-mat.stat-mech cs.DS
Gradient-free pulse optimization for adiabatic control in open few-body quantum systems
The Hebrew University of Jerusalem(耶路撒冷希伯来大学)
本文提出一种无需梯度的脉冲优化方法,用于开放少体量子系统的绝热控制,通过结合先进优化工具和专门成本函数,实现了高效且稳健的控制方案,并在真实量子硬件上验证了其性能。
2026-02-05 quant-ph
Quantum Monte Carlo Simulations of Tunneling in Quantum Adiabatic Optimization
我们探讨在何种程度上路径积分量子蒙特卡罗方法可以有效地模拟量子绝热优化算法的隧穿行为。具体来说,我们看看在n位定义的对称成本函数,一个成功的优化算法将不得不隧道通过一个单一的潜在障碍。这个障碍的高度和宽度取决于n,通过调整这些依赖关系,我们可以使优化算法在多项式时间内成功或失败。本文比较了量子绝热隧穿和路径积分量子蒙特卡罗方法的强度。我们发现的数值证据表明,量子蒙特卡罗算法将成功在相同的制度,量子绝热优化成功。
2015-09-17 quant-ph
De-Signing Hamiltonians for Quantum Adiabatic Optimization
由非随机哈密顿算子驱动的量子涨落已经被证明是实现绝热优化的量子优势的一个重要的,也许是必不可少的成分。我们引入了一个变换,通过适当调整计算基础中每个矩阵项的相位,将每个以经典哈密顿函数结束的非随机绝热路径映射到相应的随机绝热路径。我们比较了这些绝热路径的光谱间隙,发现无论是理论上还是数值上,基于非随机哈密顿量的路径在基态和第一激发态之间具有一般较小的光谱间隙,这表明它们在量子绝热优化中不如随机哈密顿量有用。这些结果适用于任何绝热算法,插值到一个最终的哈密顿量是对角线的计算基础。
2020-09-17 quant-ph
Multiobjective Optimization in a Quantum Adiabatic Computer
本文提出了一种求解多目标组合优化的量子算法。我们展示了如何将目标函数的凸组合映射到哈密顿算子上,然后使用该哈密顿算子来证明Farhi \emph{et al.} [arXiv:quant-ph/0001106]的量子绝热算法可以在有限时间内找到帕累托最优解,前提是使用某些目标的凸组合,并且底层的多目标问题满足某些限制。
2017-06-30 cs.DS math.OC quant-ph
An Integrated Programming and Development Environment for Adiabatic Quantum Optimization
绝热量子计算是实现量子信息处理所提供的计算能力的一条有前途的途径。最近的绝热硬件的可用性提出了具有挑战性的问题,如何评估绝热量子优化程序。处理器行为取决于多个步骤来合成绝热量子程序,每个步骤都是高度可调的。我们提出了一个集成的编程和开发环境绝热量子优化称为JADE,提供控制程序合成过程中采取的所有步骤。JADE捕获了严格指定绝热量子优化算法所需的工作流程,同时允许各种问题类型,编程技术和处理器配置。我们还将JADE与量子模拟引擎集成在一起,可以使用数值计算进行程序分析。计算引擎支持针对各种度量和计算资源定制的模拟方法的插件。我们介绍了JADE的设计、集成和部署,并讨论了它在量子计算机科学界对绝热量子优化程序进行基准测试方面的潜在用途。
2014-04-21 quant-ph
Experimental implementation of an adiabatic quantum optimization algorithm
我们报告实现了一个核磁共振计算机与三个量子比特,模拟绝热量子优化算法。绝热量子算法为如何利用量子资源解决难题提供了新的见解。这个实验使用了一个特别适合的三量子比特分子,并通过引入一种技术,将给定优化问题的一般实例编码为一个易于应用的哈密顿量。我们的研究结果表明,绝热算法的最佳运行时间,以及同意一个简单的退相干模型的预测。
2003-02-14 quant-ph
Adiabatic optimization versus diffusion Monte Carlo
绝热优化的大多数实验和理论研究使用随机哈密顿量,其基态仅用实非负振幅表示。这就提出了一个问题,经典的蒙特卡罗方法是否可以模拟随机绝热算法与多项式开销。在这里,我们分析扩散蒙特卡罗算法。我们认为,L1和L2归一化状态之间的差异的基础上,这些算法遭受一定的障碍,防止他们有效地模拟随机绝热演化的一般性。然而,在实践中,我们通过引入一种方法,我们称之为Substochastic Monte Carlo获得良好的性能。事实上,我们的模拟是很好的经典优化算法在自己的权利,竞争力与最好的以前已知的启发式求解器MAX-k-SAT在k= 2,3,4。
2016-10-31 quant-ph
Effect of Local Minima on Adiabatic Quantum Optimization
基于问题哈密顿量中的能级结构,我们提出了一种微扰方法来估计绝热量子优化的谱隙。我们发现,对于具有指数级大量的局部极小值接近全局最小值的问题,间隙变得指数级小,使得计算时间指数级长。绝热量子计算的量子优势然后可以仅经由局部绝热演化来访问,这需要贯穿演化的相位相干性和谱的知识。这样的问题,因此,不适合绝热量子计算。
2008-04-04 cond-mat.mes-hall quant-ph
Elimination of Perturbative Crossings in Adiabatic Quantum Optimization
最近的研究表明,在求解NP完全问题时,绝热路径总是存在的,局部和全局极小值之间没有有限阶微扰交叉,如果存在的话,这可能导致具有指数级小能隙的反交叉。然而,没有显示是否可以容易地找到这样一条道路。在这里,我们给出了一个简单的结构,确定性地消除所有这样的反交叉多项式的时间,空间和能量,任何伊辛模型多项式最终差距。因此,为了使绝热量子优化需要指数时间来解决任何NP完全问题,除了这种类型的反交叉之外的一些质量必须是不可避免的,并且需要指数长的运行时间。
2011-04-12 quant-ph
Unstructured Adiabatic Quantum Optimization: Optimality with Limitations
本文研究非结构化绝热量子优化,证明其运行时间可匹配已知下界,但指出预先计算回避交叉位置是 NP-hard 或 #P-hard 的,揭示了该方法在实现可证明类 Grover 加速上的局限性。
2025-07-04 cs.CC cs.DS quant-ph
Spectral Gap Optimization for Enhanced Adiabatic State Preparation
Instituut-Lorentz, Universiteit Leiden(莱顿大学洛伦兹研究所);Applied Quantum Algorithms Leiden(莱顿应用量子算法)
针对绝热量子态制备受路径最小谱隙限制的问题,本研究利用母哈密顿量构造自由度最大化谱隙,提出高效制备张量网络态的绝热量子算法,适用于单射与非单射张量,经多种典型量子态实例验证有效。
2024-09-23 quant-ph
Non-adiabatic transformation of a spin-chain geometry via local control
我们考虑从一个封闭的自旋链到一个开放的自旋链的转换,反之亦然,通过改变一对相邻自旋中的单个链接强度产生。我们表明,在非绝热时域保真度这样的过程中,可以通过适当选择的自旋-自旋交换耦合的控制功能。我们得到这个函数的反铁磁量子伊辛链,并提出启发式的原因限制可能的时间依赖性的哈密顿应用高保真度控制。
2019-01-07 quant-ph
Simulations of the adiabatic quantum optimization for the Set Partition Problem
分析了基于绝热演化的量子优化算法求解集合划分问题的复杂性。我们引入了一个成本函数定义的对数尺度的分区残留,使成本函数的值的总数的顺序的问题的大小。我们通过数值求解含时薛定谔方程以及绝热本征值的定态方程来模拟该算法的行为。对含时量子演化问题的数值结果表明,算法的复杂性与问题规模成指数关系,这一结果似乎与最近的量子绝热算法应用于另一个NP完全问题的复杂性的数值结果(Farhi et al,Science 292,p.472(2001))相矛盾。
2002-01-10 quant-ph
Adiabatic optimization without local minima
一些以前的工作已经调查的情况下,量子绝热优化算法可以隧道的局部能量最小值,陷阱模拟退火或其他经典的局部搜索算法。在这里,我们调查更基本的问题,绝热优化算法是否总是成功的平凡的优化问题,在多项式时间内,有没有当地的能量最小值以外的全球最小值。令人惊讶的是,我们发现一个反例,其中的潜力是一个单一的盆地上的一个图,但本征值差距是指数小的顶点数的函数。在这个反例中,基态波函数由两个“波瓣”组成,两个波瓣被一个指数小振幅的区域隔开。相反,我们证明,如果基态波函数是单峰的,那么本征值间隙尺度在最坏的顶点数的平方为一。
2014-08-15 quant-ph
Diffusion Monte Carlo approach versus adiabatic computation for local Hamiltonians
大多数关于量子绝热优化的研究都集中在随机哈密顿量上,其基态只能用实的非负振幅表示。这就提出了一个问题,经典的蒙特卡罗算法是否可以有效地模拟量子绝热优化与随机哈密顿。最近的结果给出了路径积分和扩散蒙特卡罗不能做到这一点的反例。然而,大多数绝热优化算法,如用于解决MAX-k-SAT问题,使用k-局部哈密顿算子,而我们以前的扩散蒙特卡罗反例涉及n体相互作用。在这里,我们提出了一个新的6-本地反例,它表明,即使是这些本地哈密顿有情况下,扩散蒙特卡罗不能有效地模拟量子绝热优化。此外,我们进行经验测试的扩散蒙特卡罗上的一个标准的研究充分的一类置换对称隧穿问题,同样发现量子优化扩散蒙特卡罗的巨大优势。
2018-02-19 quant-ph
Benchmarking Adiabatic Quantum Optimization for Complex Network Analysis
我们为评估当前和未来量子计算机的基准方法奠定了基础。我们提出并开始解决关于如何公平地比较处于技术成熟度不同阶段的计算设备的基本问题。我们批判性地评估并提供我们自己对当前量子基准测试工作的贡献,特别是那些涉及绝热量子计算和D-Wave Systems,Inc.生产的绝热量子优化器的工作。我们发现,D-Wave的绝热量子优化器的性能与一些困难的组合优化问题的经典方法大致相当;然而,D-Wave设备的架构限制在评估现实世界的应用中存在重大障碍。除了识别和隔离这些限制之外,我们还开发了算法工具来规避未来D-Wave设备的这些限制,假设它们在未来几年内继续以指数速度增长和成熟。
2016-04-01 quant-ph
Counterdiabaticity and the quantum approximate optimization algorithm
量子近似优化算法(QAOA)是一种近期的混合算法,旨在解决组合优化问题,如MaxCut。可以使QAOA模拟绝热时间表,并且在$p\to\infty$极限下,根据绝热定理,最终状态是精确的最大本征态。在这项工作中,QAOA和绝热性之间的连接是明确的检查制度的$p$大,但有限的。通过连接QAOA的counterdiabatic(CD)的演变,我们构建的CD-QAOA角模拟counterdiabatic时间表匹配特罗特“错误”条款近似绝热规范位抑制非绝热激发所产生的有限斜坡速度。在我们的解释中,这些“错误”术语对QAOA是有帮助的,而不是有害的。利用这种匹配将QAOA与量子绝热算法(QAA)联系起来,我们证明了近似比至少以$1-C(p)\sim 1/p^μ$收敛于1。我们发现,转移的参数之间的图形,和插值角度为$p+1$给定$p$都是自然的副产品的CD-QAOA匹配。CD-QAOA角度的优化等效于优化连续绝热时间表。最后,我们表明,使用变分绝热规范位的属性,QAOA至少是反绝热的,而不仅仅是绝热的,并且具有比有限时间绝热演化更好的性能。我们演示了三个例子:2级系统,伊辛链,和MaxCut问题的方法。
2022-01-22 quant-ph
Algorithmic approach to adiabatic quantum optimization
据信,在系统哈密顿量的最低两个能级之间具有指数小间隙的反交叉的存在可以使绝热量子优化效率低下。在这里,我们提出了一个简单的绝热量子算法,旨在消除指数小的差距所造成的本征态,对应的局部和全局最小值的问题哈密顿之间的anticrossings。在算法的每次迭代中,收集关于在非线性地通过反交叉之后达到的局部最小值的信息。然后,通过调整初始哈密顿量,使用该信息来惩罚路径到相应的局部最小值。根据需要,对多个局部最小值集群重复此操作。我们生成了64个量子位的最大独立集问题的随机实例,该问题非常困难,具有10^5到10^6个高度退化的局部极小值。利用量子蒙特卡罗模拟,该算法可以平凡地解决所有的情况下,在~10次迭代。
2011-08-16 quant-ph
Learning adiabatic quantum algorithms for solving optimization problems
绝热量子算法基本上由三个要素给出:已知基态的初始哈密顿量、其基态对应于给定问题的解的问题哈密顿量以及满足绝热条件的演化时间表。正确选择这些元素对于有效的绝热量子计算是至关重要的。在本文中,我们提出了一个混合量子经典算法来解决优化问题的绝热机假设的限制类可用的问题哈密尔顿。该方案是基于对量子机器的重复调用,使其成为经典的迭代结构。特别是,我们提出了一种技术来学习一个给定的优化问题的编码成一个问题的哈密顿量,我们证明了算法的收敛性。此外,该算法的输出可以用来学习有效的绝热算法的例子。
2019-09-15 math-ph math.MP quant-ph
When Diabatic Trumps Adiabatic in Quantum Optimization
我们提供和分析的例子,反对广泛提出的要求,隧道是需要量子加速优化问题。这些例子属于一类扰动汉明重量优化问题。在一种情况下,具有在汉明重量空间的成本函数的高原,我们发现,绝热动力学,使隧道可能,而优于模拟退火,结果在减速相比,避免水平交叉的绝热级联。这反过来又激发了一个经典的自旋矢量动力学算法,该算法至少与非绝热量子算法一样有效。在第二种情况下,其成本函数是凸的汉明重量空间,非绝热级联的结果在相对于隧道和经典的自旋矢量动力学的加速。
2015-05-06 quant-ph
Improving adiabatic quantum factorization via chopped random-basis optimization
本文应用截断随机基(CRAB)优化改进绝热量子因子分解,在分解21至2479的整数时显著提升目标态保真度,且对退相干噪声具有韧性,为推进绝热量子算法提供了有力工具。
2025-05-22 quant-ph
Different Strategies for Optimization Using the Quantum Adiabatic Algorithm
我们提出了一个数值研究的结果,与20量子比特,随机生成的MAX 2-SAT的实例的量子绝热算法的性能与一个独特的分配,最大限度地满足条款的数量。在量子进化结束时获得该分配的概率衡量算法的成功。在这里,我们报告了三种策略,不断增加的成功概率最难的情况下,在我们的合奏:减少总的演化时间,初始化系统的激发态,并添加一个随机的本地哈密顿量的中间的演变。
2014-01-28 quant-ph
Adiabatic quantum optimization fails for random instances of NP-complete problems
绝热量子优化已经吸引了大量的关注,因为小规模的模拟给了希望,它将允许有效地解决NP完全问题。后来,否定的结果证明了绝热优化需要指数时间的特殊设计的硬实例的存在。尽管如此,对于NP完全问题的随机实例,这种情况仍有希望不会发生。这是一个重要的问题,因为随机实例是当前经典求解器无法解决的硬实例的良好模型,因此需要有效的量子算法。在这里,我们将表明,由于一个类似于安德森局域化的现象,一个指数小的本征值间隙出现在大的随机情况下,非常接近年底的算法的绝热哈密顿量的频谱。这意味着不幸的是,绝热量子优化也会因为陷入局部最小值而失败,除非计算是指数级的。
2009-12-01 cs.CC quant-ph
Adiabatic Quantum Computing for Random Satisfiability Problems
将绝热量子计算的离散形式与其他搜索方法(经典和量子)进行了比较,用于随机可满足性(SAT)问题。随着步骤的数量增长,只有作为变量数量的立方,绝热方法给出的解决方案的概率接近1的问题大小可行的评估,通过模拟在当前的计算机上。然而,对于这些大小,大多数实例的最小能量间隙相当大,因此对于小问题所看到的良好性能缩放可能无法反映成本由微小间隙主导的渐近行为。此外,由此产生的搜索成本比其他方法高得多。与传统的GSAT启发式方法相比,与绝热极限不匹配的量子算法的变体平均成本更低,增长更慢。
2004-01-23 quant-ph
Robust Classification with Adiabatic Quantum Optimization
我们提出了一个非凸的训练目标,在标签噪声存在的数据集的鲁棒二进制分类。设计的指导意图是通过绝热量子优化来解决由此产生的问题。现有量子硬件的工程约束提出了两个要求:训练问题被公式化为二次无约束二进制优化;模型参数被表示为低位深的二进制扩展。在目前的工作中,我们验证这种方法,使用启发式经典求解器作为量子硬件的替身。测试几个流行的数据集,并与现有的一些损失相比,我们发现在鲁棒性的测试误差增加标签噪声下测量的实质性优势。鲁棒性是通过我们的硬件兼容损失函数的非凸性实现的,我们将其命名为q-loss。
2012-05-30 quant-ph
The performance of the quantum adiabatic algorithm on random instances of two optimization problems on regular hypergraphs
本文研究了量子绝热算法在两个随机组合优化问题3-正则3-XORSAT和3-正则Max-Cut上的性能。与这两个基于子句的优化问题相关联的成本函数是相似的,因为它们都定义在3-正则超图上。对于3-正则3-XORSAT,子句包含三个变量,对于3-正则Max-Cut,子句包含两个变量。我们研究这两个问题的量子绝热算法使用随机的内插哈密顿算子,因此适用于无符号问题的量子蒙特卡罗和量子腔方法。使用这些技术,我们发现,量子绝热算法未能有效地解决这些问题,虽然出于不同的原因。
2012-12-03 cond-mat.stat-mech quant-ph
Adiabatic Quantum Optimization Fails to Solve the Knapsack Problem
Washington University(华盛顿大学);Oak Ridge National Laboratory(橡树岭国家实验室)
在这项工作中,我们尝试使用D-Wave 2000 Q绝热量子计算机解决整数权重背包问题。背包问题是一个著名的NP完全问题,在计算机科学中,在经济,商业,金融等应用,我们试图解决一些小背包问题的最佳解决方案是已知的,我们发现绝热量子优化未能产生相应的解决方案,最佳填充的背包在所有的问题实例。我们比较量子硬件上得到的结果,经典的模拟退火算法和两个求解器采用混合分支定界算法。模拟退火算法也不能产生背包的最佳填充,尽管通过模拟退火和量子退火获得的解决方案彼此之间并不比正确的解决方案更相似。我们讨论了绝热量子优化失败的潜在原因。
2020-08-17 cs.AI quant-ph
Quantum Optimization Heuristics with an Application to Knapsack Problems
本文介绍了两种技术,使标准的量子近似优化算法(QAOA)更适合于约束优化问题。第一种技术描述了如何使用先前贪婪经典算法的结果来定义初始量子态和混合操作以调整量子优化算法来探索围绕该初始贪婪解的可能答案。第二种技术用于推动量子探索,以避免贪婪解周围的局部极小值。为了分析这两种技术的好处,我们使用单位深度的量子线路在背包问题的已知困难实例上运行量子算法。结果表明,调整后的量子优化算法通常比各种经典算法表现得更好。
2022-02-03 quant-ph
Adiabatic-Passage-Based Parameter Setting for Quantum Approximate Optimization Algorithm
本文针对QAOA参数优化成本随深度p超线性增长的问题,提出基于绝热通道的参数设置方法,通过问题相关解析预处理和参数空间连续性调整,在3-SAT问题上将寻优成本降至亚线性水平。
2024-01-22 quant-ph
Exponential optimization of adiabatic quantum-state preparation
针对量子态制备门数随问题规模指数增长的问题,本文基于绝热定理解析特征时间与 Hamiltonian 的关系,并设计预处理项缩短绝热制备时间,从而实现指数级加速。
2025-01-11 quant-ph
Probing Entanglement in Adiabatic Quantum Optimization with Trapped Ions
绝热量子优化被提出来作为解决NP完全问题的一种途径,与经典算法相比具有可能的量子加速比。然而,量子效应(如纠缠)在这些优化协议中的确切作用仍不清楚。我们提出了一个冷捕获离子,允许一个定量的特征,在一个受控的实验中,纠缠,退相干,绝热量子优化和非绝热的相互作用的设置。我们表明,以这种方式,广泛的一类NP完全问题成为访问量子模拟,包括背包问题,数划分,和最大割问题的实例。此外,一般的理论研究揭示了在协议结束时的纠缠的成功概率的相关性。然而,从小系统和线性斜坡的精确数值模拟中,我们发现在优化过程中与纠缠没有实质性的相关性。对于最终状态,我们推导出解析的成功概率作为纠缠的函数,这可以在实验中测量的普遍上限。所提出的捕获离子设置和所提出的纠缠研究解决了绝热量子优化的相关问题,这可能是跨实验平台的普遍兴趣。
2015-03-19 cond-mat.quant-gas quant-ph
Designing Adiabatic Quantum Optimization: A Case Study for the Traveling Salesman Problem
随着量子技术的进步,更复杂的量子退火装置变得可用。虽然它们为解决优化问题提供了新的可能性,但它们的真正潜力仍然是一个悬而未决的问题。由于绝热算法的优化设计在其评估中起着重要的作用,我们说明了在基于旅行商问题(TSP)的量子退火硬件上实现优化问题时要考虑的方面和挑战。我们证明了,如果量子动力学没有仔细定制的问题,局部极小值之间的隧道可以指数抑制。此外,我们表明,不平等的约束,特别是,模拟量子退火机的实施提出了一个主要的障碍。我们最后认为,可编程数字量子退火器可以克服许多这些障碍,并可以-一旦足够大的量子计算机存在-提供一个有趣的路线,使用量子退火的一大类问题。
2017-02-21 quant-ph
Mechanism of Efficacy in QAOA for Random k-SAT: From Adiabatic Manifold to Sublinear Parameter Optimization
School of Computer Science and Engineering, Southeast University(东南大学计算机科学与工程学院);Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education(教育部计算机网络与信息集成重点实验室(东南大学))
本文研究了QAOA在随机k-SAT问题中的有效性机制,揭示了绝热态转移与QAOA算法之间的对应关系,并提出了一种基于绝热流形的参数优化策略,实现了亚线性参数优化和鲁棒初始化。
2026-05-19 quant-ph
Decomposition and Gluing for Adiabatic Quantum Optimization
Farhi和其他人提出了用绝热量子计算机解决NP问题的概念。我们讨论了这个想法的整数分解问题的应用,连同一种技术,我们称之为胶合,可用于建立绝热模型的有趣的问题。虽然绝热量子计算机已经存在,但它们可能太小,无法在可预见的未来直接解决有趣的实际问题。因此,我们讨论的技术分解的大问题,这使我们能够充分利用这样的硬件可能是可用的。数值结果表明,即使是简单的分解技术可能会产生可接受的结果与次指数开销,独立的底层设备的性能。
2013-12-17 cs.ET quant-ph
Schedule path optimization for quantum annealing and adiabatic quantum computing
绝热量子计算和优化最近已经获得了很多关注,作为实现优于经典方法的量子优势的可能模型来优化和其他特殊用途计算。这两种技术本质上都是概率性的,并且在演化期间系统的基态和第一激发态之间的最小间隙是确定成功概率的主要因素。在这项工作中,我们研究了一种策略,通过引入中间哈密顿算子,修改初始和最终哈密顿算子之间的演化路径,以增加最小间隙和成功概率。我们专注于最近的硬件实现相关的优化问题,并提出了一个纯粹的本地中间哈密顿的存在,实现最佳性能方面的推动最小的差距的进化的终点之一的数值证据。作为本研究的一部分,我们开发了一个凸优化配方的搜索最佳绝热时间表,使这种计算更容易处理,这可能是独立的利益。我们进一步研究了随机中间哈密顿算子对最小间隙和成功概率的有效性,并从经验上发现随机哈密顿算子对成功概率的增加有很大的可能性,但只是一个适度的量。
2016-04-18 quant-ph
Entanglement as a resource in adiabatic quantum optimization
我们通过对量子系统的实时演化进行近似模拟,同时限制纠缠量,来探索纠缠在绝热量子优化中的作用。为了经典地模拟有限纠缠系统的时间演化,我们用矩阵乘积态和投影纠缠对态来表示量子态。我们发现,无论是在平面或非平面的二维图上的伊辛自旋玻璃的基态的概率迅速增加的纠缠量的状态增加。此外,我们建议在复杂的时间演化作为一种方法来改善模拟绝热演化和模拟量子退火机的热冷却的效果。
2015-01-27 cond-mat.dis-nn quant-ph
Hidden local adiabatic ramp in the modulated time evolution and the quantum approximate optimization algorithm
Georgetown University(乔治城大学);North Carolina State University(北卡罗来纳州立大学)
本文提出通过调制时间演化和QAOA算法实现局部绝热斜坡,以提高量子优化效率。
2025-07-26 quant-ph
Non-Adiabatic Quantum Optimization for Crossing Quantum Phase Transitions
针对有限时间内多体量子系统基态穿越量子相变时绝热性破坏引发的激发问题,受Kibble-Zurek机制启发分析现有最优控制程序的绝热性时间尺度,提出非绝热量子优化(NAQO)框架,利用Landau-Zener公式并考虑高激发态作用,在多种模型中性能优于现有方法。
2025-02-13 cond-mat.other cond-mat.stat-mech quant-ph
Role of Non-stoquastic Catalysts in Quantum Adiabatic Optimization
非随机催化剂哈密顿算子在量子绝热优化中提供一致的量子加速的可行性仍然是一个悬而未决的问题。无限程铁磁$p$ -自旋模型是一个罕见的例子,表现出指数优势的非随机催化剂在其随机对应。我们重新审视这个模型,并注意到如何在基态波函数的增量变化给出了一个指示,如何非随机催化剂提供了一个优势。然后,我们构建了两个新的例子,表现出优势的非随机催化剂的随机催化剂。第一个是另一个无限范围模型,只有2-本地,但也表现出指数优势,第二个是一个几何本地伊辛的例子,表现出越来越大的优势,我们研究的最大系统大小。
2019-04-26 quant-ph
Spectral Gap Analysis for Efficient Tunneling in Quantum Adiabatic Optimization
我们研究量子绝热优化的效率时,克服潜在的障碍,从局部到全局最小。具体来说,我们研究具有对称代价函数f:{0,1}^n->R的n量子比特系统,其中基态必须隧穿宽度为n^a和高度为n^b的势垒。根据量子绝热定理,在这个隧穿过程中,足以确保隧穿的时间延迟与谱隙的倒数成二次方增长。我们分析了1/2 < a + b和a < 1/2的势垒尺寸,并表明当2a+b < 1时,最小间隙尺度多项式为n^{1/2-a-b},当1 < 2a+b时,指数为n^{-b/2} exp(-Cn ^{(2a+b-1)/2})。我们的证明使用基本的技术,并确认和扩展了戈德斯通,其中使用大自旋和瞬子的方法未发表的民间传说的结果。我们的部分结果也改进了Kong和Crosson以及Jiang等人最近关于指数间隙标度的结果。
2016-06-14 quant-ph
Resource Efficient Gadgets for Compiling Adiabatic Quantum Optimization Problems
我们开发了一种资源有效的方法,通过该方法可以将任意k-局部优化哈密顿量的基态编码为(k-1)-局部优化哈密顿量的基态。这个结果很重要,因为绝热量子算法通常最容易使用多体相互作用来制定,但实验上可用的相互作用通常是2体。在这种情况下,约简小工具的效率是通过所需的辅助量子比特的数量以及实现所得哈密顿量所需的控制精度来衡量的。首先,我们优化了应用这些小工具的方法,以获得2-本地哈密顿使用尽可能少的辅助量子比特。接下来,我们展示了一种新的减少小工具,最大限度地减少控制精度和启发式,使用这个小工具编译3-本地问题的控制精度显着降低。最后,我们提出了数值计算,这表明实施随机生成的,3体优化的哈密顿量相比,在文献中的其他方法所需的资源大幅减少。
2013-07-30 quant-ph
Diagonal Catalysts in Quantum Adiabatic Optimization
我们提出了一个协议的量子绝热优化,其中一个中间的哈密顿是对角线的计算基础是打开和关闭插值期间。这种“对角催化剂”的作用是偏向一个给定的自旋配置的能量景观,我们展示了如何这可以消除一阶相变中存在的铁磁$p$ -自旋和弱-强集群问题的标准协议。该协议的成功也清楚地表明了它是如何失败的:如果从基态的汉明距离和偏置状态的能量相关,则将能量景观偏向一个状态仅有助于找到基态。我们提出的例子中,偏向低能量状态,但仍然是非常远的汉明距离从基态可以严重恶化的算法的效率相比,标准协议。对角催化剂协议的结果是类似的绝热反向退火所表现出的结果,所以我们的结论应该适用于该协议以及。
2021-02-15 quant-ph
Optimization on Large Interconnected Graphs and Networks Using Adiabatic Quantum Computation
本研究提出一种最多用3V个量子比特求解无向图最短路径的绝热量子计算算法,无需经典算法参与(邻接矩阵构建除外),验证了绝热量子计算机结合随机图生成器建模大型图的可行性。
2022-08-24 quant-ph
Adiabatic Quantum Computing for Solving the Weapon-Target Assignment Problem
量子计算有望在诸如机器学习和复杂优化问题的各个领域中显著提高计算能力。最近的技术进步表明,绝热量子计算模拟器可能很快就会看到实际应用。在这项工作中,我们采用这种计算范式开发一个基于量子计算的求解器的著名的武器目标分配问题,NP-难的非线性整数规划优化任务。通过数值模拟量子比特系统向模型哈密顿量中编码的最优解的绝热演化,证明了所提出模型的可行性。总的来说,所描述的方法不限于武器管理的背景下,但稍微修改的模型哈密尔顿,适用于工人的任务分配优化一般。
2021-05-05 quant-ph
Anderson localization casts clouds over adiabatic quantum optimization
理解NP完全问题是计算机科学的一个中心课题。这就是为什么绝热量子优化吸引了如此多的关注,因为它提供了一种使用量子计算机解决NP完全问题的新方法。这种方法的效率受到量子计算机哈密顿量的基态和激发态之间的小光谱间隙的限制。我们表明,可以用一种新的方式来分析统计的差距,借用量子无序系统的统计力学的研究。事实证明,由于类似于安德森局域化的现象,对于NP完全问题的大的随机实例,在绝热算法的末端附近出现指数小的间隙。这意味着不幸的是,绝热量子优化失败了:系统被困在众多局部极小值之一中。
2009-12-03 cond-mat.mes-hall cs.CC quant-ph
Adiabatic quantum imaginary time evolution
提出一种绝热量子虚时间演化协议,无需量子态层析成像,通过积分经典微分方程获得绝热哈密顿量,扩展了绝热态制备可访问的态范围。
2024-04-22 quant-ph
Adiabatic Quantum Optimization for Associative Memory Recall
Hopfield网络是联想记忆的一种变体,它可以回忆存储在伊辛模型耦合中的信息。存储的记忆是对应于自旋状态的能量最小值的网络动力学的固定点。我们制定的记忆存储在Hopfield网络使用能量最小化绝热量子优化(AGO)的召回。量子动力学的数值模拟使我们能够量化的AQO召回准确度相对于存储的内存和输入键中的噪声的数量。我们还调查了AGO性能方面的记忆是如何存储在伊辛模型使用不同的学习规则。我们的研究结果表明,由于能源景观的变化,AQI的性能变化强烈的学习规则。因此,学习规则提供了间接的方法来调查召回任务的计算复杂性和AQI的计算效率的变化。
2014-12-12 quant-ph
Adiabatic state preparation from general initial states
IBM Quantum, IBM T. J. Watson Research Center(IBM量子,IBM托马斯·J·沃森研究中心);ExxonMobil Corporate Strategic Research(埃克森美孚企业战略研究部);IBM Quantum, IBM Research Almaden(IBM量子,IBM阿尔马登研究中心)
本文提出从一般初始波函数出发的绝热态制备启发式方法,通过近似父哈密顿量构造绝热路径,并成功应用于水和亚甲基基态模拟。
2025-11-07 quant-ph
Training a Large Scale Classifier with the Quantum Adiabatic Algorithm
在以前的出版物中,我们提出了离散的全局优化作为一种方法来训练一个强的二元分类器构建为一个阈值和弱分类器。我们的动机是将分类器的训练转换为适合量子绝热算法解决的格式。应用绝热量子计算(AQC)有望产生优于经典启发式求解器的解决方案。有趣的是,我们发现通过使用启发式求解器来获得近似解,我们已经可以获得比标准方法AdaBoost更大的优势。在这次交流中,我们将基线方法推广到大规模分类器训练。大规模是指候选弱分类器的字典的基数或强分类器中使用的弱学习器的数量超过了在单个全局优化中可以有效处理的变量的数量。对于这种情况下,我们提出了一种迭代和分段的方法,其中弱分类器的一个子集,在每次迭代中选择通过全局优化。然后通过连接弱分类器的子集来构造强分类器。我们在数值研究中表明,广义方法再次成功地与AdaBoost竞争。我们还提供了理论论据,为什么提出的优化方法,它不仅最大限度地减少经验损失,而且还增加了L0-范数正则化,是优于版本的提升,只有最小化的经验损失。通过进行量子蒙特卡罗模拟,我们收集的证据表明,量子绝热算法能够有效地处理一般的训练问题。
2009-12-04 cs.LG quant-ph
Leveraging Adiabatic Quantum Computation for Election Forecasting
QxBranch;Standard Cognition(标准认知)
从具有任意相关性的全连通图中进行精确、可靠的采样是一个困难的问题。这样的采样需要知道观察图的每个可能状态的概率。随着图形大小的增长,模型状态的数量变得难以处理的大,并且有效的计算需要完全采样被替换为仅是完全采样的近似值的算法和算法。这项工作研究了绝热量子计算对采样目的的潜在影响,建立在最近使用量子设备成功训练玻尔兹曼机的基础上。我们调查的使用情况下,量子计算训练玻尔兹曼机预测2016年总统大选。
2018-01-30 cs.ET cs.LG quant-ph