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
Quantum Annealing and Graph Neural Networks for Solving TSP with QUBO
本文研究如何将QUBO与量子退火及图神经网络结合求解旅行商问题，提出QQA-TSP和QGNN-TSP两种方法，并验证其在求解效率与解质量上相较经典求解器具有竞争力。
2024-02-21 math.CO quant-ph
Optimum-Preserving QUBO Parameter Compression
本文研究有限精度下QUBO问题的参数压缩，通过理论界降低动态范围以保持最优解不变，并在量子退火硬件上验证可显著提升性能。
2023-07-05 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
Optimizing QUBO generation parameters for NP problems and their impact on D-Wave convergence
本文针对图着色、团顶点覆盖和整数时长作业调度三类NP问题，分析QUBO公式特征与最优参数的关系，提出独立参数设置方法，并通过D-Wave量子退火实验验证其对收敛到正确状态的增强效果。
2025-04-10 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
Derivation of QUBO formulations for sparse estimation
Saitama University（埼玉大学）；Fujitsu Laboratories Ltd.（富士通实验室有限公司）
我们提出了一个二次无约束二进制优化（QUBO）制定的l1范数，这使我们能够执行稀疏估计伊辛型退火方法，如量子退火。QUBO公式推导使用勒让德变换和沃尔夫定理，最近已被用来推导的RELU型函数的QUBO公式。它表明，一个简单的应用程序的推导方法的l1-范数的情况下，结果在一个冗余的变量。最后通过去除冗余变量得到简化的QUBO公式。
2020-01-27 cs.LG quant-ph
Reducing QUBO Density by Factoring Out Semi-Symmetries
本文提出通过识别并提取QUBO矩阵中的半对称性至辅助量子比特来降低矩阵密度，理论上保持能谱不变，实验证明该方法能将QAOA电路深度和耦合数减少45%，并优化量子退火性能。
2024-12-27 quant-ph
A real world test of Portfolio Optimization with Quantum Annealing
在这篇文章中，我们描述了一个使用二次无约束二元优化（QUBO）公式进行投资组合优化的实验。我们使用的数据集取自现实世界的问题，目前已在生产中部署并使用经典解决方案。在这项工作中，在Raiffeisen银行国际（RBI）和回复之间的合作进行，我们推导出一个QUBO公式，我们使用各种方法解决：两个D-Wave混合求解器，将量子退火机的使用与经典方法相结合，以及一个纯粹的经典算法。特别关注的是实施的约束，要求得到的投资组合的方差低于指定的阈值，其表示在伊辛模型是不简单的。我们发现令人满意的结果，与精确的经典策略所获得的全局最优值一致。然而，由于调整的QUBO参数是至关重要的优化，我们调查的混合方法，允许自动调整。
2023-03-22 quant-ph
On the application of matrix congruence to QUBO formulations for systems of linear equations
最近对量子计算算法的研究集中在挖掘量子计算机的特性，这些特性有可能有助于增强计算模型。在各种方法中，量子退火方法有效地并行化线性方程组的二次无约束二元优化（QUBO）公式。本文利用实对称矩阵与对角矩阵的同余关系简化了这些公式。我们进一步展示了所提出的QUBO模型的计算优点，它可以优于经典算法，如QR和SVD分解。
2021-11-01 quant-ph
Quantum Annealing for Realistic Traffic Flow Optimization: Clustering and Data-Driven QUBO
Technical University of Košice（科希策工业大学）
提出一种可扩展的数据驱动方法，将城市交通流优化建模为二次无约束二进制优化问题，利用量子退火和经典求解器在现实城市网络上评估性能，通过Leiden聚类降低规模，混合量子退火方法在大型场景中能在约1%的Gurobi目标值内产生可行解，并实现高达24.4%的拥堵成本降低。
2026-06-29 quant-ph
Benchmarking Quantum Annealing for a Greenhouse-Inspired Control QUBO
QUSMOS
针对温室启发式二进制加热器调度QUBO问题，通过物理解码评估经典模拟退火、路径积分模拟量子退火和D-Wave量子退火工作流的性能，未发现量子优势但提供了可重复的基准。
2026-05-26 hep-th quant-ph
GPS: A new TSP formulation for its generalizations type QUBO
我们提出了一个新的二次无约束二进制优化（QUBO）制定的旅行商问题（TSP），我们克服了最好的制定的车辆路径问题（VRP）的必要变量的最小数量。之后，我们提出了一个详细的研究的约束条件，新的TSP模型和基准MTZ和本地配方。最后，我们通过将其输入到QUBO问题求解器中来测试公式的正确性。由于量子退火和QUBO公式之间的联系，选择的求解器是D-Wave 2000 Q6量子计算机模拟器。
2022-01-18 quant-ph
Solving workflow scheduling problems with QUBO modeling
在本文中，我们研究的工作流调度问题，一个已知的NP难调度问题。我们从工业用例中获得问题实例，并与几种量子，经典和混合量子经典算法进行比较。我们开发了一种新的QUBO代表我们的调度问题，并显示如何QUBO的复杂性取决于输入问题。我们推导并提出了一个分解方法，这个特定的应用程序，以减轻这种复杂性，并证明该方法的有效性。
2022-05-10 quant-ph
A Novel Solver for QUBO Problems: Performance Analysis and Comparative Study with State-of-the-Art Algorithms
本文提出量子启发式求解器QIS3，融合分支定界、梯度下降与量子启发策略，在Max-Cut、NAE-3SAT和SK自旋玻璃问题上以统一运行时间预算超越八种最先进求解器，并在94%的Max-Cut实例中达到最优。
2025-06-05 quant-ph
Variational Amplitude Amplification for Solving QUBO Problems
我们研究了在基于门的量子计算模型上使用幅度放大作为解决组合优化问题的一种手段。这项研究主要集中在QUBO（二次无约束二元优化）问题，这是非常适合的量子比特叠加态。具体而言，我们演示了电路设计，编码QUBO的“成本预言”操作$U_{\textrm{C}}$，当结合标准的格罗弗扩散算子$U_{\textrm{s}}$导致高概率的测量状态对应的最佳和接近最佳的解决方案。为了实现这些概率，一个单一的标量参数$p_{\textrm{s}}$是必需的，我们可以通过变分量子经典混合方法找到。
2023-02-01 quant-ph
Solving Max-3SAT Using QUBO Approximation
研究系统近似MAX-3SAT的QUBO表示以提升量子退火机求解质量，提出维度更小的(n x n)近似QUBO方法，在D-Wave硬件上优于精确转换且优于朴素近似。
2024-09-24 quant-ph
Mean Field Approximation for solving QUBO problems
二次无约束二元优化（QUBO）问题是NP难的，因此，到目前为止，还没有有效的算法来解决它们。对于较小的问题，有精确的方法，如分支定界算法，对于较大的问题，有许多很好的近似方法，如离散变量的随机模拟退火或连续变量的平均场退火。本文将表明，统计物理方法和量子力学方法在平均场退火给出了相同的结果。我们研究了伊辛问题，这是QUBO问题的另一种表述。我们的方法包括一组简单的基于梯度的连续变量的最小化，因此很容易模拟。我们将我们的方法与解决G集的最大割问题进行了基准测试。在许多图中，我们可以实现最著名的割值。
2021-06-06 cond-mat.dis-nn cond-mat.stat-mech quant-ph
On the application of Sylvester's law of inertia to QUBO formulations for systems of linear equations
以前的量子退火方法的研究集中在有效地建模系统的线性方程组，利用二次无约束二元优化（QUBO）配方。这些研究参与了增强量子计算算法的研究，这些算法提取了适合于改进经典计算模型的量子计算机特性。在本文中，我们进一步发展的QUBO公式的线性方程组应用西尔维斯特的惯性定律，探讨矩阵同余的任何实对称矩阵的对角矩阵。我们期望该算法能在量子计算机上有效地实现高维线性方程组。进一步的实验验证所提出的QUBO模型，以及他们的比较，经典的算法。
2021-12-10 quant-ph
A QUBO model of the RNA folding problem optimized by variational hybrid quantum annealing
针对RNA二级结构预测的NP难问题，提出适用于量子退火机和电路模型量子计算机的物理驱动QUBO模型，通过变分混合量子退火调参后，性能优于现有同类模型。
2022-08-08 q-bio.BM 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
Investigating the Relation Between Problem Hardness and QUBO Properties
本文通过分析聚类和SVM训练的QUBO谱隙，揭示了问题难度与QUBO性质的关系，发现聚类谱隙与数据可分性正相关，而SVM相反。
2024-04-03 quant-ph
Quantum Annealing for Vehicle Routing Problem with weighted Segment
量子退火技术旨在解决计算优化和采样问题。QPU（量子处理单元）机器，如D-Wave系统，使用QUBO（二次无约束二进制优化）公式来定义量子退火的模型优化问题。这台机器利用量子效应来加速计算时间，比经典计算机做得更好。我们提出了一个车辆路径问题，可以制定在QUBO模型作为一个组合问题，这使得可能的路线解决方案呈指数增长。该解决方案旨在优化车辆到达目的地的旅程。该研究提出了一个QUBO公式来解决某些道路上的交通拥堵问题。基于路段权重优化备选道路车辆流量分布的路径选择。作为道路密度水平的条件制定的约束。道路权重参数影响每个道路选择的成本函数。在D-Wave量子退火机上的模拟显示了几个车辆的路线部署的最佳结果。使每辆车都能通过不同的道路选择，准确地减少道路拥堵。该解决方案提供了一个机会，开发QUBO建模更复杂的车辆路径问题的道路拥堵。
2022-03-25 math.OC quant-ph
Set-Packing and Sequence-Pair QUBOs for the 2D Cutting Stock Problem on Quantum Annealing Hardware
AI and Quantum Technologies Department, ITECAM, Spain（ITECAM 人工智能与量子技术部）
本研究针对二维下料问题，比较了坐标基集合打包与无坐标序列对两种QUBO编码，证明后者存在结构性限制，并给出选择实用规则。
2026-09-21 math.OC quant-ph
A QUBO Formulation for Qubit Allocation
要在量子计算机上运行算法，必须选择从电路中的逻辑量子比特到量子硬件上的物理量子比特的分配。这种初始量子位放置或量子位分配的任务在当今的量子计算机上尤其重要，因为量子计算机具有有限数量的量子位，连接约束和变化的门的几何尺寸。在这项工作中，我们制定和实现量子位的位置问题作为一个二次，无约束二进制优化（QUBO）问题，并解决它使用模拟退火，以获得一个频谱的初始位置。与现有的分配方法相比，|ket $\rangle $和Qiskit，QUBO方法产生具有改进的电路深度的分配，用于大的基准电路集合的$>$ 50%，其中许多还需要更少的CX门。
2020-11-28 quant-ph
QUBO-Based Optimization of Social Indicator Configurations for Working-Age Population Growth
Graduate School of Engineering, Tohoku University（东北大学研究生院工学研究科）；Graduate School of Information Sciences, Tohoku University（东北大学研究生院信息科学研究科）；Department of Physics, Institute of Science Tokyo（东京科学大学物理系）；Research and Education Institute for Semiconductors and Informatics, Kumamoto University（熊本大学半导体与信息学教育研究所）；Sigma-i Co., Ltd.（Sigma-i有限公司）
针对劳动年龄人口下降问题，提出基于QUBO框架探索社会指标配置，利用日本市政数据回归建模，经多种方法优化，该框架能连接多方面因素，提供可解释方法，用于政策讨论探索。
2026-07-29 quant-ph
Increasing the Hardness of Posiform Planting Using Random QUBOs for Programmable Quantum Annealer Benchmarking
本研究提出将随机离散系数自旋玻璃Ising模型与正形式植入的QUBO融合，构建具有唯一解且难度可调的组合优化问题，用于可编程量子退火机基准测试，发现D-Wave量子退火机在短退火时间下对部分问题求解成功率极高。
2024-11-06 cond-mat.dis-nn cond-mat.stat-mech math.OC
Pattern QUBOs: Algorithmic construction of 3SAT-to-QUBO transformations
本文提出模式QUBO概念及算法化方法，用于自动构造新的3SAT到QUBO变换，并引入近似变换以减少变量和量子比特使用，同时保持一定有效性。
2023-05-04 quant-ph
Efficient correlation-based discretization of continuous variables for annealing machines
Saitama University（埼玉大学）；Fujitsu Limited（富士通有限公司）；DXR laboratory Inc.（DXR实验室有限公司）
专门用于组合优化问题的退火机器已经开发出来，一些公司提供使用这些机器的服务。这种专用机器只能处理二进制变量，其输入格式是二次无约束二进制优化（QUBO）公式。因此，离散化是必要的，以解决问题的连续变量。然而，有一个严格的限制，对这种机器的二进制变量的数量。虽然在以前的研究中的简单的二进制扩展需要许多二进制变量，我们需要减少这样的变量的数量在QUBO公式由于约束。我们提出了一种离散化方法，涉及使用连续变量的相关性。我们数值计算表明，所提出的方法减少了必要的二进制变量的数量在QUBO制定没有显着损失的预测精度。
2023-01-18 cs.LG 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
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
Quantum Similarity-Driven QUBO Framework for Multi-Period Supply Chain Allocation using Time-Multiplexed Coherent Ising Machines and Simulated Quantum Annealing
本研究提出混合QUBO框架，结合量子相似性核、松弛位容量约束及相干伊辛机执行，在500个SKU的多周期数据上实现零违规、高利润的工业级供应链分配。
2025-10-24 math.OC quant-ph
Comparing Quantum Annealing and Spiking Neuromorphic Computing for Sampling Binary Sparse Coding QUBO Problems
Los Alamos National Laboratory, CCS-3 Information Sciences（洛斯阿拉莫斯国家实验室，CCS-3信息科学部门）；Harvard University, T.H. Chan School of Public Health（哈佛大学，T.H. Chan公共卫生学院）
本研究针对二元稀疏编码QUBO问题，分别在D-Wave量子退火器和Intel Loihi 2脉冲神经形态处理器上求解，并引入迭代反向退火等方法优化，验证了两类计算的适用性且迭代反向量子退火表现最优。
2025-05-14 cs.CV cs.DM cs.ET
Thermodynamic significance of QUBO encoding on quantum annealers
University of Massachusetts, Boston（马萨诸塞大学波士顿分校）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）；Quantum Science Institute, University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校量子科学研究所）；Universität Tübingen（蒂宾根大学）；Forschungszentrum Jülich（于利希研究中心）；Polish Academy of Sciences（波兰科学院）
本文通过研究作业车间调度问题的QUBO编码参数空间，发现惩罚权重影响计算硬度和热力学耗散，提出将QUBO惩罚视为热力学控制旋钮并设计热力学感知的编码策略。
2026-01-07 quant-ph
QUBO formulations for numerical quantum computing
随着量子计算机的出现，许多量子计算算法正在被开发。求解线性方程组是几乎所有科学和工程中最基本的问题之一。Harrow-Hassidim-Lloyd算法是一种用于在门模型量子计算机上求解线性系统的里程碑式的量子算法，它被发明出来，并且已经开发出了几种先进的变体。对于给定的n × n矩阵A和向量b，我们将找到满足Ax=b的向量x的无约束二元优化（QUBO）模型。为了制定一个线性系统解决问题的QUBO模型，我们利用一个线性最小二乘问题的解决方案的二进制表示。我们在D-Wave系统上验证了这些QUBO模型，并讨论了结果。对于一个简单的系统，我们提供了一个Python代码来计算表征变量之间关系的矩阵，并打印可以直接在D-Wave系统中使用的测试代码。
2022-01-23 quant-ph
Quantum Image Denoising: A Framework via Boltzmann Machines, QUBO, and Quantum Annealing
Johns Hopkins University（约翰斯·霍普金斯大学）；NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）；Research Institute of Advanced Computer Science, USRA（大学空间研究协会高级计算机科学研究所）；NEC Corporation（日本电气股份有限公司）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）
提出基于RBM与QUBO的二值图像去噪框架，给出惩罚参数最优选择及稳健修正，并在D-Wave Advantage和经典启发式近似上验证。
2023-08-18 cond-mat.dis-nn cs.CV eess.IV
Quantum Annealing for the Set Splitting Problem
本文提出一种基于QUBO表述的量子退火方法求解集合分割问题，通过设计惩罚函数确保基态对应有效解，实现线性逻辑量子比特扩展，并在实证中高准确率收敛至全局最优，相比经典方法降低时间复杂度。
2025-08-08 quant-ph
Testing a QUBO Formulation of Core-periphery Partitioning on a Quantum Annealer
我们提出了一个新的内核，量化的成功计算一个无向网络的核心-外围分区的任务。找到相关联的最优划分可以以二次无约束二进制优化（QUBO）问题的形式来表达，最先进的量子退火器可以应用于该问题。因此，我们利用新的目标函数来（a）判断量子退火器的性能，以及（b）将这种方法与现有的启发式核心-外围划分方法进行比较。量子退火在市售的D-Wave机器上进行。QUBO问题涉及一个完整的矩阵，即使底层网络是稀疏的。因此，我们开发并测试了原始QUBO的稀疏化版本，这增加了量子退火机的可用问题维度。在合成和真实数据集上提供了结果，我们得出结论，QUBO/量子退火方法在优化这个新的感兴趣的量方面提供了好处。
2022-01-05 cs.SI physics.data-an quant-ph
A quantum annealing approach to the minimum distance problem of quantum codes
University of Kentucky（肯塔基大学）
本文提出将量子稳定子码的最小距离计算重构为QUBO问题，并利用量子退火及混合算法求解，验证了该方法在D-Wave平台上的实际可行性。
2026-10-15 cond-mat.stat-mech quant-ph
QUBO.jl: A Julia Ecosystem for Quadratic Unconstrained Binary Optimization
Federal University of Rio de Janeiro（里约热内卢联邦大学）；PSR；Davidson School of Chemical Engineering, Purdue University（普渡大学戴维森化学工程学院）；Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）；Research Institute of Advanced Computer Science, Universities Space Research Association（美国大学航天协会高级计算机科学研究所）；Quantum Artificial Intelligence Laboratory, NASA Ames Research Center（NASA艾姆斯研究中心量子人工智能实验室）
介绍QUBO.jl这个Julia包，可将JuMP中的优化问题转换为QUBO形式，用于多种物理及相关求解方法，能与硬件交互，通过JuMP/MathOptInterface层提供流畅建模体验。
2026-07-29 math.OC quant-ph
QuAnt: Quantum Annealing with Learnt Couplings
Universität Siegen（锡根大学）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Aalto University（阿尔托大学）
现代量子退火机可以找到高质量的解决方案，以组合优化目标作为二次无约束二进制优化（QUBO）问题。不幸的是，在计算机视觉中获得合适的QUBO形式仍然具有挑战性，目前需要特定问题的分析推导。此外，这种明确的配方施加有形的约束解决方案编码。与之前的工作形成鲜明对比的是，本文提出通过梯度反向传播从数据中学习QUBO形式，而不是导出它们。因此，解决方案的编码可以选择灵活和紧凑。此外，我们的方法是通用的，几乎独立于目标问题类型的具体情况。我们展示了学习QUBO在不同问题类型的图形匹配，2D点云对齐和3D旋转估计的优势。我们的结果与现有技术的先前量子态具有竞争力，同时需要更少的逻辑和物理量子位，使我们的方法能够扩展到更大的问题。代码和新数据集将是开源的。
2022-10-13 cs.CV cs.LG quant-ph
Deriving Compact QUBO Models via Multilevel Constraint Transformation
本文提出多层约束变换方案 MLCTS，从二值线性规划生成辅助变量更少的紧凑 QUBO 模型，并在多类组合优化问题及软硬件求解器上验证其显著性能提升。
2024-04-04 math.OC quant-ph
Grid-Partitioned MWIS Solving with Neutral Atom Quantum Computing for QUBO Problems
TCS Research, Tata Consultancy Services, India（塔塔咨询服务公司印度研究部）
提出一种混合量子-经典框架，通过网格划分将 QUBO 问题映射为单位圆盘图上的 MWIS 问题并利用中性原子量子计算求解，在投资组合优化任务中展现出可扩展性和实用潜力。
2025-11-05 quant-ph
Cellular Automata on Quantum Annealing Systems
本文介绍了在量子退火系统（如D-Wave量子计算机）上实现双色元胞自动机的方法。我们表明，实现最近邻元胞自动机是可能的。我们提出了Wolfram的元胞自动机规则110的实现，该规则先前已被证明是通用的图灵机，作为适用于量子退火系统的QUBO。我们展示了反向传播的元胞自动机规则集，以确定所需的系统状态的初始细胞状态。我们展示了二维双色元胞自动机，如康威的生命游戏，可以表示为量子退火系统。
2021-01-07 quant-ph
Quantum-annealing-inspired algorithms for multijet clustering
本研究将高能对撞机中的喷注重建表述为QUBO问题，提出受量子退火启发的算法（如弹道模拟分岔）解决多喷注聚类难题，实现了一次性全局重建超越双喷注的多喷注，突破了传统迭代方法的局限。
2025-04-02 hep-ex hep-ph quant-ph
A QUBO formulation for top-$τ$ eigencentrality nodes
近年来，由于大量数据的产生，网络中节点的中心性或“层次”的有效计算已经获得了很大的相关性。特征向量中心性（又称特征中心性）由于其简单性和保真度而迅速成为中心性的良好度量。在这项工作中，我们奠定了基础，解决的特征中心性问题的排名的节点的重要性与分数从网络的特征向量，使用量子计算范例，如量子退火和基于门的量子计算。该问题被重新表述为二次无约束二进制优化（QUBO），可以在两种量子架构上求解。结果集中在正确识别给定数量的最重要的节点在众多的网络中给出了我们的QUBO制定的稀疏向量解决方案的问题，确定顶部- $τ$最高本征中心节点在网络上的D-Wave和IBM量子计算机
2022-07-10 quant-ph
Quantum Annealing for Machine Learning: Applications in Feature Selection, Instance Selection, and Clustering
Georgia Institute of Technology（佐治亚理工学院）
本文将特征选择、实例选择和聚类形式化为QUBO问题，通过量子退火与经典模拟退火对比，提出多种QUBO配置和新启发式方法，并构建经典到量子聚类流水线，证明QA在离散机器学习优化中具有竞争力。
2025-07-20 cs.ET cs.LG quant-ph
Optimizing QUBO on a quantum computer by mimicking imaginary time evolution
本研究提出一种基于虚时演化模拟电路的混合量子-经典算法求解QUBO问题，通过迭代更新、预排序优化收敛性，经典模拟和IBM硬件实验均验证了其有效性与量子优势潜力。
2025-06-18 quant-ph
Characterization of QUBO reformulations for the maximum $k$-colorable subgraph problem
量子器件可以用于解决约束组合优化（COPT）问题，这要归功于使用惩罚方法将COPT问题的约束嵌入其目标中以获得COPT的二次无约束二进制优化（QUBO）重构。然而，执行这种惩罚的特定方式影响惩罚参数的值以及获得期望的QUBO重构所需的附加二进制变量的数量。反过来，这些因素会大大影响量子计算机有效解决这些约束COPT问题的能力。这种效率是使用量子计算机比经典计算机更有效地解决约束COPT问题的关键。沿着这些路线，我们考虑了一个重要的约束COPT问题，即，最大$k$ -可着色子图（M $k$ CS）的问题，其目的是找到一个诱导的$k$ -可着色子图在给定的图中具有最大的基数。这个问题出现在频谱共享网络的信道分配、VLSI设计、人类基因研究和网络安全中。我们推导了M $k$ CS问题的两个QUBO重构，并充分表征了可用于QUBO重构的惩罚参数的范围。此外，M $k$ CS问题的一个QUBO重新公式化，而不需要引入额外的二进制变量。为了说明获得和表征这些QUBO重构的好处，我们通过对D-Wave的量子退火设备进行数值测试，对M $k$ CS问题的不同QUBO重构进行基准测试。这些测试还说明了使用最新的D-Wave量子退火设备所获得的数值功率。
2021-01-23 math.OC quant-ph
Low Rank Non-Negative Matrix Factorization with D-Wave 2000Q
在这篇文章中，我们想展示新的D-Wave量子退火机D-Wave 2000 Q在处理现实世界问题方面的有效性。特别是，它示出了量子退火过程是如何能够找到全局最优，即使在不直接涉及二进制变量的问题的情况下。在这项工作中解决的问题如下：采取矩阵V，找到两个矩阵W和H，使得V和矩阵乘积WH之间的范数尽可能小。这项工作的灵感来自O 'Malley的文章[1]，其中作者提出了一个算法来解决与我们非常相似的问题，但是矩阵H仅由二进制变量构成。在我们的例子中，两个矩阵W或H都不是二元矩阵。特别地，因子分解预见矩阵W由0和1之间的实数组成，并且其行的和等于1。与这种类型的因式分解相关联的QUBO问题生成由许多局部最小值组成的势。我们表明，简单的前向退火技术是不足以解决这个问题。新的D-Wave 2000 Q引入了新的解决方案优化技术，包括反向退火。反向退火允许从用户选择的点开始探索配置空间，例如通过先前的正向退火获得的局部最小值。在这篇文章中，我们提出了一个算法的基础上的反向退火技术（我们称之为自适应反向退火）能够达到全局最小值，即使在QUBO问题的情况下，经典的正向退火，或不受控制的反向退火，不能达到满意的解决方案。
2018-08-27 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
BALANCE: Bitrate-Adaptive Limit-Aware Netcast Content Enhancement Utilizing QUBO and Quantum Annealing
针对数据上限约束下视频流质量优化的挑战，提出量子框架BALANCE，通过QUBO构建比特率分配问题，基于视觉复杂度和数据消耗预选片段并利用VMAF提升QoE，在同等数据约束下QoE优于传统方法，DPA表现更佳。
2025-09-23 cs.MM cs.NI eess.IV
Quantum Annealing Continuous Optimisation in Renewable Energy
可再生能源优化带来了计算密集型挑战。然而，决策空间的连续性通常排除了许多新兴的非冯诺依曼计算平台的使用，如量子退火，这些平台仅限于离散问题。我们提出了量子退火连续优化（QuAnCO），一种基于信任域（TR）的算法，其中TR牛顿子问题被转换为二次无约束二进制优化（QUBO），从而允许使用Ising求解器，如D-Wave的量子退火器。这种到QUBO的转换是通过1）使用TR的超矩形形状，2）使用区间有界整数离散表示每个连续维度，以及3）对所得有界整数进行二进制编码来完成的。我们解决了一个现实世界的挑战，即为欧洲最大的沼气生产商Nature Energy优化生物质混合选择，从而为在绿色能源生产中使用QuAnCO的可行性和性能优势提供证据。
2022-04-02 math.OC quant-ph
QUBO Resolution of the Job Reassignment Problem
本文提出一种子问题划分启发式方案，将作业再分配问题编码为QUBO哈密顿量，使子问题规模减半并实现指数级加速。
2023-09-29 quant-ph
