Extending the computational reach of Quantum Annealing using Reverse Annealing
Goethe University Frankfurt（法兰克福歌德大学）；Institute of Computer Science, Goethe University Frankfurt（法兰克福歌德大学计算机科学研究所）；Modular Supercomputing and Quantum Computing, Institute of Computer Science, Goethe University Frankfurt（法兰克福歌德大学计算机科学系模块化超级计算与量子计算）；Jülich Supercomputing Centre, Forschungszentrum Jülich GmbH（于利希超算中心，于利希研究中心有限公司）
本文通过实验证明，结合正向和反向退火能持续提升量子退火在多种问题上的解质量和效率，且反向退火在复杂问题上优势显著，优于单纯延长退火时间。
2026-07-03 cs.ET 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
Reverse Annealing for Nonnegative/Binary Matrix Factorization
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
最近的研究表明，量子退火可以作为一种有效的，快速的子程序在某些类型的矩阵分解算法。量子退火算法在快速、近似的答案方面表现最好，但性能很快就趋于稳定。在本文中，我们利用反向退火，而不是向前退火的量子退火子程序的非负/二元矩阵分解问题。在前向退火的初始全局搜索之后，反向退火执行一系列局部搜索，以改进现有的解决方案。对于除了最短运行时间之外的所有运行时间，与单独的正向退火相比，正向退火和反向退火的组合显著提高了性能。
2021-01-12 cs.ET cs.LG quant-ph
Unraveling Reverse Annealing: A Study of D-Wave Quantum Annealers
本文通过研究包含1000个量子比特的模型，分析了退火时间和反转距离等关键参数对D-Wave量子退火机反向退火行为的影响，揭示了量子与经典过程的相互作用，为用户充分利用其潜力提供了深入理解。
2025-02-12 physics.comp-ph quant-ph
Open-system modeling of quantum annealing: theory and applications
在这篇论文中，我们探讨了量子退火（QA）及其应用在开放系统环境中的表现。我们给出了量子退火器件的时间相关开放动力学的有效并行模拟方法的推导和数值配方。我们认为弱耦合的限制，环境和$1/f$噪声的情况下。随机含时量子轨道技术可用于研究量子退火中的弱测量和反馈误差校正。然后，我们专注于开放系统描述的反向退火（RA），这是一个有前途的变种和应用的量子退火。我们表明，与各种模拟工具，反向退火可以受益于退火机和它的环境之间的相互作用。
2021-07-15 quant-ph
Breakdown of the weak coupling limit in quantum annealing
反向退火是量子退火的一种变体，其中系统在经典状态下制备，反向退火到反转点，然后正向退火。我们报告的反向退火实验使用的D-Wave 2000 Q设备，重点是$p=2$ $p$ -自旋问题，它经历了二阶量子相变与关闭多项式的自旋数的间隙。我们集中在总的和部分的成功概率，后者是找到两个简并基态的所有自旋或所有自旋下降的概率，前者是他们的总和。经验的部分成功概率表现出强烈的不对称性之间的两个简并基态，取决于反向退火的初始状态。为了解释这些结果，我们使用主方程在弱耦合和强耦合到浴的限制下进行开放系统模拟。前者被称为绝热主方程（AME），在瞬时能量本征基中具有退相干，预测两个简并基态之间的完美对称性，因此与实验不一致。相反，后者，称为极化子变换的Redfield方程（PTRE），是在密切符合实验。因此，我们的研究结果提出了一个挑战，弱系统浴耦合限制在描述目前的实验量子退火机的动力学，至少在微秒或更长的时间尺度上的反向退火的充分性。
2022-05-10 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
Relaxation-assisted reverse annealing on nonnegative/binary matrix factorization
Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科）；Sigma-i Co., Ltd.（Sigma-i有限公司）；Institute of Science Tokyo（东京科学大学）
本文针对非负/二进制矩阵分解，提出用线性规划松弛解初始化反向退火，在人脸和随机数据集上验证其收敛更优，并揭示松弛解与最优解的关系。
2025-01-03 cond-mat.stat-mech cs.AI cs.LG
Comparing relaxation mechanisms in quantum and classical transverse-field annealing
退火时间表控制提供了新的机会，以更好地理解的方式和机制，其中假定的量子退火操作。通过适当地修改退火时间表，包括一段时间的暂停（保持固定的哈密顿量），我们表明，它是可能的，更直接地探测沿退火和检查热弛豫速率的中间点的系统的耗散动力学，例如，通过观察最小光谱间隙后的重新填充的基态。我们提供了一个详细的比较实验从D-波设备，量子绝热主方程和量子退火，自旋矢量蒙特卡罗的经典模拟的模拟，我们观察到定性的协议，表明特征增加成功概率暂停时，不是一个独特的量子现象。我们发现，在我们的系统中的松弛是由一个单一的时间尺度，这使我们能够给出一个简单的条件时，我们可以期望暂停，以改善时间的解决方案，相关的度量经典优化。最后，我们还探讨了在模拟中温度的作用，同时暂停作为一种手段，以更好地区分量子退火机的量子和经典模型。
2021-01-20 quant-ph
Simulated outperforms quantum reverse annealing in mean-field models
本文通过自由能景观分析绝热逆向退火（ARA）性能，提出经典类比模拟逆向退火（SRA），并在$p$-spin模型中证明SRA全面优于ARA，挑战了ARA的量子优势。
2025-10-31 cond-mat.stat-mech quant-ph
A coherent Ising machine for MAX-CUT problems : Performance evaluation against semidefinite programming relaxation and simulated annealing
组合优化问题通常是计算困难的，但它们在我们的现代生活中无处不在。基于多脉冲简并光学参量振荡器（DOPO）的相干伊辛机（CIM）是通过专门的物理计算系统解决这些问题的另一种方法。为了评估其潜在的性能，对最大割（MAX-CUT）问题进行了计算实验，与传统的算法，如Goemans-Williamson的半定规划松弛和Kirkpatrick的模拟退火，数值结果经验表明，几乎恒定的计算时间是需要获得合理的准确的解决方案的MAX。CIM上的CUT问题，其中顶点数最多为$2 \times 10^4$，边数最多为$10^8$。
2016-02-29 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
Transfer of Knowledge through Reverse Annealing: A Preliminary Analysis of the Benefits and What to Share
TECNALIA（泰克纳利亚（巴斯克研究与技术联盟成员机构））
本文通过34个背包问题实例实验，初步分析反向退火在相似问题间知识迁移的潜在益处，并探究输入解应具备的特征以提高求解成功率。
2025-04-11 cs.AI cs.ET quant-ph
Travel time optimization on multi-AGV routing by reverse annealing
Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科）；Sigma-i Co., Ltd.（Sigma-i有限公司）；Institute of Innovative Research, Tokyo Institute of Technology（东京工业大学创新研究院）
提出基于逆向退火的多AGV路径规划方法，通过从贪婪算法解附近搜索更优解，在最小化行程时间的同时比标准量子退火和经典求解器Gurobi显著提速。
2022-04-25 cs.MA cs.RO cs.SY
Achieving fair sampling in quantum annealing
以相等的概率对哈密顿量的所有基态进行采样是采样算法的期望特征，但是最近的研究表明，横向场量子退火的常见变体对基态子空间进行不公平的采样。在这份说明中，我们提出了微扰理论参数表明，这种缺陷可以通过采用反向退火启发路径来纠正。我们证实，这一结论在模拟先前研究的小实例与简并，以及量子退火硬件上的较大实例。
2020-09-08 quant-ph
Application of Quantum Annealing to Nurse Scheduling Problem
本研究利用D-Wave 2000Q量子退火设备解决带硬约束的护士排班问题，通过新颖的伊辛型哈密顿量建模，实验表明量子退火能获得满意解，且反向退火可显著提升解质量，证实其实际应用潜力。
2019-06-17 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
Quantum Semantic Learning by Reverse Annealing an Adiabatic Quantum Computer
Università degli Studi di Bologna（博洛尼亚大学）；Istituto di Fotonica e Nanotecnologie, Consiglio Nazionale delle Ricerche（国家研究委员会光子学与纳米技术研究所）；Dipartimento di Fisica, Universitá degli Studi di Milano Bicocca（米兰比可卡大学物理系）
玻尔兹曼机构成了一类神经网络，通常应用于图像重建，模式分类和无监督学习。它们最常见的变体，称为受限玻尔兹曼机（RBM），在现有硅基硬件的可计算性和可能应用的通用性之间表现出良好的权衡。然而，成果管理制的推广十分有限，因为其培训过程证明是艰难的。商业绝热量子计算机（AQC）的出现提高了人们的期望，即在这种量子设备上实现RBM可以提高传统硬件的训练速度。然而，到目前为止，RBM网络在AQC上的实现受到每个量子位作为神经网络节点时的低量子位连接性的限制。在这里，我们展示了AQC上完整RBM的可行性，这要归功于将其节点与虚拟量子位相关联的嵌入，从而优于先前基于不完整图的实现。此外，为了加速学习，我们实现了语义量子搜索，与以前的建议相反，由于反向退火时间表，将输入数据作为初始边界条件来开始RBM的每个学习步骤。与更传统的前向退火时间表不同，这种方法允许在训练数据的有意义邻域中对配置进行采样，从而模仿经典吉布斯采样算法的行为。我们发现，基于反向退火的学习快速提高了一个有意义的子集的配置的采样概率。即使没有适当的优化退火时间表，通过反向退火语义训练的RBM在重建任务上也能获得更好的分数。
2020-03-27 cs.LG quant-ph stat.ML
Adiabatic reverse annealing is robust to low-temperature decoherence
本文研究了绝热反退火在存在退相干时的鲁棒性，发现低温环境下ARA能有效避免相变，且环境温度对成功率有关键影响。
2025-11-20 cond-mat.stat-mech quant-ph
Initial State Encoding via Reverse Quantum Annealing and h-gain Features
该研究探索利用D-Wave的反向退火和h-gain特征实现初始状态编码以提升量子退火解的质量，提出混合与迭代方法，在多类优化问题和自旋玻璃基准上验证了h-gain方案的可行性与迭代优化效果。
2023-09-24 cond-mat.dis-nn cs.DM quant-ph
Erasing Classical Memory with Quantum Fluctuations: Shannon Information Entropy of Reverse Quantum Annealing
在三个超导量子退火器上通过逆向量子退火实验，利用磁畴壁分布的Shannon信息熵，研究了量子涨落导致的经典记忆丢失与保留的转变，确立了探测量子涨落与记忆相互作用的通用探针。
2025-09-13 cond-mat.stat-mech cond-mat.str-el cs.IT
Relaxation of the EM Algorithm via Quantum Annealing for Gaussian Mixture Models
通过引入量子退火的概念，提出了一种改进的期望最大化算法，我们称之为确定性量子退火期望最大化算法（DQAEM）。期望最大化（EM）算法是一种已建立的计算最大似然估计的算法，并应用于许多实际应用。然而，它是已知的EM严重依赖于初始值，其估计有时被困于局部最优。为了解决这个问题，量子退火（QA）被提出作为一种新的优化方法的量子力学的动机。通过使用QA，我们制定DQAEM，并提出了一个定理，支持其稳定性。最后，我们展示了数值模拟，以确认其效率。
2017-01-12 cond-mat.stat-mech quant-ph stat.ML
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
X-ResQ: Reverse Annealing for Quantum MIMO Detection with Flexible Parallelism
本文提出基于反向退火协议的细粒度并行量子MIMO检测器X-ResQ，在量子硬件和数字仿真中均实现性能提升，有望支撑超大规模MIMO系统。
2024-03-09 cs.NI quant-ph
Locally Suppressed Transverse-Field Protocol for Diabatic Quantum Annealing
非绝热量子退火（Diabatic quantum annealing，DQA）是绝热量子退火（adiabatic quantum annealing，AQA）的一种替代算法，可用于规避由退火能谱中的小极小值引起的指数减速。我们提出了局部抑制横场（LSTF）协议，一种启发式方法，使随机优化问题与DQA兼容。我们表明，提供了一个优化问题本质上具有磁挫折由于不均匀的局部领域，在问题中的目标量子位总是可以被操纵，以创建一个双最小值的基态和第一激发态之间的能隙在算法的演变。这样的双能量最小值可以用来诱导非绝热跃迁到第一激发态和回到基态。除了与经典和量子算法加速相关外，LSTF协议还可以在现有硬件上执行DQA原理证明和物理实验，前提是横向量子位磁化场存在独立控制。我们讨论了使用LSTF协议时量子退火硬件的相干性要求的影响，特别考虑松弛和退相的情况。我们表明，一个大的系统的弛豫速率可以只依赖于目标量子位呈现新的机会，在量子退火处理器中的散肩环境的表征。
2021-10-22 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
Why and when is pausing beneficial in quantum annealing?
最近使用量子退火硬件的经验结果已经表明，中间退火暂停对找到各种问题的基态的概率具有令人惊讶的有益影响。对这一现象的理论解释至今仍缺乏。在这里，我们提供了一个分析暂停使用主方程框架，并推导出的策略，导致成功概率的提高条件。的条件，我们确定通过数值模拟，然后证明是足够的，需要相对于暂停持续时间的弛豫速率是大的，并在跨越最小间隙，小，并在退火结束后减少，并在此期间也累积小，在这个意义上说，系统不热平衡。这确定了观察到的成功概率增强可以归因于不完全量子弛豫，即，是一种与环境有益的非平衡耦合形式。
2020-08-05 quant-ph
Performance of quantum annealing for 2-SAT problems with multiple satisfying assignments
本文利用具有四个满足赋值的困难2-SAT问题，研究了量子退火模拟及D-Wave物理量子退火器的缩放与采样性能，发现理想退火可用微扰理论解释，而D-Wave结果则与平衡概率分布计算的缩放相符。
2025-02-12 quant-ph
Mapping State Transition Susceptibility in Quantum Annealing
本研究利用D-Wave量子退火器的反向退火与h增益调度特性，提出量化Ising问题经典态间易感性的方法，在Advantage_system4.1上实验验证并揭示了反向退火的详细特征与中间转移路径。
2023-03-01 cond-mat.dis-nn cond-mat.stat-mech cs.DM
Learning-Driven Annealing with Adaptive Hamiltonian Modification for Solving Large-Scale Problems on Quantum Devices
本研究提出学习驱动退火（LDA）框架，通过自适应修正问题哈密顿量聚焦低能演化，构建的混合量子-经典求解器在5580量子比特自旋玻璃问题上性能优于多种经典与量子算法，推动实用量子计算发展。
2025-10-23 quant-ph
Mean field analysis of reverse annealing for code-division multiple-access multiuser detection
我们评估了典型的ARA性能的CDMA多用户检测的统计力学的副本方法。首先，我们考虑的甲骨文的情况下，初始候选解是随机生成的原始信号在初始状态的固定分数。在预言情形中，如果我们为合适的初始候选解做好准备，ARA可以避免或减轻一阶相变。我们通过量子蒙特卡罗模拟验证了我们的理论分析。避免一级相变的理论结果与数值结果一致。接下来，我们考虑的实际情况下，我们准备常用的算法获得的初始候选解决方案。我们表明，实际的算法可以超过阈值，以避免一阶相变。最后，我们用实际算法得到的初始候选解来测试ARA的性能。在这种情况下，ARA不能避免一阶相变，即使初始候选解超过阈值，以避免一阶相变。
2021-04-19 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Classical simulation and theory of quantum annealing in a thermal environment
研究了热环境下量子伊辛模型中的量子退火。当量子退火的速度足够慢时，系统遵循瞬时热平衡演化。然而，这种准静态和等温演化在退火接近结束时失败，因为弛豫时间无限增长，因此从热平衡产生多余的能量。我们发展了一个唯象理论的基础上，这张照片，并推导出一个标度关系的过剩能量退火后。我们最近提出了一种新的非马尔可夫方法，基于路径积分表示的减少密度矩阵和无限时间演变块抽取的理论结果进行了数值证实。此外，我们还讨论了从弱耦合到强耦合以及从绝热到准静态的交叉，并提出了在D波量子退火机上进行实验的建议。
2022-02-21 quant-ph
Relaxation of the EM Algorithm via Quantum Annealing
期望最大化算法是一种获得最大似然估计的新的数值方法，常用于实际计算。然而，许多极大似然估计问题是非凸的，并且已知期望最大化算法由于陷入局部最优而不能给出最优估计。为了解决这一难题，我们在传统的期望最大化算法中引入量子涨落的数学机制，提出了一种确定性量子退火期望最大化算法，因为量子涨落会引起隧道效应，有望缓解极大似然估计问题中非凸优化问题的困难.我们证明了一个定理，保证其收敛性，并给出数值实验，以验证其效率。
2016-06-05 cond-mat.stat-mech math.ST physics.comp-ph
Computational Phase Transitions in Binary Compressed Sensing: Quantum Annealing Inside the Relaxation Gap
Florida Atlantic University（佛罗里达大西洋大学）
研究二值压缩感知中的计算相变边界，发现量子退火在经典方法（包括贝叶斯最优的近似消息传递）均失败的弛豫间隙内成功恢复信号。
2026-05-30 cs.ET quant-ph
Improving quantum annealing of the ferromagnetic $ p $-spin model through pausing
量子退火的成功概率可以通过在其动态过程中暂停退火机来显著提高，以受控的方式利用热弛豫。本文研究了全连接铁磁$ p $ -自旋模型中量子退火的暂停效应。我们用数值方法表明：（i）最佳暂停点比所分析实例的避免交叉时间长60%，以及（ii）在最佳暂停点，我们记录了45%的成功概率，相对于没有相同持续时间暂停的量子退火。这些结果与实验观察到的可用量子退火的连接较少的模型。观察到的改善$ p $ -自旋模型可以达到两个数量级相对于一个孤立的量子动力学相同的持续时间。
2019-07-04 quant-ph
Advanced anneal paths for improved quantum annealing
该研究利用D-Wave退火仪的反向退火、h增益功能及二者的混合调度方案，结合贝叶斯优化调参，在加权最大割等NP难问题上验证了不同技术的适用性，提出h增益可作为反向退火的可行替代方案。
2020-10-23 cond-mat.stat-mech cs.ET quant-ph
Finite temperature quantum annealing solving exponentially small gap problem with non-monotonic success probability
封闭系统量子退火有时会在解决简单问题时出现异常失败，因为问题大小的间隙呈指数级变小。关于这种能隙缩放是否也阻碍了开放系统的量子退火，我们知道的要少得多。在这里，我们研究的量子退火处理器在解决这样一个问题的性能：一个铁磁链与部门的交替耦合强度是经典的平凡，但表现出指数下降的差距在部门的大小。间隙比器件温度小几个数量级。与封闭系统的预期相反，成功的概率上升足够大的部门规模。成功几率与临界点处热可及激发态的数目密切相关。我们证明，这种行为是一致的量子开放系统的描述是无关的热弛豫，而是由系统的性能在临界点。
2018-07-30 quant-ph
Schedule-dependent basin occupation and instance-specific effective scales in cycled reverse annealing on programmable quantum annealers
Tecnológico de Monterrey, Campus Santa Fe（蒙特雷理工学院，圣菲校区）
该研究探讨了在可编程量子退火机上运行混合反常12个量子比特Ising实例时，逆退火过程的晚期子系统自相关性在设备校准的有效温度下严格介于两个平衡参考过程之间，揭示了调度对盆地占据的影响以及反退火调度作为实例特定的盆地占据探测器的作用。
2026-08-14 cond-mat.dis-nn quant-ph
Demonstration of the excited-state search on the D-wave quantum annealer
本文利用D-wave处理器结合热启动反向量子退火，通过同时控制横向场和纵向场演示了问题哈密顿量激发态的制备，并成功应用于两量子比特伊辛模型和最短向量问题，为量子退火器利用激发态开辟了新应用方向。
2023-05-25 quant-ph
Quantum-Assisted Genetic Algorithm
遗传算法，模仿进化过程来解决优化问题，可以通过使用强大的半局部搜索算法作为变异算子来增强。在这里，我们介绍了反向量子退火，一类量子演化，可用于执行家庭的准本地或准非本地搜索从一个经典的状态，作为新的突变源。反向退火使遗传算法的发展，使用量子波动的突变和经典机制的交叉-我们称之为量子辅助遗传算法（QAGA）。我们描述了一个QAGA和目前的实验结果使用D-Wave 2000 Q量子退火处理器。在一组自旋玻璃输入上，标准（前向）量子退火很快就找到了好的解决方案，但很难找到全局最优解。相比之下，我们的QAGA证明有效地找到这些输入的全局最优解。这种成功的相互作用的非本地经典和量子波动可以提供一个有前途的一步，实际应用的噪声中间尺度量子（NISQ）设备的启发式离散优化。
2019-06-24 cs.NE quant-ph
A Set of Annealing Protocols for Optimized System Dynamics and Classification of Fully Connected Spin Glass Problems
本研究通过优化LHZ退火架构中的局部场，提出一组固定最优退火协议，在2400个实例上实现平均基态保真度0.9，并将退火时间减少约72%，加速约3.5倍，且可扩展至实验与问题特定优化。
2023-10-16 quant-ph
Continuous-time quantum optimisation without the adiabatic principle
针对连续时间量子优化算法原有绝热原理动机的局限，研究以普朗克原理为物理依据，论证了非绝热量子退火单调调度的合理性，并揭示了孤立系统中反向量子退火的局限性。
2025-03-20 quant-ph
Fluctuation guided search in quantum annealing
量子退火在利用量子力学解决组合优化问题方面有很大的前景。然而，为了最大限度地实现这一承诺，我们必须适当地利用潜在的物理学。本着这种精神，我研究如何众所周知的倾向，量子退火寻求解决方案，允许更多的量子波动可以用来权衡的最优性的解决方案的合成问题的能力，有一个更灵活的解决方案，其中一些变量可以改变很少或没有成本。我证明了这种权衡实验使用反向退火功能的D-Wave系统QPU的问题组成的所有二进制变量，和那些包含一些高于二进制离散变量。我进一步演示了如何对量子位进行局部控制，以控制波动水平并指导搜索。我讨论了利用这种权衡可能实际上很重要的地方，即在混合算法中，一些惩罚不能直接在退火器上实现，并提供了这些算法如何工作的一些概念验证证据。
2020-11-09 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
Quantum Annealing in a Kinetically Constrained System
经典和量子退火的动力学约束链的$N$非相互作用的非对称双阱，表示为伊辛自旋在纵向场$h$。它示出，在某些情况下，动力学约束可能会出现从无限高，但消失的狭窄障碍出现在系统的弛豫路径，量子退火利用量子力学渗透足够窄的障碍可能是更有效的比它的热对应。我们用散射动力学的半经典图象对量子系统进行了模拟。
2005-02-07 cond-mat.stat-mech quant-ph
Spin Glass Dynamics on Complex Hardware Topologies: A Bond-Correlated Percolation Approach
该研究采用键关联渗流与FKCK团簇形式体系，探究量子退火硬件相关的Chimera等有限尺寸图上自旋玻璃的非指数弛豫机制，揭示阻挫、无序与拓扑约束的共同作用，为量子退火架构评估提供定量基准。
2025-10-28 cond-mat.stat-mech 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
Search range in experimental quantum annealing
我们构建了一个伊辛哈密顿与工程能源景观，使它有一个本地的能量最小值，这是接近真正的全球最小值的解决方案，并进一步远离假最小值。使用在以前的实验中建立的技术，我们设计我们的实验，使得（至少在与我们的研究相关的时间尺度上）由于高水平的量子涨落，在正向退火中优先达到假最小值。这使我们能够证明反向退火的关键原理，即可以在局部搜索解空间，优先找到附近的解，即使存在假最小值。据我们所知，这里使用的技术与以前使用的实验技术不同，并允许我们以一种以前没有探索过的方式探测设备的基本搜索范围。我们在两个通量量子比特量子退火机上进行了这些实验，其中一个具有比另一个更高的噪声水平。我们发现证据表明，低噪声设备更有可能找到更远的能量最小值（在这种情况下是假最小值），这表明降低噪声从根本上增加了通量量子比特量子退火器能够搜索的范围。我们的工作解释了为什么降低噪声会提高这些量子退火机的性能。这支持了这样一种想法，即这些设备可能能够快速搜索解决方案空间的广泛区域，这是量子退火器被视为量子计算优势的潜在途径的核心原因之一。
2021-07-15 quant-ph
Enhancing Multiple Object Tracking Accuracy via Quantum Annealing
NEC Solution Innovators, Ltd.（NEC解决方案创新者有限公司）
本研究通过量子退火技术提升多目标跟踪的精度与速度，适用于实时交通管理和自动驾驶场景。
2024-03-27 cs.CV eess.IV quant-ph
Analytical solution for nonadiabatic quantum annealing to arbitrary Ising spin Hamiltonian
伊辛自旋哈密顿量经常被用来在它们的基态中对计算问题进行编码。量子退火（QA）计算通过实现从易于准备的初始状态到量子自旋的目标伊辛哈密顿量（$H_I$）的低能状态的缓慢的时间依赖性演化来搜索这样的状态。在这里，我们指出对于超出QA绝热限制的任意$H_I$，此类问题存在解析解。这种解决方案提供了洞察非绝热计算的准确性。我们的QA协议在伪绝热制度导致非绝热激发的单调幂律抑制与QA的时间$T$，没有任何签名的过渡到玻璃相，这通常是由对数能量松弛的特点。这一行为表明，在经典和量子自旋玻璃的能量弛豫可以有很大的不同，当它是由外部时间相关的字段辅助。在$H_I$的特定情况下，该解决方案还显示出相当大的量子加速计算。
2022-04-29 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Dual time scales in simulated annealing of a two-dimensional Ising spin glass
我们应用一个广义Kibble-Zurek的平衡外标度的模拟退火时，接近自旋玻璃化转变温度$T=0$的二维伊辛模型与随机$J= \pm 1$耦合。通过分析自旋玻璃序参量和过剩能量随系统尺寸和退火速度的变化关系，我们发现在蒙特卡罗模拟中，能量弛豫比自旋玻璃序参量慢，即，存在两个不同的动态指数。将弛豫时间尺度与系统长度$τ\sim L^z$相关联的指数的值为$z=8.28 \pm 0.03$（用于序参数的弛豫）和$z=10.31 \pm 0.04$（用于能量弛豫）。我们认为，与双时间尺度的行为产生的结果，液滴理论内的熵驱动的排序机制。我们指出，这里发现的动态指数$T \to 0$模拟退火是不同的温度依赖的平衡动态指数$z_{\rm eq}(T)$，以前的研究已经发现了一个发散的行为; $z_{\rm eq}(T\to 0) \to \infty$。因此，我们的研究表明，在大都市动力学，它是更容易放松系统的简并基态之一，而不是在低温下迁移的配置空间周围的不同基态的区域之间。在更一般的优化背景下，我们的研究提供了一个强大的密集区域解决方案的例子，其中多余的能量（传统的成本函数）可能不是成功的最佳衡量标准。
2017-05-13 cond-mat.dis-nn cond-mat.stat-mech cond-mat.str-el
Comparative Study of the Performance of Quantum Annealing and Simulated Annealing
通过将伊辛模型的经典马尔可夫动力学的转移矩阵映射到量子哈密顿量，以及量子哈密顿量与模拟退火的相互作用，研究了模拟退火与量子退火的关系。结果表明，这两个运营商，转移矩阵和哈密顿量，共享本征值谱。因此，如果具有缓慢温度变化的模拟退火不会遇到由一阶相变处的指数长弛豫时间引起的困难，那么对于绝热极限中的量子退火的相应过程也是如此。经典-量子映射与逆量子-经典映射的一个重要区别是，短程伊辛模型的马尔可夫动力学映射到短程量子系统，而短程量子系统到经典系统的逆映射则导致长程相互作用.这导致了效率上的差异，模拟退火可以通过量子退火有效地模拟，但反之则不一定成立。我们的结论是，量子退火是更容易实现，是更灵活的模拟退火。我们还指出，目前的映射可以扩展到容纳明确的时间依赖性的温度，这是用来证明量子力学分析的模拟退火的索玛，巴蒂斯塔和奥尔蒂斯。另外，通过经典到量子的映射，给出了求解一维伊辛模型非平衡动力学的另一种方法.
2014-12-12 cond-mat.stat-mech quant-ph
Swapping Quantum Annealing Errors into a Cavity
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
提出腔量子退火，将退火错误交换为光子，缩短退火时间至平方根量级，并通过光子计数验证高保真结果。
2026-09-29 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Decoherence of a tunable capacitively shunted flux qubit
Department of Physics and Astronomy, University of Waterloo（物理与天文学系，滑铁卢大学）；Department of Electrical and Computer Engineering, University of Waterloo（电气与计算机工程系，滑铁卢大学）；Department of Physics and Astronomy, Dartmouth College（物理与天文学系，达特茅斯学院）；Research Laboratory of Electronics, Massachusetts Institute of Technology（电子学研究实验室，麻省理工学院）
该研究探讨了可调容性屏蔽磁通量子比特在高频率下的退相干机制，揭示了热噪声和低频磁通噪声对退相干的主要影响，为提高超导量子退火器的相干性提供了重要参考。
2025-12-13 quant-ph
