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
An Overview of Approaches to Modernize Quantum Annealing Using Local Searches
我描述了如何真正的量子退火器可以用来执行本地（在状态空间）搜索周围指定的状态，而不是传统上实现的量子退火算法的全局搜索。量子退火算法是模拟退火的类似物，模拟退火是一种经典的数值技术，现在已经过时了。因此，我探索以一种利用现代经典优化算法的方式使用退火器的策略，并且还应该比传统的量子退火算法对问题错误指定不那么敏感。
2016-06-22 cs.ET 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
Quantum and classical annealing in a continuous space with multiple local minima
量子退火的协议被施加到一个一维连续自由度的优化问题，由Shinomoto和Kabashima提出的问题的一个变体。能源景观有一些局部极小值，和模拟退火的经典方法预测有一个缓慢的收敛到全局最小值。我们通过大量的数值分析表明，量子退火产生幂律收敛，从而比模拟退火指数改善。功率更大，因此收敛速度更快，比现有的现象学理论对这个问题的预测。模拟退火的性能被证明是通过引入准全局搜索跨越能量障碍，导致幂律收敛，但具有较小的功率比量子的情况下，从而更慢的收敛经典，即使与准全局搜索过程。我们还揭示了如何非绝热量子动力学，特别是量子隧穿，引导系统走向全球最低的精心选择的退火时间表。后一个结果明确地对比了隧道效应在量子退火中的作用与模拟退火随机优化的经典对应物。
2022-03-22 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
Deep learning optimal quantum annealing schedules for random Ising models
本文提出用LSTM神经网络自动搜索正则图上随机伊辛模型的最优量子退火调度，通过局部绝热路径训练后可泛化到未见实例和更大图。
2023-06-26 quant-ph
RBM-Based Simulated Quantum Annealing for Graph Isomorphism Problems
针对图同构问题中传统模拟退火在大型图上采样效率低的问题，提出基于RBM的变分模拟量子退火方法，利用人工神经网络参数化量子多体系统以提升搜索精度与采样效率。
2025-05-04 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
Quantum codes from classical annealing
Quantinuum
介绍自适应模拟退火算法，用于寻找高编码率和大距离的中等规模量子纠错码，目标是CSS码和SWEL码，通过能量函数引导搜索，找到的码达到或超量子吉尔伯特 - 瓦尔沙莫夫界变体，可用于容错架构和高速码演示。
2026-07-23 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
Excited state search using quantum annealing
量子退火是寻找问题哈密顿量的基态的方法之一。在这里，我们提出了QA计划搜索任意激发态的问题哈密顿量。在我们的方案中，首先制备平凡哈密顿量的第$n$激发态，然后将其转换为目标哈密顿量的第$n$激发态.虽然我们的方案是通用的，我们可以搜索任何激发态，我们特别讨论了第一个激发态的搜索。作为比较，我们考虑了一个非绝热方案，以找到第一个激发态与非绝热跃迁的基态。通过求解Lindblad主方程，我们评估了退相干影响下的每个方案的性能。我们的结论是，只要量子比特的相干时间足够长，绝热方案比非绝热方案表现出更好的性能。这些结果在量子化学、量子模拟和后量子密码学等领域具有重要的应用价值。
2020-03-30 cond-mat.mtrl-sci quant-ph
Quantum Adiabatic Evolution Algorithms versus Simulated Annealing
我们解释了为什么量子绝热演化和模拟退火在搜索n位成本函数的最小值的某些示例中执行相似。在这些示例中，每个比特被对称地处理，因此成本函数仅取决于n个比特的汉明权重。我们还给出了两个例子，密切相关的这些，其中的相似性分解，量子绝热算法成功的多项式时间，而模拟退火需要指数时间。
2002-01-08 quant-ph
Annealing Dynamics via Quantum Interference of Forward and Backward Time Evolved States
对于量子力学基态搜索的另一种方法，我们在理论上引入了一个协议，其中两个相同的系统的能量是确定性交换。该协议利用了“向前”和“向后”的时间演化状态相对于一个给定的哈密顿量之间的量子干涉。此外，利用协议的基态搜索，我们构建了一个网络，我们可能能够有效地应用该协议在多个系统之间，使其中一个的能量逐渐接近最低的。虽然严格的分析网络的有效性是留给未来的挑战，网络的一些性质也进行了研究。
2018-07-27 quant-ph
Trust Region Bayesian Optimization of Annealing Schedules on a Quantum Annealer
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 Learning Search Implementations
本文介绍了混合量子经典算法量子退火学习搜索（QALS）在D波量子退火机上的两种实现（C++和Python）的细节和测试。QALS是在2019年提出的一种新技术，用于解决无法直接表示到D-Wave机器硬件架构中的一般QUBO问题。在经典迭代结构中对量子机的重复调用和相关的收敛性证明产生了一种学习机制，用于将给定问题编码到量子架构中。目前的工作考虑了数量划分问题（NPP）和旅行商问题（TSP）的测试QALS。结果是相当出乎意料的，QALS不能执行以及其他考虑的方法，特别是在NPP，其中经典方法优于量子退火一般。然而，从TSP测试来看，QALS已经实现了其主要目标，即，处理不能直接映射到QPU拓扑的QUBO问题。
2022-12-21 cs.ET 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
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
Demonstration of a scaling advantage for a quantum annealer over simulated annealing
对于量子计算来说，观察到明确的量子加速仍然是一个难以捉摸的目标。D-Wave量子退火处理器一直处于实现这一目标的实验尝试的最前沿，因为它们具有相对较大的量子位数和可编程性。一个完整的确定的最佳时间解决方案（TTS），使用这些处理器还没有可能的日期，防止明确的结论存在的缩放优势。主要的技术障碍是无法在可用范围内验证最佳退火时间。在这里，我们克服了这一障碍，并提出了一类问题的情况下，我们观察到最佳退火时间，使用D波2000 Q处理器的范围跨越到超过$2000$量子位。这使我们能够执行最佳TTS基准测试分析，并与几种经典算法进行比较，包括模拟退火，自旋矢量蒙特卡罗和离散时间模拟量子退火。我们建立了第一个例子的缩放优势的实验量子退火超过经典的模拟退火：我们发现，D-波设备表现出可证明更好的缩放比模拟退火，与$95\%$的信心，在我们可以测试的问题大小的范围。然而，我们没有发现量子加速的证据：模拟量子退火表现出最好的缩放显着的保证金。我们构建的实例类具有可验证的最佳退火时间，开辟了生成许多新的此类类的可能性，为使用当前和未来的量子退火设备进一步明确评估缩放优势铺平了道路。
2018-08-06 quant-ph
Lower Bounds on Quantum Annealing Times
本文推导了绝热区域之外成功执行量子退火所需时间的下界，该下界在三个已知快速退火方案模型中渐近饱和并证明其具有最优标度，同时揭示了量子相干性是快速退火的计算资源。
2023-04-05 quant-ph
Cyclic Quantum Annealing: Searching for Deep Low-Energy States in 5000-Qubit Spin Glass
本文利用D-Wave 5000量子比特处理器验证了迭代循环量子退火算法能快速找到自旋玻璃深度低能态，并揭示了低能景观中连通团簇的幂律分布等复杂结构，为优化算法改进提供指导。
2024-12-28 cond-mat.dis-nn cond-mat.stat-mech 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 Circuit Transformation Based on Simulated Annealing and Heuristic Search
量子算法设计通常假设可以访问具有理想特性的完美量子计算机，如完全连通性，无噪声和任意长的相干时间。然而，在噪声中尺度量子（NISQ）器件中，量子比特的数量是高度有限的，并且量子操作误差和量子比特相干性是不可忽略的。此外，量子处理单元（QPU）中物理量子比特的连通性也受到严格限制。因此，必须插入像SWAP门的附加操作以满足该约束，同时保留原始电路的功能。这个过程被称为量子线路变换。增加额外的门将增加量子线路的尺寸和深度，并因此导致量子线路的性能的进一步衰减。因此，最大限度地减少增加的门的数量是至关重要的。在本文中，我们提出了一种有效的方法来解决这个问题。我们首先使用模拟退火选择一个初始映射，它适合与输入电路，然后，与一个启发式的成本函数的帮助下，逐步应用最佳选择的SWAP门，直到电路中的所有量子门可以执行。我们的算法运行在时间多项式中的所有参数，包括输入电路的大小和量子比特数，以及QPU中的量子比特数。它的空间复杂度是QPU中的边的数量的二次方。广泛的现实电路上的实验结果证实，所提出的方法是有效的，可以减少57%的平均输出电路的大小相比，最新的IBM量子设备即IBM Q20（东京）的最先进的算法。
2019-08-23 quant-ph
Quantum Annealing with Special Drivers for Circuit Fault Diagnostics
我们提出了一个非常一般的构造量子退火协议来解决组合电路故障诊断（CCFD）问题，限制了有效诊断空间的演变。这是通过使用特殊的本地驱动程序，诱导一个可行的配置，是定期和实例独立的每个给定的电路拓扑结构的空间上的过渡图。小实例的分析表明，能隙具有一般形式，最小能隙出现在演化的最后三分之一。我们使用这些功能来构建改进的退火时间表，并通过封闭系统模拟对其性能进行基准测试。我们发现，简并性可以帮助量子退火的性能，特别是对于在其最小故障诊断中具有较高故障数的实例。这与在工业上用于大规模电路的基于蛮力搜索的经典方法的性能形成对比。
2022-07-08 quant-ph
Counterdiabatic Reverse Annealing
我们提出了反绝热反向退火，一种新的量子退火协议，将反向退火的应用范围扩展到以前无法访问的短时域。这是通过利用近似counterdiabatic驱动扩展在低阶嵌套的criterators。在这项工作中，我们提供了一个比较研究的性能，这种新技术的无辅助反向退火的度量，如基态保真度和时间的解决方案。我们提供了一个定量测量的能量成本counterdiabatic反向退火，并表明显着的改善是可能的，即使使用本地counterdiabatic潜力，铺平了道路，在近期的量子设备的实验实施。
2023-01-24 quant-ph
Virtual Screening of Chemical Space based on Quantum Annealing
本文提出利用量子退火器作为采样器生成数据，以提取材料属性的特征重要性，并据此虚拟筛选化学空间，将候选分子缩减至不足1%，从而加速新材料研发。
2023-07-12 quant-ph
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
Sensitivity of quantum speedup by quantum annealing to a noisy oracle
胶合树问题是迄今为止已知的唯一一个量子退火提供指数加速的例子，尽管在预言环境中部分使用了激发态进化。这种加速对oracle上的噪声有多鲁棒？为了回答这个问题，我们构建了现象学的短程和长程噪声模型，以及打破或保持频谱反射对称性的噪声模型。我们表明，在长程噪声模型下，保留了指数量子加速比。然而，我们认为，一个经典的算法与等效的远程噪声模型也表现出指数加速无噪声模型。在量子背景下，长程噪声能够提升问题的谱隙，使问题从非绝热演化到绝热演化。在经典设置中，长程噪声产生步行者直接降落在EXIT顶点上的显著概率。在短距离噪声下，指数加速丢失，但对于足够弱的噪声，多项式量子加速被保留。与噪声范围相比，我们发现噪声对谱对称性的破坏对噪声算法的性能没有显着影响。我们的研究结果的远程模型强调，必须小心选择唯象噪声模型，以便不改变计算问题的性质。我们从短程噪声模型的结果得出结论，在胶合树问题的指数加速是不鲁棒的噪声，但多项式量子加速仍然是可能的。
2019-01-10 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
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
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
Comparison of D-Wave Quantum Annealing and Classical Simulated Annealing for Local Minima Determination
Mississippi State University（密西西比州立大学）；Air Force Research Laboratory（空军研究实验室）；HPC2 Center for Computational Sciences（HPC2计算科学中心）
用不同迭代次数训练的受限玻尔兹曼机用于提供一组不同的能量函数，每个能量函数包含具有不同能量、宽度、逃逸势垒高度、他们被用来验证以前报道的可能性使用的D波量子退火（QA）在伊辛自旋玻璃的能量函数中找到可能被经典搜索遗漏的潜在重要的LV。对于经典搜索，进行广泛的模拟退火（SA），以找到尽可能多的LV，而不管计算成本。SA进行的时间足够长，以确保SA发现的LV数量接近该数量，并最终显著超过提交给D-Wave的单个呼叫发现的LV数量。即使经过长时间的SA搜索，多达30-50%的D-Wave发现的LV仍然没有被SA发现。为了确定仅通过D-Wave发现的LV是否代表配置空间的潜在重要区域，将它们与通过两种技术发现的LV进行比较。虽然由D波发现但被SA错过的LV主要具有较高的能量和较低的逃逸势垒，但有相当大的一部分具有能量和势垒高度的中间值。对于大多数其他重要的LV参数，仅通过D波发现的LV分布在参数值的宽范围内。已经确定的是，对于大或小、浅或深、宽或窄的LV，仅由D波发现的LV通过小几倍的LV吸引盆（BoA）大小来区分。显然，与经典搜索相比，BoA的大小对于QA搜索并不重要或至少不那么重要，从而允许QA容易地找到许多潜在重要的（例如，宽和深）LV错过了甚至令人望而却步的漫长的经典搜索。
2019-11-08 cs.IR cs.LG quant-ph
Multi-objective Quantum Annealing approach for solving flexible job shop scheduling in manufacturing
本文提出融合量子退火、禁忌搜索与模拟退火的QASA算法，通过哈密顿量建模、权重分配和瓶颈分解求解多目标FJSSP，并在基准实验中以可接受的时间代价获得优于CSA的Pareto解集。
2023-11-16 quant-ph
Non-classical Role of Potential Energy in Adiabatic Quantum Annealing
绝热量子退火是模拟量子计算的一个范例，其中给定的计算工作被转换为寻找某些经典势能函数的全局最小值的任务，并且通过使用外部动力学量子涨落和随后的缓慢减少（退火）来执行对全局势能最小值的搜索。在该方法中，可以通过离域波函数同时访问整个势能景观（PEL），这与经典搜索相反，在经典搜索中，搜索者必须访问景观中的不同点（即，单独的经典配置）顺序地。因此，在这样的搜索中，势能的作用在两种情况下可能显著不同。在这里，我们讨论这一点的上下文中搜索的一个孤立的洞（潜在的最小值）在高尔夫球场类型的梯度自由PEL。我们表明，如果洞更深，量子粒子将能够更快地定位洞，而经典粒子当然没有空间利用洞的深度。我们还讨论了底层量子相变对绝热动力学的影响。
2008-11-06 cond-mat.stat-mech cs.CC physics.comp-ph
Shortcuts to adiabaticity for quantum annealing
我们研究了带横场项的伊辛哈密顿量来模拟量子退火。利用绝热性的捷径，我们设计了哈密顿量的时间依赖性。通过平均场近似得到了系统的动力学不变量，并利用反工程方法设计了系统的哈密顿量。我们表明，物理量的时间依赖性，如磁化强度是独立的速度的哈密顿量的变化在无限程模型。我们还表明，旋转的横向磁场是有用的，以实现理想的时间演化。
2017-01-11 quant-ph
Finding low-energy conformations of lattice protein models by quantum annealing
晶格蛋白质折叠模型是计算生物物理学的基石。虽然这些模型是一个粗粒度的表示，他们提供了有用的洞察天然蛋白质的能量景观。寻找低能量的三维结构是一个棘手的问题，即使在最简单的模型，疏水极性（HP）模型。所有可能的全局最小值的穷举搜索仅限于数十个氨基酸的序列。蛋白质类性质的描述更准确地描述了广义模型，如Miyazawa和Jernigan（MJ）提出的模型，其中明确考虑了所有20种氨基酸之间的独特相互作用。有理论和实验证据表明，使用量子退火解决经典优化问题的优势超过其经典模拟（模拟退火）。在这份报告中，我们提出了一个生物物理问题的量子退火的基准实现（六个不同的实验，多达81个超导量子位）。虽然这里提出的情况下，可以解决在一个经典的计算机，我们提出的第一个实现的晶格蛋白质折叠的量子器件下宫泽-杰尼根模型。这为使用量子器件研究生物物理学和统计力学中的优化问题铺平了道路。
2012-04-24 quant-ph
Mitigating Precision Errors in Quantum Annealing via Coefficient Reduction of Embedded Hamiltonians
Waseda University（早稻田大学）
本文研究了在考虑minor-embedding约束下，三种系数缩减方法对量子退火器输出质量的影响，发现交互扩展方法有效提升样本质量，而其他方法效果有限。
2026-04-04 quant-ph
Hidden Frustrated Interactions and Quantum Annealing in Trapped Ion Spin-Phonon Chains
我们发现，一个被困的离子链与光学自旋相关的力相互作用显示出强烈的挫折效应，由于长程相互作用和敷料的光学相位之间的相互作用。我们考虑一个强自旋-声子耦合制度，并预测具有不同的竞争磁性和结构顺序的量子相图。在高阻挫区，系统表现出增强的量子涨落和自旋-液相纠缠特性。我们提出并描述了在平均场方法的量子退火过程中诱导准绝热演化的基态。
2015-12-10 quant-ph
Efficient quantum and simulated annealing of Potts models using a half-hot constraint
Potts模型是具有$Q>2$组件的伊辛模型的推广。在全连接铁磁Potts模型中，一级相变是由不同的热涨落引起的。因此，通过模拟退火获得基态所需的计算时间随着系统尺寸呈指数增加。本研究分析证实，横向磁场量子退火诱导一级相变。这一结果意味着量子退火并没有指数加速铁磁Potts模型的基态搜索。为了避免一阶相变，我们提出了一种迭代优化方法，使用半热约束，适用于量子和模拟退火。在$Q \to \infty$的极限下，半热约束下的鞍点方程与描述全连接铁磁伊辛模型行为的方程相同，从而证实了二级相变。此外，在静态近似和复对称解的假设下，我们验证了全连通Potts玻璃模型和Sherrington-Kirkpatrick模型之间的相同关系.所提出的方法预计将获得低能量状态的Potts模型与高效率使用伊辛型计算机，如D-Wave量子退火机和富士通数字退火机。
2019-11-14 quant-ph
Quantum error mitigation in quantum annealing
针对量子退火中的热噪声与控制误差，本文提出基于零温外推和能量-时间重标度的ZNE方法，并在横场伊辛链实验中将有效相干退火时间扩展近一个数量级。
2023-11-02 quant-ph
Ising-machine-like Driving Condition Restrictions in SSBM and Additional Pseudo-annealing- Driving Method for SSBM that Achieves Best Cut Value Search -
NTT Device Technology Laboratories, NTT, Inc.（NTT设备技术实验室，日本电信电话株式会社）
本研究针对自发对称破缺机（SSBM），明确其类伊辛机的驱动条件限制，通过添加类物理退火效应的伪退火驱动方法，实现了K₂₀₀₀基准问题的最佳割值搜索。
2026-10-21 math-ph math.MP nlin.AO
Neural and Tensor Networks in the Study of Quantum Annealing Processors
Institute of Theoretical and Applied Informatics, Polish Academy of Sciences（波兰科学院理论与应用数学研究所）
本文提出基于张量网络的优化方法和量子退火处理器的评估框架，结合经典基线、采样和多样性指标，探讨算法性能与物理消耗的联合测量。
2026-04-30 quant-ph
Quantum annealing: An introduction and new developments
量子退火是一种利用量子力学涨落来寻找优化问题解的通用算法。本文首先回顾了量子退火的基本原理，然后报告了一种替代方法的初步结果。回顾部分包括量子退火与经典模拟退火的关系。接下来，我们提出了一种新的量子算法，它可能是可用于硬优化问题，通过使用经典量子映射以及Jarzynski等式引入非平衡统计物理。
2010-06-09 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Protein Design by Integrating Machine Learning with Quantum Annealing and Quantum-inspired Optimization
本研究提出一种整合机器学习、量子启发式优化的通用蛋白质设计框架，通过迭代学习物理打分函数，在晶格蛋白模型验证中性能优于传统优化，可扩展至更多场景，为蛋白设计提供新范式。
2024-07-09 physics.bio-ph quant-ph
Quantum annealing for lattice models with competing long-range interactions
本研究利用基于单胞优化方案的超导量子比特量子退火设备，在热力学极限下确定具代数衰减竞争长程相互作用伊辛模型的基态，通过三个材料科学与量子模拟相关示例验证方法有效性，拓展量子退火应用场景。
2025-11-11 cond-mat.str-el physics.comp-ph quant-ph
Quantum Monte Carlo Annealing with Multi-Spin Dynamics
我们介绍了一种新的模拟量子退火（SQA）算法，它采用了多自旋量子涨落算子。与通常的横场不同，短程双自旋翻转相互作用被包含在驱动哈密顿量中。描述并测试了能够有效模拟大型无序系统的量子蒙特卡罗算法。SQA的第一个应用程序，在一个随机的正方形晶格伊辛自旋玻璃显示，多自旋驱动器的哈密顿改进后，通常的横向场。这项工作铺平了道路，更系统的调查使用多自旋量子波动的更广泛的问题。
2017-01-30 cond-mat.stat-mech quant-ph
Variational Neural Annealing
Vector Institute（向量研究所）；University of Waterloo（滑铁卢大学）；Perimeter Institute for Theoretical Physics（圆周理论物理研究所）
本文提出变分神经退火方法，利用循环神经网络等自回归模型参数化目标分布，在经典与量子自旋玻璃问题上显著超越传统模拟退火。
2021-01-25 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Mathematical Foundation of Quantum Annealing
量子退火是利用量子力学涨落来寻找最优化问题解的量子算法的总称。它与量子计算中研究活跃的量子绝热演化有着共同的基本思想。本文综述了量子退火的数学和理论基础。特别是，定理的收敛条件量子退火到目标的最佳状态后，无限时间的演化薛定谔或随机（蒙特卡罗）动力学。证明了尽管Schroedinger动力学和随机动力学有本质的区别，但这两类动力学的控制参数的渐近行为相同，从而保证了这两类动力学的收敛性。还描述了处方，以减少在量子退火的长期但有限的动力学演化后获得的最终近似解中的误差。结果表明，我们可以通过巧妙地选择退火时间表（控制参数的时间依赖性），而不影响计算复杂性定性显着减少错误。从量子绝热性的观点出发，利用经典-量子映射推导了经典模拟退火算法的收敛条件。
2008-06-11 cond-mat.dis-nn 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
Searching for quantum speedup in quasistatic quantum annealers
我们认为，在很长的退火时间的量子退火机可能会经历准静态演化，返回的最终人口接近玻尔兹曼分布的哈密顿在一个单一的（冻结）点在退火过程中。这样的系统预期与适当的量子蒙特卡罗模拟很好地相关。它也可能与模拟退火相关，如果在冻结点的量子能量本征值接近经典的。这些相关性只是平衡的标志，并不意味着量子退火机的演化是经典的，或者可以用量子蒙特卡罗模拟。从这样的分布中提取的计算时间反映了平衡行为，因此没有提供关于底层量子动力学的信息。这使得在次优量子退火器中寻找量子加速成为问题。我们使用一个开放的量子主方程与现实的参数来说明在16量子比特量子退火的准静态演化，并讨论其量子加速的含义。
2015-11-19 cond-mat.mes-hall cond-mat.supr-con quant-ph
Proof of avoidability of the quantum first-order transition in transverse magnetization in quantum annealing of finite-dimensional spin glasses
Graduate School of Arts and Sciences, The University of Tokyo（东京大学大学院人文社会系研究科）
该研究证明了在量子退火中，任何有限维自旋系统中横向磁化不存在量子一阶相变，这一结果适用于自旋玻璃系统，表明量子退火中横向磁化的量子一阶相变不会加剧组合优化问题的难度。
2024-01-28 cond-mat.dis-nn cond-mat.stat-mech quant-ph
The Potential of Quantum Annealing for Rapid Solution Structure Identification
最近出现的新的计算设备，如量子计算机，相干伊辛机和数字退火机，为硬件加速的混合优化算法提供了新的机会。不幸的是，利用新型硬件平台的毫无疑问的性能增益的演示面临着重大障碍。一个关键的挑战是理解将这些设备与已建立的优化方法区分开来的算法特性。通过精心设计人为的优化任务，这项工作提供了新的见解量子退火的计算特性，并表明该模型具有快速识别高质量解决方案的结构的潜力。对各种算法的细致比较表明，量子退火在所提出的优化任务上的性能是不同的。这一结果提供了新的见解的时间尺度和类型的最优化问题量子退火有可能提供显着的性能增益超过既定的优化算法，并建议开发的混合算法，结合量子退火和国家的最先进的经典方法的最佳功能。
2020-10-20 math.OC quant-ph
Annealing Dynamics of Regular Rotor Networks: Universality and Its Breakdown
University of Luxembourg（卢森堡大学）；Donostia International Physics Center（圣塞巴斯蒂安国际物理中心）
本文用SVL模型研究规则图上经典O(2)转子的退火动力学，揭示短程低连接情形下的Kibble-Zurek普适标度，并证明长程相互作用会导致该机制普适破缺。
2025-02-13 cond-mat.stat-mech quant-ph
Heuristic for Diverse Kemeny Rank Aggregation based on Quantum Annealing
University of Trier（特里尔大学）；University of Bergen（卑尔根大学）
Kemeny Rank Aggregation（KRA）问题是社会选择领域中一个研究得很好的问题，在数据库和搜索引擎等许多不同领域都有各种应用。直觉上，给定一组候选人的一组选票，问题要求找到一个候选人的聚合排名，最大限度地减少对选票的总体不满。最近，一个不同版本的KRA被认为是要求一个足够多样化的足够好的解决方案。解决方案的多样性框架是人工智能领域一个年轻而蓬勃发展的话题。其主要思想是为用户提供不仅仅是一个，而是一组不同的解决方案，使她能够选择一个足够好的解决方案，满足难以或不可能建模的其他主观标准。在这项工作中，我们使用量子退火来解决KRA问题，并计算一组代表性的解决方案。量子退火是一种Meta搜索启发式算法，它不仅在当前现有的原型上显示出有希望的运行时行为，而且利用量子效应以固有的不同方式对解空间进行采样。我们描述了如何KRA实例可以解决的量子退火，并提供了一个实现以及实验评估。由于现有的量子退火器在量子比特数量上仍然受到限制，我们进一步实现了两种不同的数据简化规则，可以将一个实例拆分为一组更小的实例。在我们的评估中，我们比较了经典的模拟退火和局部搜索等多个解决方案，允许在物理量子退火机上进行量子退火。我们比较运行时，解决方案的质量和多样性的解决方案，与不应用前面的数据减少规则。
2023-01-12 cs.AI cs.ET 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
