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
Quantum Annealing for Combinatorial Optimization: Foundations, Architectures, Benchmarks, and Emerging Directions
AIONOS
本文综述了量子退火在组合优化中的应用，探讨了其理论基础、硬件架构、算法实现及性能瓶颈，指出嵌入和编码开销对可扩展性和性能的影响。
2026-02-03 quant-ph
Understanding domain-wall encoding theoretically and experimentally
我们分析的方法编码成对的相互作用高于二进制离散变量（这些模型有时被称为离散二次模型）到二进制变量的基础上域墙一维伊辛链。我们讨论了这与量子退火的关系，以及许多门模型算法，如VQE和QAOA。我们从理论上表明，对于量子计算的实际利益的问题，并假设只有二次相互作用之间的二进制变量，它是不可能有一个更有效的一般编码的二进制变量的数量，每个离散变量。此外，我们使用D-Wave Advantage 1.1通量量子比特量子退火计算机来证明与传统的独热编码相比，畴壁编码的动力学有效地冻结。这第二个结果可以帮助解释畴壁在一个热的戏剧性的性能改善，这已经在最近的实验中看到的D-Wave硬件。这是一个重要的结果，因为通常问题编码和底层物理是分开考虑的，我们的工作表明，把它们放在一起考虑可能是一个更有用的范例。我们认为，这一实验结果也有可能结转到其他一些设置，我们讨论了如何这有影响的门模型和量子启发算法。
2022-09-14 quant-ph
Scalable effective temperature reduction for quantum annealers via nested quantum annealing correction
嵌套量子退火校正（NQAC）是用于量子退火的纠错方案，其允许将逻辑量子比特编码成任意大数目的物理量子比特。编码用度$C$的完整图替换每个逻辑量子位。嵌套级别$C$表示纠错码的距离，并控制针对热错误和控制错误的保护量。用D-Wave Two量子退火机（支持多达$512$量子比特）获得的理论平均场分析和经验数据表明，NQAC有可能用$η\leq 2$实现可扩展的有效温度降低$T_{\rm eff} \sim C^{-η}$。我们确认，当NQAC在D-Wave 2000 Q设备（支持高达$2048$量子位）上测试时，这种缩放是保留的。此外，我们表明，NQAC也可以用于采样问题，以降低量子退火的有效温度。这种有效的温度降低与机器学习应用相关。由于我们证明了NQAC通过有效降低量子退火设备的温度来实现纠错，因此我们的结果解决了“量子退火机的温度标度律”的问题，该问题需要降低量子退火机的温度，因为试图解决更大尺寸的问题。
2017-10-22 quant-ph
Error correction for encoded quantum annealing
最近，Lechner，Hauke和Zoller [Science Advances，1（9）e1500838，（2015）]提出了一种量子退火架构，其中具有全对全连接性的经典自旋玻璃由具有几何局部相互作用的自旋玻璃模拟。我们解释这种架构作为一个经典的纠错码，这是非常强大的弱相关位翻转噪声，我们分析了代码的性能使用置信传播解码算法。我们的观察结果也适用于更一般的编码方案和噪声模型。
2016-04-27 quant-ph
Environmental effects in quantum annealing
对于量子退火，与基于电路的量子计算相反，计算问题的解被编码在量子系统的基态中。因此，它对环境影响的敏感性是一个不同但同样重要的开放问题，对于可扩展的实现至关重要。在这项工作中，我们使用重整化群技术来研究欧姆浴的效果，在一个制度典型的实际绝热量子计算。我们发现系统与浴之间的有效哈密顿量以及约化量子比特密度矩阵编码纠缠发生了质的变化。约化密度矩阵的有效退相限制了从许多量子比特纠缠基态中提取的信息。我们发现退火过程不再局限于量子位，并讨论了在组合系统-浴态中退火的可能缺点或优点。
2018-09-24 quant-ph
Effects of XX-catalysts on quantum annealing spectra with perturbative crossings
研究XX催化剂对量子退火谱的影响，发现其效果对问题编码极敏感，并揭示基态矢量负分量在能隙响应中的关键作用，探讨了闭合能隙在非绝热协议中的潜在利用。
2023-11-13 quant-ph
Quantum Annealing Learning Search for solving QUBO problems
在本文中，我们提出了一种新的策略来解决优化问题的混合量子经典计划的基础上量子退火，特别关注QUBO问题。所提出的算法是基于一个迭代的结构，其中的目标函数的表示到退火架构的学习和已经访问的解决方案是由禁忌启发搜索惩罚。其结果是一个启发式搜索配备了学习机制，以提高编码的问题到量子架构。我们证明了算法的收敛到一个全局最优的情况下，一般的QUBO问题。我们的技术是一种替代的直接减少到稀疏退火图的给定的优化问题。
2019-08-13 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
Exploring Quantum Annealing for Coarse-Grained Protein Folding
Fraunhofer Institute for Computer Graphics Research IGD（弗劳恩霍夫计算机图形研究研究所）；Technical University of Darmstadt（达姆施塔特工业大学）
本文探讨了量子退火在蛋白质结构问题中的应用，比较了多种量子计算机的初态蛋白质折叠模型，分析了其经典和量子启发式方法的扩展性和性能，并提出了一种基于交错网格的四面体晶格坐标模型编码方法。
2026-04-24 quant-ph
The Steiner Tree Problem: Novel QUBO Formulation and Quantum Annealing Implementation
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
本文提出了一种基于量子退火的新算法，用于解决Steiner树问题，通过QUBO建模和编码策略实现高效求解。
2026-03-04 quant-ph
Quantum lattice Boltzmann method via density-matrix encoding for fluid simulation with wall boundary conditions
State Key Laboratory for Turbulence and Complex Systems, School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院湍流与复杂系统国家重点实验室）；HEDPS-CAPT, Peking University（北京大学高能量密度物理研究中心）
提出一种采用密度矩阵编码的量子格子玻尔兹曼方法，通过量子化半步反弹和组分交换实现任意几何壁面边界及出入口条件，并在多几何二维流动中验证了准确性与可扩展性。
2026-09-09 quant-ph
Accurate Computation of Relativistic Excitation Energies Using Quantum Annealing
本研究首次使用量子退火器计算量子多体系统的相对论效应，在 D-Wave Advantage 硬件上利用 QAE 算法及新型量子比特编码与微扰分解策略，实现了类硼离子精细结构分裂 98.9% 的实验准确度。
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
Quantum annealing with more than one hundred qubits
量子技术正在成熟到量子设备，如量子通信系统，量子随机数发生器和量子模拟器，可以建立超过经典计算机的能力。特别地，量子退火器通过将非零温度下的已知初始配置朝向编码给定问题的哈密顿量的基态演化来解决困难的优化问题。在这里，我们介绍了基于超导通量量子位的108量子位D-Wave One设备的实验结果。与设备和经典退火或经典自旋动力学之间的弱相关性相比，设备和模拟量子退火机之间的强相关性表明设备执行量子退火。我们发现了额外的证据，量子退火的形式小间隙避免水平交叉表征的困难的问题。为了评估设备的计算能力，我们将其与优化的经典算法进行比较。
2013-07-21 quant-ph
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
Circuit design for multi-body interactions in superconducting quantum annealing system with applications to a scalable architecture
量子退火提供了一种解决优化问题的方法，将它们编码为使用物理量子位实现的伊辛自旋模型。优化问题的解于是对应于系统的基态。利用量子隧穿使系统能够在潜在的高度非凸的能量景观中移动到基态。在物理量子退火设备中编码优化问题的一个主要困难是，许多现实世界的优化问题需要更高连接性的相互作用以及超出物理硬件限制的多体项。在这项工作中，我们解决的问题，如何实现多体相互作用，使用硬件本身只提供两个机构的相互作用。主要结果是使用超导通量量子比特的这种多体项的有效电路设计，其中使用N个辅助量子比特和仅两个电感耦合器来实现有效的N体相互作用。然后，它示出了如何将该电路可以被用作一个可扩展的架构的单元格，通过将其应用到最近提出的嵌入技术，用于构建一个架构的逻辑量子比特与任意连接使用物理量子比特，具有最近的邻居四体相互作用。它进一步表明，这种设计是强大的耦合回路中的非线性效应，以及在一些电路参数的失配。
2017-10-13 quant-ph
Spin-1 quantum annealing with anisotropy-controlled intermediate-state pathways
Koç University（科奇大学）；TÜBİTAK Research Institute for Fundamental Sciences（土耳其科学与技术研究基金会基础科学研究院）
研究通过自旋-1系统探索量子退火性能，利用各向异性项提升退火精度，通过中间态和可调各向异性实现更小步长的能量景观遍历，降低配置空间障碍，增强退火稳定性。
2026-05-10 quant-ph
A scalable 2-local architecture for quantum annealing of Ising models with arbitrary dimensions
针对量子退火中密集连接硬件图的挑战，提出一种可扩展架构，通过仅含2-local相互作用且每个量子比特最多连接3个的硬件图实现任意连接的Ising Hamiltonians，为扩展量子退火设备提供了新途径。
2025-04-22 quant-ph
Efficient partition of integer optimization problems with one-hot encoding
量子退火是用于解决组合优化问题的启发式算法，并且D-Wave Systems Inc.已经开发出了实现这种算法的硬件。当前版本的D-Wave量子退火器可以解决具有有限数量的二进制变量的无约束二进制优化问题，尽管许多实际问题的成本函数是由大量整数变量定义的。为了用量子退火器解决这些问题，整数变量通常用独热编码二进制化，并且二进制化的问题被划分为小的子问题。然而，二进制化问题的整个搜索空间是相当大的扩展相比，原来的整数问题，并占主导地位的不可行的解决方案。因此，为了有效地解决具有独热编码的大型优化问题，需要提取具有尽可能多的可行解的子问题的划分方法。
2019-06-18 quant-ph
Minimizing minor embedding energy: an application in quantum annealing
量子退火的一个重大挑战是将现实世界的问题映射到有限连接的硬件图上。如果问题图的最大度超过硬件图的最大度，则采用较小嵌入，其中每个逻辑量子比特被映射到物理量子比特树。树中物理量子位之间的成对相互作用被设置为具有一定耦合强度$F<0$的铁磁。在这里，我们解决的问题，什么值$F$应该采取，以最大限度地提高概率，退火找到正确的基态的伊辛问题。每个逻辑量子比特的$|F|$的总和被定义为较小的嵌入能量。我们证实实验的基态概率最大化时，较小的嵌入能量最小化，受约束，没有域壁出现在与每个嵌入的逻辑量子比特相关联的每棵树的物理量子比特。我们进一步开发了一个分析下界$|F|$，满足这个约束，并表明它是一个更严格的约束比以前推导出的崔（量子信息。
2019-05-08 quant-ph
Mean Field Analysis of Quantum Annealing Correction
量子退火校正（QAC）是一种将编码与能量惩罚和解码相结合的方法，以抑制和校正降低量子退火器在解决优化问题时的性能的错误。虽然QAC已经被实验证明可以成功地纠正一系列优化问题，但对其运行机制缺乏清晰的理解。在这里，我们使用量子统计力学的工具来弥合这一差距。我们研究了使用平均场分析，特别是$p$体铁磁无限程横场伊辛模型以及量子Hopfield模型的分析听话的模型。我们证明，对于$p=2$，其中的相变是第二阶，QAC推动过渡到越来越大的横向场强。对于$p\ge3$，其中相变是一阶的，QAC对于小的能量惩罚值软化间隙的闭合，并且对于足够大的能量惩罚值防止其闭合。因此，QAC提供了对发生在量子临界点附近的激发的保护。我们发现Hopfield模型的类似结果，从而表明，我们的结论在无序的存在。
2016-06-03 quant-ph
Quantum annealing sampling with a bias field
偏置场的存在，编码关于目标状态的一些信息，可以增强量子优化方法的性能。在这里，我们调查这样的偏置场的量子退火采样的结果的效果，在精确覆盖问题的例子。在D-Wave机器上进行采样，并根据无偏采样程序对不同的偏置配置进行基准测试。结果发现，偏置退火算法的工程效果特别好，对于较大的问题大小，偏置和目标配置之间的汉明距离变得不那么重要。这项工作激励了未来的研究工作，无论是在量子机器本身上，还是通过经典算法以混合方式寻找良好的偏置配置。
2022-05-31 cond-mat.dis-nn physics.app-ph 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
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
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
Effective Prime Factorization via Quantum Annealing by Modular Locally-structured Embedding
本文提出一种将二进制乘法器紧凑编码到 D-Wave Pegasus 架构的模块化方法，并通过实验优化在量子退火器上成功分解了 8,219,999，创下量子设备质因数分解规模的新纪录。
2023-10-26 cs.ET quant-ph
Folding lattice proteins with quantum annealing
量子退火是一种很有前途的方法，用于获得困难优化问题的良好近似解。将蛋白质序列折叠成最小能量结构就是这样一个问题。为了测试新的算法和技术，最小的基于格的HP模型是非常适合的，因为它代表了一个相当大的挑战，尽管它的简单性。HP模型在相邻的、不直接结合的疏水残基之间具有有利的相互作用。在这里，我们开发了一种新的自旋表示晶格蛋白质折叠量子退火量身定制。通过在晶格上的分布式编码，它不同于早期在量子退火机上折叠晶格蛋白质的尝试，后者基于链生长技术。通过我们的编码，设计的哈密顿量具有在伊辛型退火机上计算所需的二次结构，而不必引入任何辅助自旋变量。这一性质极大地促进了长链的研究。该方法是鲁棒的参数的变化所需的限制自旋系统的链状配置，并执行非常好的解决方案的质量。针对具有高达100%命中率的$N=30$珠的HP链的现有精确结果来评价结果，从而也优于经典模拟退火。此外，该方法允许我们恢复$N=48$和$N=64$ HP链的最低已知能量，具有相似的命中率。这些结果是通过常用的混合量子经典方法得到的。对于纯量子退火，我们的方法成功地折叠了$N=14$ HP链。在D-Wave Advantage量子退火机上进行计算。
2022-10-12 cond-mat.soft physics.chem-ph q-bio.BM
Quantum Annealing for Constrained Optimization
量子技术的最新进展导致了实验性可编程量子退火机的开发和制造，这些退火机有望比其经典类似物更快地解决某些具有实际意义的组合优化问题。这种设备对于许多理论和现实世界的优化问题的适用性，这些问题通常受到限制，受到设备量子位的稀疏，刚性布局的严重限制。传统上，通过向问题的哈密尔顿算子添加惩罚项来解决约束，这反过来又需要过度增加物理资源，同时还限制相互作用的动态范围。在这里，我们提出了一种在量子退火机上编码约束优化问题的方法，该方法消除了对惩罚项的需要，从而减少了所需耦合器的数量，并消除了对微小嵌入的需要，大大减少了所需物理量子比特的数量。我们认为所提出的技术的优点，并说明其有效性。最后，我们讨论了实验的可行性，建议的方法，以及它的潜力，大大减少了资源需求的量子退火机上实现优化问题，其意义在量子计算领域。
2016-05-30 quant-ph
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
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
High-quality Thermal Gibbs Sampling with Quantum Annealing Hardware
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of New Mexico（新墨西哥大学）
量子退火（QA）最初是为了加速具有自然编码的组合优化任务的解决方案，如伊辛模型。然而，最近在QA硬件平台上的实验已经证明，在对应于弱相互作用的操作制度中，QA硬件在硬件特定的有效温度下表现得像噪声吉布斯采样器。这项工作建立在这些见解，并确定了一类小的硬件本地的伊辛模型，是强大的噪声影响，并提出了一个程序执行这些模型的QA硬件，以最大限度地提高吉布斯采样性能。实验结果表明，该协议可以从特定于硬件的有效温度中获得高质量的吉布斯样本。此外，我们表明，这个有效的温度可以通过调节退火时间和能量尺度进行调整。在这项工作中提出的程序提供了一种方法，使用QA硬件的伊辛模型采样提出了潜在的新的机会，在机器学习和物理模拟的应用。
2022-02-23 cs.LG quant-ph
Quantum Annealing for Dynamic Portfolio Optimization under Realistic Transaction Costs
BBVA Quantum（BBVA量子）；Department of Computer Architecture and Automation, Complutense University of Madrid（马德里康普顿斯大学计算机体系结构与自动化系）
研究现实交易与配置约束下量子和经典投资组合构建策略，将量子投资组合选择问题转化为QUBO并嵌入CQM求解，引入经典基准策略，从业务和计算性能评估效率，比较以明确量子退火作用及局限。
2026-07-07 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
Empirical Power of Quantum Encoding Methods for Binary Classification
本文实证比较了五种量子编码策略与LightGBM在多个真实世界二分类数据集上的表现，结合基于QUBO的量子退火特征选择，发现IQP编码与LightGBM在大多数任务上统计等价。
2025-07-17 quant-ph
Unraveling the origin of higher success probabilities in quantum versus semi-classical annealing
量子退火的目的是找到最佳的解决方案，复杂的优化问题，使用一个合适的量子多体哈密顿编码的解决方案，在其基态。为了找到解，通常将可解的初始哈密顿量的基态以图解方式演化为指定的最终哈密顿量的基态。在这里，我们探讨是否以及何时一个完整的量子表示的动力学导致更高的概率，最终在所需的地面相比，一个经典的平均场近似。作为一个简单的，非平凡的例子，我们的目标是相互作用玻色子的基态被困在一个紧密的束缚晶格与小的局部缺陷，通过打开远程相互作用。已经有两个原子在四个网站通过两个腔模式相互作用证明足够复杂，表现出显着的差异之间的全量子模型和平均场近似的腔场介导的相互作用。我们发现一个大的参数区域非常成功的量子退火的半经典方法在很大程度上失败。在这里，我们看到了强有力的证据，证明了纠缠的重要性，以接近最优解。量子模型还减少了高目标占用概率的最小时间。与扩大希尔伯特空间是有益的天真期望相反，希尔伯特空间的不同数值截止揭示了较低截止的改进性能，即非物理缩减的希尔伯特空间，用于短的模拟时间。因此，完整量子动力学的不太忠实的表示有时会在更短的时间内产生更高的数值成功概率。然而，足够高的截止值证明与在单次运行中获得长模拟时间的近乎完美的保真度有关。总体而言，与基于经典场近似的模拟相比，我们的结果基于量子模型表现出明显的改进。
2021-10-11 quant-ph
Folding lattice proteins confined on minimal grids using a quantum-inspired encoding
针对最小网格上受限晶格蛋白的最低能量求解难题，将其转化为QUBO问题，验证了经典模拟退火和D-Wave混合量子-经典退火可快速稳定求解链长48的问题，对比了线性/二次规划方法的局限并以穷举精确结果为基准。
2025-10-02 cond-mat.soft physics.bio-ph q-bio.BM
Quantum Annealing Hyperparameter Analysis for Optimal Sensor Placement in Production Environments
本文研究汽车制造中传感器最优布置问题，采用 D-Wave 量子退火并优化超参数，证明其能求解真实场景实例，并通过分解技术扩展问题规模，为量子计算在大规模工业优化中的应用提供关键见解。
2025-07-22 cs.ET quant-ph
Effectiveness of quantum annealing for continuous-variable optimization
该研究测试量子退火在连续变量优化中的性能，发现D-Wave 2000Q仅在有限计算时间内与经典算法相当，而相干量子退火效果更优，证明抑制噪声后硬件量子退火有望超越经典算法。
2023-10-04 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Large-scale portfolio optimization using Pauli Correlation Encoding
Fujitsu Research of Europe Ltd.（富士通欧洲研究有限公司）
本文提出基于泡利相关性编码的量子算法，用于解决大规模投资组合优化问题，通过每个qubit分配多个变量提升可扩展性，实现高维投资组合优化。
2025-11-26 quant-ph
Dual-Matrix Domain-Wall: A Novel Technique for Generating Permutations by QUBO and Ising Models with Quadratic Sizes
本文提出双矩阵畴壁排列编码，将 Ising/QUBO 核的二次项数和最大系数绝对值分别由 n^3−n^2、2n−4 降至 6n^2−12n+4、2，并支持部分排列。
2023-11-01 cs.DC cs.ET quant-ph
Flying Spin Qubits
我们提出了一种在二聚海森堡自旋1/2链中编码和传输量子比特的方法。逻辑量子比特定位在将两个可能的二聚化状态分开的域壁处。畴壁可以被移动以产生“飞行自旋量子比特”。这些状态的拓扑性质使它们对广泛的一类扰动是稳定的。畴壁对可以用来产生纠缠量子比特的爱因斯坦-波多尔斯基-罗森对。我们讨论的速度限制在一个精确可解的三自旋模型，并描述了一个可能的物理实现使用量子点阵列。
2006-12-23 quant-ph
Can Constrained Quantum Annealing Be Effective in Noisy Quantum Annealers?
本文比较了 PQA 与 CQA 在多种噪声下求解图划分问题的表现，发现 CQA 存在约束子空间泄漏且仅在强相位翻转噪声下占优，指出需纠错技术才能实用化。
2024-10-23 cond-mat.stat-mech quant-ph
Simulating Heavy-Hex Transverse Field Ising Model Magnetization Dynamics Using Programmable Quantum Annealers
研究证明可编程量子退火器能通过逆向退火和h增益态编码，原生模拟127量子比特重六边形横向场伊辛模型的磁化动力学，实现数千时间步长的高效并行模拟，突破了数字量子计算机的计算限制。
2024-10-13 quant-ph
General classification of qubit encodings in ultracold diatomic molecules
本文提出一种基于量子比特间有效相互作用类型的分子量子比特编码一般分类方案，将其分为四类，并以有效自旋1/2系统编入非相邻转动态为例验证，该分类为量子信息处理、多体纠缠态生成及量子退火等应用提供了编码最优选择指导。
2024-02-20 physics.chem-ph quant-ph
A novel design update framework for topology optimization with quantum annealing: Application to truss and continuum structures
本文提出一种结合量子退火的设计更新框架，用于桁架和连续体结构的拓扑优化，在体积约束下最小化柔度，并通过QUBO模型求解，实验表明其能找到与基准相似的优化拓扑且耗时更短。
2025-01-23 cs.CE cs.NA math.NA
Ancillary entangling Floquet kicks for accelerating quantum algorithms
Oak Ridge National Laboratory（橡树岭国家实验室）
通过辅助纠缠Floquet kicks加速量子算法，提升解决时间并提高精度。
2024-08-23 quant-ph
Clustering by quantum annealing on three-level quantum elements qutrits
聚类是根据某些属性的接近程度对数据进行分组。我们报告的可能性，增加了聚类的点在一个平面上使用人工量子神经网络的两级神经元称为量子比特由自旋S = 1/2表示的三个级别的神经元称为量子比特由自旋S = 1表示的替代后的效率。这个问题已经解决了缓慢的绝热变化的哈密顿量的时间。提出了用投影算子控制Qutrit系统的方法，并进行了数值模拟。建立了两种著名聚类方法--one-hot编码和k-means ++的哈密顿量。第一种方法已被用来划分一组六个点到三个或两个集群和第二种方法，划分一组九个点到三个集群和七个点到四个集群。模拟结果表明，在自旋S = 1的量子数上，聚类问题可以得到有效的解决.证明了在量子位上成簇比在量子位上成簇的优势。特别地，表示数据点所需的量子位数比量子比特数小log 2 N /log 3 N的因子。由于对于qutrits，将数据点划分为三个簇比两个簇更容易，因此加速了将数据划分为大量簇的近似分层过程。在将数据精确划分为三个以上的簇时，提出了用对应的多自旋子系统的状态数来对簇进行编号，而不是用单个自旋的数目。这甚至减少了实现算法所需的qutrits的数量（N log 3 K而不是NK）。
2021-02-18 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
Optimizing QAOA circuit transpilation with parity twine and SWAP network encodings
Jülich Supercomputing Centre, Institute for Advanced Simulation, Forschungszentrum Jülich（于利希研究中心先进模拟研究所超级计算中心）；Institute for Quantum Computing Analytics (PGI-12), Forschungszentrum Jülich（于利希研究中心量子计算分析研究所）；Department of Mechanical Engineering, Virginia Tech（弗吉尼亚理工大学机械工程系）；Davidson School of Chemical Engineering, Purdue University（普渡大学戴维森化学工程学院）；AIDAS；RWTH Aachen University（亚琛工业大学）
本研究针对QAOA电路转译问题，提出基于模拟退火的方法优化奇偶缠绕链与SWAP网络编码，在特定连通性阈值下可显著降低电路深度和两量子比特门数量，且在实际量子设备上验证了有效性。
2026-08-12 quant-ph
Symplectic Barnes-Wall GKP Codes: Deterministic $O(N \log^2 N)$ Decoding and Logarithmic Rate Scaling
College of Cyber Security, Jinan University（暨南大学网络空间安全学院）
该研究构造了具有对数编码效率的辛巴恩斯-沃尔GKP码，实现了确定性O(N log²N)译码，为支持非局域模块化连接的平台提供了空间高效的GKP纠错方案。
2026-08-04 cs.IT math.IT 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
Black-box optimization for integer-variable problems using Ising machines and factorization machines
Keio University（庆应义塾大学）；National Institute for Materials Science（国立材料科学研究所）；The University of Tokyo（东京大学）；Waseda University（早稻田大学）；Tokyo Institute of Technology（东京工业大学）
黑箱优化在许多应用中具有潜力，例如机器学习中的超参数优化和实验设计中的优化。伊辛机对于二进制优化问题是有用的，因为变量可以由伊辛机的单个二进制变量表示。然而，使用伊辛机的传统方法不能处理具有非二进制值的黑盒优化问题。为了克服这一限制，我们提出了一种整数变量黑盒优化问题的方法，通过使用伊辛/退火机和因式分解机与三种不同的整数编码方法的合作。我们的方法的性能进行了数值评估与不同的编码方法，使用一个简单的问题，计算的能量的氢分子在最稳态。所提出的方法可以使用任何整数编码方法来计算能量。然而，独热编码对于小尺寸的问题是有用的。
2022-09-01 cs.LG quant-ph
A Rigorous Quantum Framework for Inequality-Constrained and Multi-Objective Binary Optimization
Johannes Kepler University Linz（林茨约翰·开普勒大学）；Software Competence Center Hagenberg GmbH（哈根贝格软件能力中心有限公司）
本文提出MOQA框架，通过p-范数近似最大值并提供严格性能保证，解决不等式约束的多目标二元优化问题。
2026-02-11 quant-ph
