Fast Simulated Annealing inspired by Quantum Monte Carlo
针对量子蒙特卡洛(QMC)在量子退火模拟中寻找最低能量耗时长的问题,本文提出一种数学上不严谨但计算更快的新方法,并通过与传统QMC方法对比,验证了其有效性与优势。
2024-03-12 quant-ph
Convergence theorems for quantum annealing
我们证明了几个定理,给出了量子退火,这是一个协议,解决一般的优化问题的量子动力学收敛的充分条件。特别地,证明了在横场功率衰减下,横场伊辛模型量子退火的路径积分蒙特卡罗实现的强遍历性。这个结果是比较慢的逆对数衰减的温度在传统的模拟退火。类似的结果证明了格林函数蒙特卡罗方法。本文还讨论了粒子构形连续空间中的优化问题。
2006-08-21 cond-mat.dis-nn cond-mat.stat-mech 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
Quantum Annealing and Analog Quantum Computation
我们在这里回顾量子退火的最新成功,即,利用量子涨落优化复杂系统的成本或能量函数。通过研究这些计算困难的问题到经典自旋玻璃问题的映射,在连续的步骤中引入了这个概念。量子自旋玻璃问题的出现与量子涨落的引入,以及退火行为的系统,因为这些波动慢慢减少到零。这为实现模拟量子计算提供了一个通用框架。
2008-03-24 cond-mat.stat-mech physics.comp-ph quant-ph
Quantum annealing of the random transverse-field Ising model in one, two, and three dimensions
Northwestern University(西北大学);HUN-REN Wigner Research Centre for Physics(匈牙利科学院Wigner物理研究中心)
本文针对随机横场伊辛模型,基于SDRG技术建立标度理论,结合数值分析与精确对角化,揭示误差密度随退火时间对数下降的规律,绘制缺陷形成事件图谱以辅助最优退火路径设计。
2026-10-09 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Reduction of the energy-gap scaling by coherent catalysis in models of quantum annealing
在几种平均场型模型系统中,非随机驱动器通过将一阶相变减少到二阶相变来提高量子退火的性能。然而,物理力学分析表明,即使使用非随机驱动器,一些目标哈密顿仍然表现出不可避免的一阶跃迁,这使得量子退火难以解决。最近,Durkin提出了一种称为相干催化的机制[Phys. Rev. A \textbf{99},032315(2019)],其中他证明了一阶相变线上存在一个特定点,其中能隙与二级相变的预期一样呈多项式缩放。我们通过大量的数值计算表明,这种现象是观察到在一些额外的平均场型优化问题,非随机驱动程序无法改变的热力学极限的相变的顺序。这开辟了使用相干催化在以前被认为是量子退火解决的指数慢的系统中搜索指数加速的可能性。
2019-12-27 cond-mat.stat-mech quant-ph
Diabatic Quantum Annealing for the Frustrated Ring Model
本文研究受挫环模型中非绝热量子退火能否避免标准绝热演化导致的指数级减速,并通过数值实验在最多39量子比特上证明优化退火调度可绕过该瓶颈。
2022-12-05 quant-ph
Simulated Quantum Annealing Can Be Exponentially Faster than Classical Simulated Annealing
模拟量子退火(SQA)是一种马尔可夫链蒙特卡罗算法,它对量子退火(QA)哈密顿量的平衡热状态进行采样。除了模拟量子系统之外,SQA也被提出作为另一种受物理启发的经典组合优化算法,与经典模拟退火一起。然而,在许多情况下,确定QA和SQA的性能仍然是一个开放的挑战。QA优于经典模拟退火的一个证据来自Farhi,Goldstone和Gutmann的一个例子。设计了一个具有薄的高能量势垒的位对称代价函数,以显示经典模拟退火和量子退火之间的指数分离,对于经典模拟退火,热波动需要指数时间来爬上势垒,量子退火通过势垒并在多时间内达到全局最小值,可以说是利用量子隧穿。在这项工作中,我们应用比较方法严格地表明,马尔可夫链的基础SQA有效地采样的目标分布,并找到全局最小值的尖峰成本函数在多项式时间。我们的工作提供了证据,越来越多的共识,SQA继承至少有一些隧道在QA的优势,所以QA是不太可能实现指数加速超过经典计算仅仅通过使用量子隧道。因为我们只分析一个特定的模型,所以这个证据不是决定性的。然而,这里应用的技术-包括从绝热路径的热启动和使用量子基态概率分布来理解SQA的平稳分布-可能对未来的研究有价值的性能SQA的成本函数QA是有效的。
2016-06-23 cond-mat.stat-mech cs.DS math.PR
Stochastic Simulated Quantum Annealing for Fast Solution of Combinatorial Optimization Problems
本文提出基于随机计算和量子蒙特卡洛的随机模拟量子退火(SSQA),通过并行自旋状态更新算法在经典计算中模拟量子退火,实现比传统方法更快的收敛速度并能处理更大规模的全连接组合优化问题。
2023-06-29 cs.ET quant-ph
Quantum Speedup by Quantum Annealing
本文研究了Childs等的胶合树问题。等人在量子计算的绝热模型中,并提供了一个退火时间表,以解决一个预言问题,比经典的可能指数更快。量子退火中的哈密顿量不受所谓的符号问题的困扰。与典型的情况下,我们的时间表是有效的,即使最小能隙的哈密顿是指数小的问题大小。我们讨论了基于初始态随机化的推广,以避免绝热量子计算中由于小间隙而导致的一些减速。
2012-02-28 quant-ph
Improving the efficiency of quantum annealing with controlled diagonal catalysts
Keio University(庆应义塾大学)
本研究通过引入额外局部项和利用非绝热跃迁,提出了一种提高量子退火效率的方法,实现时间解决的二次加速并研究参数可转移性。
2026-02-24 cond-mat.stat-mech quant-ph
Quantum annealing of the random-field Ising model by transverse ferromagnetic interactions
我们在随机场伊辛模型的量子退火过程中引入了横向铁磁相互作用,以加速向目标基态的收敛。当随机场伊辛模型的真实基态具有强铁磁特性时,传统的只使用横向场项的方法收敛缓慢。在这种情况下,横向铁磁相互作用可以显着提高性能。这一结论是通过对瞬时定态能量本征值的分析以及对量子系统采用的Bethe型平均场退火的快速算法得出的。本研究强调了灵活选择量子涨落类型以实现量子退火中最佳性能的重要性。这种灵活性的存在是量子退火相对于模拟退火的一个突出优势。
2007-02-23 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Theory of Quantum Annealing of an Ising Spin Glass
最近发现,用量子退火方法探测复杂系统的最低能量构型比经典的热方法更有效。比较随机二维伊辛模型的经典和量子蒙特卡罗退火协议,我们确认量子退火相对于经典退火的优越性。我们还提出了一个量子退火的理论,基于级联的朗道-齐纳隧穿事件。对于经典和量子退火,退火后的剩余能量与退火时间的对数的幂成反比,但是量子情况具有更大的幂,这使得退火更快
2002-05-14 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Quantum annealing with Jarzynski equality
我们展示了Jarzynski等式在量子计算中的实际应用。它的实现可能会打开一个方法来解决组合优化问题,最小化一个真正的单值函数,成本函数,与许多参数。我们考虑将Jarzynski等式引入到求解组合优化问题的遗传算法之一量子退火算法中。普通的量子退火遭受非绝热跃迁,其速率由所考虑的量子系统的最小能隙$Δ_{\rm min.}$表征。因此,量子扫描速度被限制为非常慢,以实现获得没有相关误差的解。然而,在我们的策略中显示在本研究中,我们发现,这样的困难将不重要。
2010-07-08 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Hybrid annealing using a quantum simulator coupled to a classical computer
在崎岖的潜在景观中找到全局最小值是一项计算上很难的任务,通常相当于相关的优化问题。模拟退火是一种通过模拟热噪声来探索配置空间的计算技术。通过缓慢冷却,它将系统冻结在低能量配置中,但算法经常陷入局部极小值。在量子退火中,热噪声被可控的量子涨落所取代,该技术可以在现代量子模拟器中实现。然而,量子绝热方案在quasidgeneracies的存在下变得非常慢。在这里,我们提出了一个策略,结合了模拟退火和量子退火的想法。在这种混合算法中,量子模拟器的结果在经典设备上处理。当量子模拟器通过重复应用量子涨落和执行投影测量来探索配置空间时,经典计算机评估每个配置并强制降低能量。我们已经模拟了这种算法的随机能量模型的小实例,表明它可能优于模拟热退火和绝热量子退火。它对于涉及多个准简并基态的问题是最有效的。
2016-11-29 cond-mat.dis-nn cond-mat.quant-gas physics.comp-ph
FastHare: Fast Hamiltonian Reduction for Large-scale Quantum Annealing
量子退火(QA)将优化问题编码为哈密顿量,仍然是唯一的近期量子计算范式,为现实世界的应用提供足够多的量子位。为了在现有的量子退火器上适应更大的优化实例,将哈密顿量减少到更小的等效哈密顿量提供了一种有前途的方法。不幸的是,现有的减少技术要么是计算昂贵的或在实践中无效。为此,我们引入了一个新的概念,不可分的~组,定义为一个量子比特的哈密尔顿,获得相同的最佳解决方案的值的子集。我们发展了一个理论框架,相应的不可分离性,并提出FastHare,一个高效的约简方法。FastHare迭代地检测不可分离的组并将其合并为单个量子位。对于某些用户定义的参数$α$,它在可证明的最坏情况时间复杂度仅为$O(αn^2)$的情况下执行此操作。我们对约简可行性的广泛基准测试是在合成哈密顿算子和MQLIB库中的3000多个实例上完成的。结果表明,FastHare优于D-Wave SDK库中实现的减少方法roof duality,平均减少率高出3.6倍。它展示了高水平的有效性,平均节省62%的量子位和0.3s的处理时间,提倡将哈密顿约简作为QA的廉价必要条件。
2022-05-10 cs.DS 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
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
Quantum Annealing with Jarzynski Equality (CCP2009)
我们展示了一个著名的非平衡关系,Jarzynski等式,在量子计算的实际应用。它的实现可能会打开一个方法来解决组合优化问题,最小化一个真正的单值函数,成本函数,与许多参数。已经公开的是,用于解决一类困难优化问题的普通量子计算算法具有瓶颈,其计算时间被限制为极其缓慢而没有相关误差。然而,通过我们在本研究中展示的新策略,我们可能会克服这样的困难。
2010-07-05 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
Quantum annealing via environment-mediated quantum diffusion
我们表明,量子扩散附近的量子临界点可以提供一个非常非常有效的机制,开放系统的量子退火。它是基于扩散介导的激发重组。对于耦合到玻色子浴的伊辛自旋链,当系统远离量子临界区时,横向场中的激发扩散急剧减慢。这导致激发密度的空间相关性和有效冻结。我们发现,通过扩散介导的量子退火获得近似解可以比通过封闭系统量子退火或Glauber动力学更快。
2015-12-09 cond-mat.mes-hall quant-ph
On quantum mean-field models and their quantum annealing
本文研究了具有p-体铁磁相互作用和横场的量子自旋的全连通平均场模型。对于p=2,这对应于量子居里-外斯模型(Lipkin-Meshkov-Glick模型的特殊情况),其表现出二阶相变,而对于p>2,相变是一阶的。我们提供了一个精致的分析描述的静态和动态特性,这些模型。特别是,我们得到解析的指数衰减率的差距在一阶过渡。我们还研究了从纯横向场到纯铁磁体(反之亦然)的缓慢退火,并讨论了一级跃迁和亚稳性的亚稳极限对剩余激发能的影响,无论是有限的还是指数发散的退火时间。从量子计算的角度来看,这个量将评估量子绝热过程作为近似算法的效率。
2012-07-25 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Optimizing Quantum Annealing Schedules with Monte Carlo Tree Search enhanced with neural networks
量子退火是一种在现实世界中近似实现绝热量子计算模型的实用方法。绝热算法的目标是在退火路径的末端准备问题编码哈密顿量的基态,这通常通过缓慢地驱动量子系统的动力学演化来实现。适当优化的退火时间表通常会显着加快计算过程。受DeepMind的AlphaZero等深度强化学习最近取得的成功的启发,我们提出了一种蒙特卡洛树搜索(MCTS)算法及其增强版本,我们将其命名为QuantumZero(QZero),以在混合量子经典框架中自动设计退火时间表。MCTS和QZero算法在发现有效的退火时间表方面都表现得非常好,即使我们在这项研究中考虑的3-SAT例子的退火时间很短。此外,神经网络的灵活性使我们能够应用迁移学习技术来提高QZero的性能。我们在基准研究中证明,MCTS和QZero在设计退火时间表方面比其他强化学习算法更有效。
2022-01-12 quant-ph
Heavy tails in the distribution of time-to-solution for classical and quantum annealing
对于许多优化算法,解决问题的时间不仅取决于问题的大小,还取决于具体的问题实例,并且可能会有许多数量级的变化。然后,有必要研究整个分布,特别是它的尾部。在这里,我们分析了随机伊辛自旋玻璃的情况下,模拟退火和模拟量子退火(路径积分量子蒙特卡罗)的退火时间的分布。我们发现幂律分布具有非常重的尾部,对应于极其困难的情况,但模拟量子退火的分布范围要宽得多-因此在困难的情况下性能更差-比模拟退火。快速、非绝热的退火时间表可以将模拟量子退火在非常困难的情况下的性能提高许多数量级。
2015-04-29 quant-ph
The quantum annealing gap and quench dynamics in the exact cover problem
淬火和退火在量子系统的时间演化中是极端对立的:退火探索具有缓慢变化参数的哈密顿量的平衡相,可以用作解决复杂优化问题的工具。相反,猝灭是哈密顿量的突然变化,产生非平衡状态。在这里,我们调查这两种情况之间的关系。具体地说,我们表明,退火间隙的最小值,这是量子退火算法的一个重要瓶颈,可以从一个动态淬火参数,它描述了淬火后的动态量子态。结合统计工具,包括神经网络的训练,淬火和退火动力学之间的关系可以被利用来再现淬火数据的退火间隙的全功能行为。我们表明,可以通过这种方式获得的退火间隙的部分或全部知识可以用于设计优化的量子退火协议,具有实际的时间解决方案的好处。我们的研究结果是从模拟随机伊辛哈密顿,代表难以解决的情况下,确切的覆盖问题。
2022-01-11 cond-mat.dis-nn cond-mat.stat-mech physics.app-ph
QAHAN: A Quantum Annealing Hard Attention Network
本文提出量子退火硬注意力机制与网络QAHAN,利用量子隧穿效应实现无梯度全局优化,在MNIST和CIFAR-10上收敛更快、曲线更平滑且噪声鲁棒性更强,推动量子机器视觉发展。
2024-12-30 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
Catastrophic failure of quantum annealing owing to non-stoquastic Hamiltonian and its avoidance by decoherence
量子退火(QA)是求解组合优化问题的一种有效方法,其解嵌入到伊辛哈密顿量的基态中。该方法采用两种类型的哈密顿算子:驾驶员哈密顿算子和问题哈密顿算子。在从驱动哈密顿量到问题哈密顿量的足够缓慢的变化之后,我们可以获得对应于解的目标基态。在驱动器哈密尔顿算子中包含非随机项被认为提高了QA的效率。同时,退相干被认为是QA的主要障碍。在这里,我们提出的例子表明,非stoaquastic哈密顿可以导致灾难性的QA失败,而一定的退相干过程可以用来避免这种失败。更具体地说,当我们包括反铁磁相互作用(即,典型的非随机项),我们不能制备目标基态,即使对于某些特定情况具有无限长的退火时间。在我们的例子中,由于对称性,哈密顿量被块对角化,并且在QA期间发生交叉,这导致基态搜索完全失败。此外,我们表明,当我们加入某种类型的退相干,我们可以得到基态后,QA这些情况下。这是因为,即使在孤立的量子系统中存在对称性,环境也会破坏对称性。我们的反直观的结果提供了一个深入了解QA的基本机制。
2022-09-22 cond-mat.stat-mech quant-ph
Coherent quantum annealing in a programmable 2000-qubit Ising chain
量子模拟已经成为展示和理解近期量子计算机能力的一个有价值的舞台。量子退火已成功地用于模拟一系列开放量子系统,包括平衡态和非平衡态。然而,在所有以前的实验中,由于环境热效应的开始,退火太慢而无法连贯地模拟封闭的量子系统。在这里,我们展示了通过量子相变在一维横向场伊辛链的范式设置的相干演化,使用高达2000超导通量量子比特在一个可编程的量子退火。在大型系统中,我们观察到量子Kibble-Zurek机制与理论预测的扭结统计,以及特征性的正扭结-扭结相关性,独立于系统温度。在小链中,激发统计验证了在最小间隙处的Landau-Zener转变的图片。在这两种情况下,结果与封闭系统量子模型的解析解定量一致。对于较慢的退火,我们观察到反Kibble-Zurek标度的交叉开放的量子制度。这些实验表明,大规模量子退火机可以相干操作,为在量子优化、机器学习和模拟任务中利用相干动力学铺平了道路。
2022-03-10 quant-ph
Quantum annealing and non-equilibrium dynamics of Floquet Chern insulators
通过时间周期微扰诱导拓扑转变为控制材料的性质提供了一条途径。在这里,我们表明,绝热制备的一个非平凡的状态涉及选择性人口的边缘状态,由于指数小的差距防止绝热。我们通过研究具有缓慢增加振幅的跳跃相位的石墨烯样带来说明这一点,例如,缓慢开启的圆偏振激光器。感应电流具有大的周期性振荡,但在时间平均时仅在边缘流动,并且可以通过将激光聚焦在任一边缘来控制。大块经历了一个非平衡的拓扑转变,由Bianco和Resta在平衡引入的本地陈标记的信号。的绝热图片中存在的带内共振的失败进行了讨论。
2016-12-27 cond-mat.mes-hall cond-mat.quant-gas 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
Rigorous convergence condition for quantum annealing
当量子退火为无限时间过程时,我们得到了量子退火收敛到一般伊辛模型的基态时横场下降率的一般界。我们的定理是基于一个严格的上限上的激发概率在无限的时间限制,是一个严格的数学对应的先前已知的结果只来自于领先的阶项的绝热条件的渐近展开。由于我们的定理给出了一般横场伊辛模型收敛的充分条件,任何特定的问题都可能允许更好、更快地控制系数。
2022-11-07 quant-ph
Dissipation-Induced Deviations from Kibble-Zurek Scaling in Non-Hermitian Quantum Annealing
Sharif University of Technology(谢里夫理工大学);Institute for Advanced Studies in Basic Sciences (IASBS)(基础科学高等研究所);Institute for Research in Fundamental Sciences (IPM)(基本科学研究院)
研究非厄米横场Ising模型中的量子退火问题,发现耗散导致缺陷密度呈现标准Kibble-Zurek标度、反Kibble-Zurek行为及快于Kibble-Zurek预测的抑制,并基于激发概率解释了这些偏离。
2026-08-07 cond-mat.stat-mech cond-mat.str-el 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
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
Convergence of Quantum Annealing with Real-Time Schrodinger Dynamics
对于一般形式的伊辛模型所表示的最优化问题,导出了量子退火的收敛条件。量子涨落被引入作为横向场和/或横向铁磁相互作用,时间演化遵循实时薛定谔方程。它表明,该系统保持任意接近的瞬时基态,最终达到目标的最佳状态,如果量子涨落的强度下降足够缓慢,特别是成反比的渐近区域中的时间的权力。这与量子退火、量子蒙特卡罗和格林函数蒙特卡罗模拟的其他实现是相同的条件,尽管在动力学类型上有本质的区别。分析的方法是绝热定理的应用结合估计的下限的能隙的基础上最近提出的想法Somma等。等人,用于使用经典量子对应来分析经典模拟退火。
2007-05-25 cond-mat.dis-nn quant-ph
Efficiency of quantum versus classical annealing in non-convex learning problems
Bocconi University(博科尼大学);Istituto Nazionale di Fisica Nucleare(意大利国家核物理研究所);International Centre for Theoretical Physics(国际理论物理中心)
量子退火器的目标是通过利用合作隧道效应来逃避局部极小值来解决非凸优化问题。其基本思想是设计一个经典的能量函数,其基态是原始优化问题的最优解,并添加一个可控的量子横向场来产生隧穿过程。一个关键的挑战是确定类的非凸优化问题,量子退火仍然有效,而热退火失败。我们表明,这种情况发生在机器学习的核心问题的广泛类别。它们的能量景观由局部极小值主导,导致经典热退火机的指数减慢,而模拟量子退火有效地收敛到最优解的罕见密集区域。
2017-10-16 cond-mat.dis-nn cs.LG quant-ph
Reaching states below the threshold energy in spin glasses via quantum annealing
Michigan State University(密歇根州立大学)
研究通过量子退火在自旋玻璃模型中实现近似优化,发现其能快速找到低于阈值的能量状态,优于经典退火算法。
2026-03-24 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Dissipative Landau-Zener problem and thermally assisted Quantum Annealing
我们重新审视的问题,热辅助量子退火的耗散朗道-齐纳问题的详细研究中存在的Caldeira-Leggett浴谐振子,使用弱耦合量子主方程和准绝热路径积分方法。基于已知的零温度精确结果(Wubs等人,PRL 97,200404(2006)),我们表明,只有当有限温度浴也耦合到相对于驱动场横向的自旋方向时,有限温度浴才能对基态几率产生有益影响,而对于更常见的研究,没有获得任何改善纯纵向耦合。特别是,我们还强调,对于横向耦合,提高浴温度进一步提高了快速驾驶制度的基态概率。我们讨论了当前量子退火通量量子位芯片的这些发现的相关性。
2018-07-04 cond-mat.mes-hall cond-mat.stat-mech quant-ph
Robustness of diabatic enhancement in quantum annealing
本文研究了量子退火中利用催化剂调控能谱实现非绝热增强的鲁棒性,发现催化剂强度精度与退火时间之间存在权衡关系。
2024-02-21 quant-ph
Classical Criticality via Quantum Annealing
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);D-Wave Quantum Inc.(D-Wave量子公司)
本研究通过量子退火器首次实现了对热相变临界指数的有限尺寸标度分析,展示了其在模拟经典临界现象中的优势。
2025-05-19 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Quantum Annealing for Semi-Supervised Learning
量子技术的最新进展导致了可编程量子退火机的开发和制造,这些退火机有望比经典退火机更快地解决某些组合优化问题。半监督学习是一种机器学习技术,它利用标记和未标记的数据进行训练,这使得只需要少量的标记数据就可以实现良好的分类器。在本文中,我们提出了一种基于图的半监督学习方法,并在理论上分析了量子退火技术的帮助下,有效地利用量子资源,同时保持良好的精度。我们举例说明了两个分类的例子,表明这种方法的可行性,即使有一小部分(20%)的标记数据。
2020-04-12 quant-ph
Diabatic quantum annealing for training energy-based generative models
Yonsei University(延世大学);Seoul National University(首尔大学)
利用非绝热量子退火实现温度可控的玻尔兹曼采样,提升RBMs训练效率并拓展至全连接玻尔兹曼机。
2025-12-22 quant-ph
Quantum Annealing Enhanced Markov-Chain Monte Carlo
本研究提出将量子退火集成到MCMC子程序中的QAEMCMC方法,针对Sherrington-Kirkpatrick模型测试表明其能隙更大、能量收敛更快、分布差异更小,性能优于经典MCMC,为复杂系统采样提供高效方案。
2025-02-12 quant-ph
An energetic perspective on rapid quenches in quantum annealing
有发达的理论工具来分析量子动力学如何通过在绝热极限附近缓慢改变哈密顿参数来解决计算问题。另一方面,有相对较少的工具来理解快速猝灭的相反极限,如量子退火和(无限快速猝灭的极限)量子行走中所使用的。在本文中,我们开发了几种工具,适用于快速淬火制度。首先,我们分析了哈密顿量中不同元素的能量期望值。从这一点上,我们表明,单调淬火,其中的问题哈密顿量的强度不断增加相对于波动(驱动程序)条款,将产生一个更好的结果平均比随机猜测。其次,我们开发的方法,以确定是否会发生在本地快速淬火哈密顿,并确定快速淬火的情况下,将导致一个大大改善的解决方案。特别是,我们发现,我们称为“预退火”的技术可以显着提高量子行走的性能。我们还展示了这些工具如何为哈密顿参数提供有效的启发式估计,这是量子退火实际应用的关键要求。
2021-03-05 quant-ph
Enhancing the efficiency of quantum annealing via reinforcement: A path-integral Monte Carlo simulation of the quantum reinforcement algorithm
Shiraz University(设拉子大学);Leiden University(莱顿大学)
标准量子退火算法试图通过缓慢降低问题的位形空间中量子随机行走的跳跃率来逼近经典系统的基态,其中原位能量由经典能量函数提供。在量子强化算法中,退火的工作原理是根据在配置空间的每个位置上找到步行者的概率逐渐增加现场能量的强度。在这里,通过使用量子算法的路径积分蒙特卡罗模拟,我们表明,退火通过加固可以显着提高量子步行机的成功概率。更准确地说,我们实现了一个本地版本的量子增强算法,其中系统波函数被替换为一个近似的波函数使用本地期望值的系统。我们使用该算法找到一个原型的约束满足问题(XORSAT)的解决方案,接近可满足到不可满足的相变。该研究仅限于小问题规模(几百个变量),然而,数值结果表明,量子强化可以提供一个有用的策略来处理其他计算困难的问题和更大的问题规模,甚至作为一个经典的优化算法。
2018-12-06 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Topologically protected Grover's oracle for the partition problem
针对数划分问题求解需遍历指数级候选解的难题,提出基于$\boldsymbol{\textit{√N}}$步准绝热量子退火的快速求解方案,其拓扑保护绝热量子预言机可通过对数缩放的退火时间抑制误差,且对参数扰动与协议选择鲁棒。
2023-08-09 quant-ph
Energy gaps in quantum first-order mean-field-like transitions: The problems that quantum annealing cannot solve
我们研究了一阶量子相变模型中的平均场traffic是准确的,和指数快速关闭的能隙与系统的大小在过渡。我们考虑完全可解的铁磁模型,并表明,他们减少到Grover问题在一个特定的限制。我们计算系数的指数关闭的间隙使用的瞬时方法,并讨论(可怕的)后果量子退火。
2010-01-28 cond-mat.dis-nn cs.CC quant-ph
Fast Quantum Methods for Optimization
离散组合优化就是寻找最优配置,使给定的离散目标函数最小化。这样一个功能的经典系统的能量的解释,使我们能够减少到一个低温热态的系统的准备的优化问题。受量子退火方法的启发,我们提出了三种利用量子力学制备低温态的策略。我们专注于没有由环境引起的不受控制的错误的实现。这使我们能够严格地证明一个量子优势。第一种策略使用经典到量子映射,其中经典系统在$d$空间维度中的平衡性质可以从也在$d$空间维度中的量子系统的基态性质确定。我们展示了这样一个基态可以通过量子退火,包括量子绝热演化。这种映射也使我们能够揭示模拟退火和量子退火之间的一些基本关系。第二种策略建立在第一种策略的基础上,并引入了一种称为光谱间隙放大的技术,以减少化学制备相同量子态所需的时间。如果在利用量子相干性的量子设备上实现,则该策略导致在经典模拟退火方法的公知边界上的复杂性的二次改进。第三种策略不是纯粹的绝热,而是利用相应量子系统的低能态之间的非绝热过程。对于某些问题,它会导致最好的经典算法的指数加速(在Oracle模型中)。
2014-09-08 cond-mat.stat-mech math-ph math.MP
Non-Hermitian Quantum Annealing in the Ferromagnetic Ising Model
我们开发了一种非厄米量子优化算法,以找到具有多达1024个自旋(量子位)的铁磁伊辛模型的基态。我们的方法导致显着减少退火时间。分析和数值计算结果表明,总的退火时间与ln N成正比,其中N是自旋的数量。这个令人鼓舞的结果是重要的,在使用经典计算机结合量子算法的NP完全问题的快速解决方案。进一步的研究提出了扩展我们的耗散算法更复杂的问题。
2013-02-27 math-ph math.MP physics.comp-ph
Parent Hamiltonian Reconstruction via Inverse Quantum Annealing
针对量子技术中寻找给定多体波函数对应母哈密顿量的核心难题,提出受量子退火启发的逆量子退火数值方法,仅需局域期望值即可得到近似母哈密顿量,并在两个典型模型上完成验证。
2024-04-17 quant-ph
Quantum Zeno effect versus adiabatic quantum computing and quantum annealing
Helmholtz-Zentrum Dresden-Rossendorf(德累斯顿-罗斯多夫亥姆霍兹中心);Technische Universität Dresden(德累斯顿工业大学)
研究绝热Grover搜索算法中环境耦合导致的退相干,发现量子芝诺效应通过持续测量抑制量子跃迁,从而限制量子加速,并推广到基于Landau-Zener跃迁的绝热量子算法和量子退火方案。
2026-05-22 quant-ph
Multi-Mode Quantum Annealing for Generative Representation Learning with Boltzmann Priors
Department of Statistics and Data Science, Yonsei University, Seoul 03722, Republic of Korea(统计与数据科学系,延世大学,首尔03722,大韩民国);Department of Applied Statistics, Yonsei University, Seoul 03722, Republic of Korea(应用统计学系,延世大学,首尔03722,大韩民国);Department of Quantum Information, Yonsei University, Seoul 03722, Republic of Korea(量子信息系,延世大学,首尔03722,大韩民国)
本文提出了一种基于量子退火的框架,利用通用玻尔兹曼先验改进变分自编码器,通过三种互补的退火模式实现高效训练、无条件生成和条件生成,展示了在MNIST、Fashion-MNIST和CelebA上的稳定训练和高质量生成,同时在异常检测和金融数据中表现出色。
2026-05-18 cond-mat.stat-mech cs.LG 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