A Path Towards Quantum Advantage in Training Deep Generative Models with Quantum Annealers
NASA Ames Research Center(美国国家航空航天局艾姆斯研究中心);Stinger Ghaffarian Technologies Inc.(斯汀格·加法里安技术公司);D-Wave Systems Inc.(D-Wave系统公司);University of Florence(佛罗伦萨大学);Simon Fraser University(西蒙弗雷泽大学)
量子-经典混合(QCH)算法的发展是实现最先进的计算模型的关键。文献[1]提出了一种QCH变分自编码器(QVAE)。QVAE由传统深度神经网络实现的经典自动编码结构组成,以执行对离散潜在空间的推理和生成。潜在的生成过程被形式化为从量子或经典玻尔兹曼机(QBM或BM)的热采样。这种设置允许通过使用量子退火器物理模拟生成过程来对深度生成模型进行量子辅助训练。在本文中,我们成功地使用D波量子退火器作为玻尔兹曼采样器来执行QVAE的量子辅助的端到端训练。QVAE的混合结构允许我们在QCH生成模型中部署当前一代量子退火机,以在MNIST等数据集上实现具有竞争力的性能。本文提出的结果表明,可以部署商用量子退火器,结合精心制作的经典深度神经网络,在大规模数据集上的无监督和半监督任务中取得有竞争力的结果。我们还提供了证据表明,我们的设置是能够利用大的潜在空间(Q)的BM,发展缓慢的混合模式。这种表现性的潜在空间导致缓慢且低效的经典采样,并且为在实际采样应用中利用量子退火实现量子优势铺平了道路。
2019-12-04 cs.LG quant-ph
Solving Currency Arbitrage Problems using D-Wave Advantage2 Quantum Annealer
DII, Univ. of Pisa(比萨大学)
本文提出将货币套利问题表述为QUBO,并利用D-Wave Advantage2量子退火机求解,与经典方法比较性能,展示了量子退火在金融优化中的潜力。
2025-09-26 cs.ET quant-ph
Three-flavor Collective Neutrino Oscillations on D-Wave's {\tt Advantage} Quantum Annealer
本文在D-Wave Advantage量子退火器上模拟了包含三味的狄拉克中微子集体振荡,验证其能以经典精度重现时间演化且无Trotter误差,但指出其量子比特数随中微子数量扩展性差。
2025-02-08 hep-ph quant-ph
Quantum Advantage in Cryptography with a Low-Connectivity Quantum Annealer
量子素因子分解算法在密码学中的应用促进了人们对量子计算的兴趣。然而,量子计算机,特别是量子退火机,也可以帮助构造安全的密钥。事实上,寻找用于密码学的鲁棒布尔函数是序列密码、分组密码和散列函数等中的重要问题。由于关联空间的超指数大小$\mathcal{O}(2^{2^n})$,找到具有全局密码约束的$n$变量布尔函数在计算上是困难的。这个问题已经解决了采用通用低连接非相干D波量子退火。然而,有限的连接的嵌合体图,以及布尔函数设计问题的复杂性的指数增长,限制了问题的可扩展性。在这里,我们提出了一个特殊用途的相干量子退火架构,每个量子位有三个耦合器,旨在最佳编码弯曲函数设计问题。具有这种树型架构的相干量子退火器具有解决$8$可变弯曲函数设计问题的潜力,该问题在经典上未解决,仅具有$127$物理量子位和$126$耦合器。这为在量子退火框架内实现有用的量子霸权铺平了道路。
2020-10-28 quant-ph
FEqa: Finite Element Computations on Quantum Annealers
使用量子计算机使用有限元方法离散化的物理问题的解决方案仍然相对未被探索。在这里,我们提出了一个统一的配方(FEqa)来解决这些问题,使用量子退火。FEqa是一种混合技术,其中有限元问题在经典计算机上制定,并且使用量子退火器使残差最小化。FEqa的优点包括每个自由度使用单个量子位,先验地强制狄利克雷边界条件,达到任意解精度,并消除退火器生成无效结果的可能性。FEqa由于其单程序多数据(SPMD)性质而在算法的经典部分上是可缩放的,并且不依赖于来自退火器的基态解。指数大量的配置点用于量子退火研究其余弦措施,和新的迭代技术开发,以利用其性质。量子退火器在计算时间上比模拟退火有明显的优势,对于本文提出的在D-Wave机器上解决的示例问题。所提出的工作提供了一种使用量子退火机解决物理问题的途径。
2022-05-15 quant-ph
Predicting Ising Model Performance on Quantum Annealers
该研究提出判定量子退火绝热演化相对经典启发式算法优势前景的框架,分析伊辛模型项的关系可预判问题适配性,实验验证下一代D-Wave原型机性能优于现有Advantage退火器。
2024-06-24 quant-ph
Advantages of Unfair Quantum Ground-State Sampling
自二十年前Kadowaki和Nishimori开始该领域以来,围绕量子退火机相对于经典退火机的潜在优势的争论一直在进行。该领域最近的技术突破,导致量子退火优化器的实验原型的制造,其尺寸接近实际范围,重新引发了这一讨论。然而,量子退火加速的演示直到今天仍然是一个难以捉摸的目标。在这里,我们研究量子退火机的功率,以提供一种不同类型的量子增强的实际意义,即,他们的能力,作为有用的采样器从组合优化问题的基态流形。我们研究,无论是通过模拟理想的随机和非随机的量子退火过程的数值,和实验,使用市售的量子退火处理器,量子退火机的能力不同的自旋玻璃的基态样品比经典的热采样器。我们证明了:i)量子退火机一般对自旋玻璃的基态流形的采样与热优化器非常不同,ii)驱动退火过程的量子涨落的性质对基态的最终分布具有决定性影响,iii)实验量子退火机对基态流形的采样与热量子退火机和理想量子退火机显著不同。我们说明了如何量子退火可以作为强大的工具时,补充标准的采样算法。
2017-05-05 quant-ph
Advantage of pausing: parameter setting for quantum annealers
先前的工作表明暂停midanneal的功效:这样的暂停提高了成功的概率的数量级在一类本地的问题实例,并提高了解决的时间在一类嵌入式的问题实例。一个基于物理的图片提供了定性的建议,暂停midanneal是有效的,退火时间表参数和其他退火属性和参数之间的相互作用,如嵌入大小和强度的铁磁耦合$|J_F|$,并在暂停的条件下,可以提高解决方案的时间。在这里,通过对更新的退火架构的演示,该架构具有比以前的退火器更高的连接性,以及多个嵌入式问题类,我们能够确认这一图景的各个方面。我们展示了跨平台和问题类的最佳暂停参数的鲁棒性,探索如何设置$|J_F|$以优化不同场景下的性能,并提供经验证据表明,短暂停时间胜过较长的整体退火时间。我们还确定了问题中不同系数的数量作为问题难度的预测因子,并探讨了其与最佳$|J_F|$和嵌入大小的相互作用。基于这些结果,我们能够提出量子退火机参数设置的定性指导方针。
2022-11-22 quant-ph
Are Quantum Computers Practical Yet? A Case for Feature Selection in Recommender Systems using Tensor Networks
Skolkovo Institute of Science and Technology(斯科尔科沃科技学院);IE University(IE大学);Artificial Intelligence Research Institute(人工智能研究院)
协同过滤模型通常比基于内容的过滤模型性能更好,并且不需要仔细的特征工程。然而,在冷启动场景中,协作信息可能是稀缺的或甚至不可用的,而内容信息可能是丰富的,但是也是嘈杂的并且获取起来昂贵。因此,选择特定的功能,提高冷启动建议成为一个重要的和不平凡的任务。在Nembini等人最近的方法中,特征选择由协作模型和基于内容的模型之间的相关兼容性驱动。该问题被公式化为二次无约束二进制优化(QUBO),由于其NP-困难的复杂性,在D-Wave提供的量子计算机上使用量子退火来解决。受报告结果的启发,我们认为当前的量子退火机在这个问题上更优越,而是专注于经典算法。特别是,我们通过TTOpt来解决QUBO问题,TTOpt是最近提出的一种基于张量网络和多线性代数的黑盒优化器。我们展示了这种方法对于具有数千个特征的大型问题的计算可行性,并根据经验证明,在所有检查的数据集上,找到的解决方案与使用D-Wave获得的解决方案相当。
2022-05-12 cs.IR cs.LG
Inter-generational comparison of quantum annealers in solving hard scheduling problems
我们比较了四个量子退火机的性能,D-Wave 2,2X,2000 Q和优势,在解决一个参数化的调度问题的家庭的相同的合奏。这些问题是NP完全的,实际上等价于顶点着色问题。他们也有实际的动机,并与人工智能的规划问题密切相关。我们研究的因素有助于性能差异,同时分离的贡献,从硬件升级,支持更短的退火时间,并可能优化铁磁耦合。虽然较短的退火时间可以改善任何给定问题大小的解决时间(TTS),但TTS相对于问题大小的缩放需要较短的退火时间。相比之下,优化铁磁耦合改善了绝对TTS和缩放。即使在相同的退火时间和铁磁耦合下运行,D-Wave Two和2X以及所有老一代退火炉到Advantage之间的性能在统计上也有显著改善。然而,从2X到2000 Q的性能改进需要优化退火时间和铁磁耦合。总体而言,由于这些跨代硬件改进和优化,缩放指数从Two上的$1.01 \pm 0.01$降低到Advantage上的$0.173 \pm 0.009$。
2021-12-01 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
String Model Building on Quantum Annealers
首次在量子退火机上直接构建弦模型,发现其模型发现速度比随机扫描和遗传算法快约50倍,比模拟退火快约4倍。
2023-06-29 hep-ph hep-th quant-ph
A Performance Estimator for Quantum Annealers: Gauge selection and Parameter Setting
随着大规模量子退火设备的出现,出现了一些挑战。例如,已经证明,在对器械进行程控时,器械的性能可能会受到多个自由度的显著影响;一个常见的示例是量规选择。到目前为止,还没有经过实验测试的策略来选择最佳的编程规范。我们开发了一个评分函数,可以从比找到所需解决方案所需的读数数量少得多的读数中计算出来。我们展示了如何使用此性能估计来指导,例如,选择的最佳规格的随机衡量候选人的池,以及如何选择参数的值,我们没有先验知识的最佳值。对于后者,我们通过应用得分函数来设置旨在将逻辑图嵌入到硬件架构中的参数的强度来说明这个概念,这是在现实世界问题实例的实现中经常遇到的挑战。由于问题实例越难,这项工作中提出的策略就越有用,我们希望提出的编程策略能够显着减少未来基准研究的时间,并帮助找到在下一代量子退火设备中实现的难以解决的现实世界应用的解决方案。
2015-03-03 quant-ph
Quantum fluctuation theorem to benchmark quantum annealers
近期量子硬件有望带来前所未有的计算优势。其发展的关键是表征和最小化计算错误。我们建议使用量子涨落定理来衡量量子退火器的性能。这个多功能的工具提供了简单的方法来确定量子动力学是否是么正的,么正的和绝热的,或者系统是否倾向于热噪声。我们的建议是实验测试的两代的D波机,这说明了波动定理的灵敏度,从理想的退火最小的像差。
2018-01-22 cond-mat.stat-mech quant-ph
The pitfalls of planar spin-glass benchmarks: Raising the bar for quantum annealers (again)
为了克服量子退火机随机自旋玻璃基准的局限性,焦点已经转移到精心制作的基于小工具的问题,其逻辑结构通常具有平面拓扑结构。最近的实验,这些小工具的问题,使用商业上可用的量子退火已经证明了一个令人印象深刻的性能超过了常用的经典优化算法的选择。在这里,我们表明,有效的经典优化技术,如最小权重完美匹配,可以解决这些小工具的问题,在多项式时间。我们提出的方法,如何减轻这一缺点常用的基准问题的基础上平面逻辑拓扑结构。
2017-07-21 cond-mat.dis-nn quant-ph
Graph Partitioning into Hamiltonian Subgraphs on a Quantum Annealer
我们证明了量子退火可以用来解决NP完全问题的图分割成子图包含哈密顿周期的约束长度。给出了一种将给定的有向图划分为具有三个或更多顶点的Hamilton子图的方法,称为顶点3圈覆盖。我们制定的问题作为一个二次无约束二进制优化和运行它的D-Wave优势量子退火。我们测试我们的方法,通过添加一些随机边缘的一组不相交的周期构造的合成图。我们发现,解决方案的概率是独立的周期长度,并找到一个解决方案的图形高达4000个顶点和5200条边,接近物理工作量子比特的数量上的量子退火。
2021-04-18 cs.ET quant-ph
Performance of a quantum annealer on range-limited constraint satisfaction problems
最近的D-Wave维苏威火山量子退火的性能进行了比较,一套经典的算法对一类约束满足的情况下,基于挫折循环。然而,这些实例的构造导致最大耦合强度随着问题大小而增加。因此,较大的实例受到放大的模拟控制误差的影响,并且在硬件和软件中在较高温度下有效地退火。我们生成类似的约束满足的情况下,有限范围内的耦合强度和经典算法进行类似的比较。在这些情况下,D-Wave Vesuvius处理器以固定的20 $μ$ s退火时间运行,显示出比软件求解器更大的缩放优势。这种缩放优势为这些问题的量子加速提供了可能性。我们的研究结果支持的假设,D波维苏威处理器的性能受到模拟控制误差,这可以减少和减轻技术成熟的严重影响。
2015-09-03 cs.DM quant-ph
Garden optimization problems for benchmarking quantum annealers
我们对5000+量子位系统Advantage与D-Wave Systems Inc.发布的混合求解器服务2进行了基准测试。在2020年9月,通过使用一类新的优化问题,称为花园优化问题,在同伴种植中已知。这些问题可扩展到任意大量的变量,并直观地在现实世界的场景中找到应用。我们推导出他们的QUBO制定,并说明他们的关系,二次分配问题。我们证明了优势系统和新的混合求解器可以解决更大的问题,在更短的时间比他们的前辈。然而,我们还表明,基于2000+量子比特系统DW 2000 Q的求解器有时会产生更有利的结果,如果他们可以解决问题。
2021-09-27 physics.comp-ph quant-ph
A Review of Machine Learning Classification Using Quantum Annealing for Real-world Applications
University of Kentucky(肯塔基大学);Oak Ridge National Laboratory(橡树岭国家实验室)
优化机器学习管道的训练有助于降低训练成本并提高模型性能。一种这样的优化策略是量子退火,这是一种新兴的计算范式,在优化机器学习模型的训练方面显示出了潜力。物理量子退火器的实现已经由D-Wave系统实现,并可供研究界进行实验。最近使用量子退火的各种机器学习应用的实验结果显示了有趣的结果,其中经典机器学习技术的性能受到有限的训练数据和高维特征的限制。本文探讨了D-Wave的量子退火器在优化机器学习管道以解决现实世界分类问题方面的应用。我们回顾了应用领域上的物理量子退火已被用于训练机器学习分类。我们讨论并分析了在D-Wave量子退火机上进行的实验,这些实验用于图像识别、遥感成像、计算生物学和粒子物理学等应用。我们讨论了量子退火可能优于经典计算的可能优势和问题。
2021-06-05 cs.LG quant-ph
Benchmarking Hamiltonian Noise in the D-Wave Quantum Annealer
各种噪声源通过在整个计算过程中以不受控制的方式改变量子比特状态并减少其相干时间来限制量子计算机的性能。在量子退火机中,这种噪声会给定义原始问题哈密顿量的参数带来额外的波动,这样它们就可以找到从原始编程中扰动的问题的基态。在这里,我们描述了一种方法来衡量影响量子退火程序的哈密顿量的噪声量。我们表明,一系列的简并运行与编程的哈密顿量的系数设置为零导致的噪声谱密度的估计影响哈密顿参数“原位”在量子退火协议。该方法在D-Wave的低噪声2000量子位器件(DW_2000Q_6)和最近发布的5000量子位器件(Waveage_system1.1)中得到了验证。我们对DW_2000Q_6的基准测试显示了由形成通量量子比特的材料固有的通量噪声的$1/f^{0.7}$频率依赖特性主导的哈密顿噪声。相比之下,发现在低退火时间下,Bracage_system1.1受到额外噪声源的影响,对于所有退火时间,潜在的固有通量噪声幅度比DW_2000Q_6高$2-3$倍。
2021-01-12 quant-ph
Benchmarking Quantum(-inspired) Annealing Hardware on Practical Use Cases
量子退火算法在解决组合优化问题的实践中显示出了希望。已经有广泛的研究证明了D-Wave量子退火机和量子退火机的实用性,即,富士通数字退火机的各种应用,但很少有作品比较这些平台。在本文中,我们基准量子(启发)退火与三个组合优化问题,从一般的科学问题,在实际使用中的复杂问题。在问题的大小超出量子(启发)计算机的能力的情况下,我们在分解的上下文中评估它们。实验表明,这两个退火是有效的问题与小尺寸和简单的设置,但失去他们的效用时,面对的问题,在实际的大小和设置。分解方法扩展了退火炉的可扩展性,但离实际使用还很远。基于实验和比较,我们讨论了量子退火的优点和局限性,以及可能提高这些新兴计算技术的实用性和可扩展性的研究方向。
2022-09-24 cs.ET quant-ph
Basic Elements for Simulations of Standard Model Physics with Quantum Annealers: Multigrid and Clock States
我们探讨了D-Wave的量子退火器的潜力,用于计算标准模型物理的量子模拟所需的一些基本组件。通过实现基本的多重网格(包括“缩放”)和专门的费曼钟算法,D-Wave's Advantage被用于研究与格点标量场理论和有效场论相关的谐振子和非谐振子,SU(3)Yang-Mills格点规范场理论的单元格的时间演化,以及四个中微子系统中味纠缠的动力学。
2022-11-14 hep-lat hep-ph nucl-th
Restricted Boltzmann Machines for galaxy morphology classification with a quantum annealer
Fermi National Accelerator Laboratory(费米国家加速器实验室);Lockheed Martin Advanced Technology Center(洛克希德·马丁先进技术中心);Kavli Institute for Cosmological Physics, University of Chicago(芝加哥大学卡弗里宇宙学物理研究所);Department of Astronomy and Astrophysics, University of Chicago(芝加哥大学天文与天体物理学系)
我们提出了应用限制玻尔兹曼机(RBM)的天文图像分类的任务,使用量子退火由D波系统。星系的形态分析为研究它们在宇宙时间尺度上的形成和演化提供了关键信息。我们使用主成分分析来压缩星系图像,以适应量子硬件上的表示。然后,我们训练RBM判别和生成算法,包括对比发散和混合生成判别方法,对不同的星系形态进行分类。我们比较的方法包括量子退火(QA),马尔可夫链蒙特卡罗(MCMC)吉布斯采样和模拟退火(SA)以及机器学习算法,如梯度提升决策树。我们发现在D-Wave硬件上实现的RBM表现良好,并且它们在小数据集上显示出一些分类性能优势,但它们并没有为这项任务提供广泛的战略优势。在此探索过程中,我们分析了使用D-Wave 2000 Q进行玻尔兹曼采样所需的步骤,包括温度估计的研究,并通过将原始D-Wave 2000 Q与最近推出的低噪声版本进行比较和对比来检查量子比特噪声的影响。虽然这些分析最终对成果管理制的绩效影响甚微,但我们还是将其纳入参考。
2020-02-13 astro-ph.GA cs.LG quant-ph
Parallel Ising Annealer via Gradient-based Hamiltonian Monte Carlo
本文提出一种基于梯度哈密顿蒙特卡洛的并行伊辛退火器,融入近似梯度方法实现加速,可在低成本FPGA上部署,性能优于D-Wave 2000Q且媲美相干伊辛机,具备亚线性可扩展性,在组合优化与量子硬件评估方面有应用潜力。
2024-07-14 cs.ET math.CO quant-ph
A Variable Neighbourhood Descent Heuristic for Conformational Search Using a Quantum Annealer
发现分子的低能量构象是计算化学家的极大兴趣,在{ \em in silico}材料设计和药物发现中具有应用。在本文中,我们提出了一个可变的邻域搜索启发式的构象搜索问题。使用分子的结构,选择邻域以允许有效地使用二进制二次优化器进行构象搜索。该方法是灵活的分子力场的选择和搜索空间中的离散化水平的数量,并可以进一步推广到利用高阶二元多项式优化。它非常适合使用量子退火机等设备。在仔细定义邻域后,该方法可以轻松适应这些设备的大小和拓扑结构,从而实现无缝扩展以及未来的改进。
2019-06-21 quant-ph
Implementation of Trained Factorization Machine Recommendation System on Quantum Annealer
Hon Hai (Foxconn) Research Institute(鸿海(富士康)研究院);Graduate Institute of Applied Physics, National Taiwan University(国立台湾大学应用物理研究所);Department of Finance, National Taiwan University(国立台湾大学财务金融学系);Department of Mathematics, National Taiwan University(国立台湾大学数学系);Department of Mathematics, National Cheng Kung University(国立成功大学数学系)
本文针对训练后FM推荐推理耗时问题,提出FM与QUBO结合并利用量子退火求解的混合算法,在D-Wave NISQ硬件上验证其优于二次的加速优势。
2023-11-08 cs.LG quant-ph
Hearing the Shape of the Ising Model with a Programmable Superconducting-Flux Annealer
如果两个物体具有不同的可测量性质,那么它们就可以区分开来。因此,可解释性取决于物体的物理性质。在考虑图,我们重新审视的伊辛模型作为一个框架来定义物理上有意义的谱不变量。在这种情况下,我们引入了经典光谱的一族细化,并考虑了量子配分函数。我们证明了量子伊辛哈密顿量的能谱是一个更强的不变量比经典的没有加细。为了实现相关的物理系统,我们进行了实验的可编程退火与超导磁通技术。从绝热计算的范例出发,我们利用设备的噪声演化来产生低能态的统计。实验中所考虑的图具有相同的经典配分函数,但具有不同的量子谱。从退火机获得的数据通过函数的经典细化中所包含的信息来区分非同构图,而不是通过量子谱中的差异。
2014-09-17 quant-ph
Quantum hobbit routing: Annealer implementation of generalized Travelling Salesperson Problem
针对广义 TSP 的 9 项工作 JSP,论文在 Advantage_system4.1 上以 O(N) 量子比特的 QUBO 实现求解并找到解,但相较穷举或等概率采样经典方法暂无整体优势。
2023-09-28 quant-ph
SU(2) lattice gauge theory on a quantum annealer
格点规范理论是研究强相互作用非阿贝尔场的重要工具,例如在量子色动力学中,格点结果几十年来一直是重要的。最近的研究表明,量子计算机可以以戏剧性的方式扩展格点规范理论的范围,但量子退火硬件对格点规范理论的有用性尚未被探索。在这项工作中,我们实现了SU(2)纯规范理论的量子退火机上的晶格,包括在一行中的一些格子周期性的边界条件。这些斑块是二维空间的,计算使用汉密尔顿公式,其中时间没有离散化。数值计算结果得到的D-Wave优势硬件计算的本征值,本征向量,真空期望值,和时间演变。这一初步探索的成功表明,量子退火器可能成为格点规范理论某些方面的有用硬件平台。
2021-08-06 hep-lat quant-ph
Qubit-efficient embedding of parity-encoded Hamiltonians in quantum annealers
NEC Corporation(日本电气株式会社);National Institute of Advanced Industrial Science and Technology (AIST)(国立研究开发法人产业技术综合研究所)
本文提出一种在Zephyr连接量子退火器上高效嵌入奇偶编码哈密顿量的方法,通过系统链分配规则将每个自旋映射到两个量子比特链,验证了链间连接的有效性,并提供了实际灵活性。
2026-09-29 quant-ph
Orthogonal Least Squares Based Fast Feature Selection for Linear Classification
The University of Sheffield(谢菲尔德大学)
提出了一种基于正交最小二乘(OLS)的特征选择方法。基于OLS中的误差减少比(ERR)定义了一种新的平方正交相关系数(SOCC),并将其作为特征排序准则。揭示了典型相关系数、Fisher准则和SOCC之和之间的等价性,首次揭示了OLS中ERR的统计含义。它还表明,基于OLS的特征选择方法具有速度优势时,适用于贪婪搜索。该方法与基于互信息的特征选择方法和嵌入式方法进行了比较。结果表明,该方法在12种候选方法中始终排在前5位。此外,所提出的方法可以直接应用于连续的功能,而无需离散化,这是另一个显着的优势,基于互信息的方法。
2021-10-02 cs.LG stat.ML
Quantum annealers as programmable thermal machines
Wrocław University of Science and Technology(弗罗茨瓦夫理工大学);Quantumz.io Sp. z o.o.(Quantumz.io有限责任公司);Institute of Theoretical and Applied Informatics, Polish Academy of Sciences(波兰科学院理论与应用物理研究所);Jülich Supercomputing Centre, Institute for Advanced Simulation, Forschungszentrum Jülich(于利希超算中心,先进模拟研究所,于利希研究中心);University of Maryland, Baltimore County(马里兰大学巴尔的摩分校);National Quantum Laboratory(国家量子实验室);Quantum Science Institute(量子科学研究所);Institut für Theoretische Physik, Universität Tübingen(蒂宾根大学理论物理研究所)
本文将D-Wave量子退火器表征为封闭热力学循环,通过分析其能量交换等热力学量,补充了仅靠解质量或运行时间无法获得的信息,连接了量子优化等多领域。
2026-08-06 quant-ph
Quantum annealer accelerates the variational quantum eigensolver in a triple-hybrid algorithm
提出结合经典计算机、门控量子计算机和量子退火机的三重混合算法,利用量子退火机解决图着色问题以减少资源需求,通过允许泡利算符交换群内同时测量加速VQE,实验验证仅需标准VQE一半资源。
2024-07-16 quant-ph
Computational Role of Multiqubit Tunneling in a Quantum Annealer
量子隧穿是一种量子态穿越高于态本身能量的能垒的现象,已被假设为用于优化的有利物理资源。在这里,我们表明,多量子比特隧穿在目前可用的,虽然嘈杂的,可编程的量子退火机中起着计算的作用。我们发展了一个非微扰的开放量子动力学理论,在真实的噪声特性下预测了多体耗散量子隧穿的速率。我们设计了一个16量子比特的计算原语,其中量子演化使隧穿到全局最小值,而相应的经典路径被困在一个错误的最小值。此外,我们的实验表明,量子隧穿可以优于热跳跃沿经典路径的问题,高达200个量子位包含计算原语。我们的研究结果表明,多体量子现象可以用来寻找更好的解决方案,硬优化问题。
2015-02-20 quant-ph
Evaluating the Q-score of Quantum Annealers
我们报告的Atos的量子器件,经典算法和混合量子经典求解器的Q分数。计算Q分数需要解决越来越大的图的最大割问题。这项工作提出了量子设备上的Q分数的第一次计算,并显示了这些量子设备如何与经典设备相比,解决优化问题。我们使用D-Wave的标准方法,开箱即用,时间限制为60秒。D-Wave的2000 Q和Advantage设备的Q分数分别为70和140。D-Wave的两个经典算法,分别基于禁忌搜索和模拟退火,Q值分别为2,300和5800。最后,我们报告了开箱即用的混合方法,Q得分为12,500。
2022-08-16 quant-ph
Solving the homogeneous Bethe-Salpeter equation with a quantum annealer
本文首次将齐次Bethe-Salpeter方程离散化后的广义本征值问题转化为二次无约束二值优化问题,并利用D-Wave量子退火机求解,数值结果与经典算法一致且展现出良好的扩展性。
2024-08-30 hep-ph quant-ph
Compensating connectivity restrictions in quantum annealers via splitting and linearization techniques
针对量子退火器连接性限制,提出一种无需额外量子比特的迭代算法,通过拆分与线性化高效利用可用连接,并在 D-Wave 上验证其优于默认 minor embedding 方法。
2025-07-16 quant-ph
Benchmark test of Black-box optimization using D-Wave quantum annealer
在求解优化问题时,目标函数通常需要最小化或最大化。然而,对于复杂的问题设置,目标函数并不总是以数学形式明确表示。虽然几个回归技术推断的近似形式的目标函数,他们有时是昂贵的评估。在这种情况下,“黑箱”目标函数的最佳点计算,同时有效地使用少量的线索。最近,一种有效的方法,通过使用稀疏先验推理的黑箱目标函数与二元变量已被提出。该方法以二次无约束二元优化(QUBO)问题的形式提出代理模型,通过迭代求解得到黑箱目标函数的最优解.在本研究中,我们使用D-Wave 2000 Q量子退火机,它可以通过量子涨落驱动二元变量来解决QUBO。由于过程中的冻结效应,D-Wave 2000 Q量子退火机在协议结束时不一定输出基态。我们调查的D波量子退火机的输出在执行黑盒优化的效果。我们证明了一个基准测试采用稀疏谢灵顿-柯克帕特里克(SK)模型作为黑箱目标函数,通过引入一个参数控制的相互作用系数的稀疏性。将D-Wave量子退火算法的结果与模拟退火算法(SA)和半定规划算法(SDP)的结果进行了比较,结果表明D-Wave量子退火算法和模拟退火算法在SDP黑箱优化中的优越性。另一方面,我们没有发现D-Wave量子退火机比模拟退火机有任何优势。就我们的情况而言,没有发现量子涨落的任何影响。
2021-03-23 cond-mat.stat-mech quant-ph
Lossy compression of statistical data using quantum annealer
提出了一种基于二进制变量表示学习的统计浮点数据有损压缩算法。该算法找到一组基向量及其二进制系数,精确地重建原始数据。基向量的优化是经典的,而二进制系数通过模拟和量子退火进行比较。本文还提出了一种偏差校正方法,用于估计和消除由有损压缩的不精确重建引入的误差和偏差,以用于统计数据分析。压缩算法在两个不同的格子量子色动力学模拟数据集上进行了演示。使用模拟退火得到的结果显示3.5倍更好的压缩性能比基于神经网络自动编码器和主成分分析的算法。使用量子退火的计算也显示出有希望的结果,但性能受到量子处理单元的集成控制误差的限制,这会在偏置和耦合参数中产生很大的不确定性。进一步研究了上一代D-Wave 2000 Q和当前D-Wave Advantage系统之间的硬件比较。我们的研究表明,优势系统比2000 Q更有可能获得低能量的解决方案的问题。
2021-10-05 hep-lat quant-ph stat.ML
Simon's Period Finding on a Quantum Annealer
UMBC(美国马里兰大学巴尔的摩分校);Polish Academy of Sciences(波兰科学院);National Quantum Laboratory(国家量子实验室)
本文在量子退火机上实现了Simon算法,通过常数数量的采样解决大规模问题,并比较了经典算法与量子退火机的运行时间。
2026-10-27 cs.ET 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
Identifying quantum coherence in quantum annealers
Texas Tech University(德克萨斯理工大学);New Mexico Consortium(新墨西哥联盟);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出利用多体相干振荡检测量子退火器中的量子相干性,通过实验发现退火协议的调整可增强振荡可见性,为寻找量子相干性提供方法。
2026-02-26 cond-mat.other quant-ph
Hybrid classical-quantum branch-and-bound algorithm for solving integer linear problems
本文提出经典分支定界与量子退火结合的混合算法,通过将整数线性问题拆分为少量子比特子问题,在 D-Wave Advantage 上验证了其在背包和旅行商问题中的误差与计算步数平衡优势。
2023-11-16 quant-ph
Sampling electronic structure QUBOs with Ocean and Mukai solvers
最先进的D-Wave Advantage量子退火机有5000多个量子位,然而,每个量子位都连接到少量的邻居。因此,全连接图的实现导致量子比特计数的数量级减少。为了弥补量子比特数量的减少,人们不得不依赖于特殊的启发式软件,如qbsolv,其目的是将一个大问题分解成适合量子退火机的较小部分。在这项工作中,我们比较了这样的软件的两个实现的性能:原来的开源qbsolv,这是一个部分的D-波海洋工具和一个新的Mukai QUBO求解器从量子计算公司。(QCI)。比较是为了解决电子结构问题,并在一个经典的模式(禁忌搜索技术)。量子退火器本征解算器用于将电子结构本征值-本征向量方程映射为可在现代量子退火器上解决的一类问题。我们发现,Mukai QUBO求解器优于海洋qbsolv在目前的工作中所做的所有计算,无论是地面和激发态计算。这项工作刺激了软件的开发,以协助现代量子退火机的利用。
2021-02-01 quant-ph
Track clustering with a quantum annealer for primary vertex reconstruction at hadron colliders
本研究提出一种完全依赖量子退火的带电粒子径迹聚类算法,通过D-Wave量子退火机在LHC事件上验证,并在56个逻辑量子比特问题上展现出优于模拟退火的量子优势。
2023-04-03 hep-ex quant-ph
Solving Helmholtz problems with finite elements on a quantum annealer
University of Liège(列日大学)
本文提出利用量子退火机求解亥姆霍兹问题,通过将线性系统转化为广义特征值问题并采用自适应量子退火特征求解器,探讨了条件数和控制误差对求解效果的影响,并建立了退火时间的下限。
2026-01-28 physics.comp-ph quant-ph
Modernizing 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。这样的协议将具有许多优于简单量子退火的优点。通过使用这样的搜索,可以减少问题误指定的影响,因为只有搜索状态之间的能量差将是相关的。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,现在已经被取代。因此,我探索了两种策略,以利用现代经典优化算法的方式使用退火器。具体来说,我展示了如何顺序调用量子退火器可以用来构建类似的人口退火和并行回火使用量子搜索作为子程序。这里给出的技术不仅可以应用于优化,而且可以应用于采样。我研究了这些协议在实际设备上的可行性,并注意到,实现这样的协议应该需要最小的变化,如果有任何变化,目前的设计通量量子位为基础的退火由D波系统公司。我还提供了基于量子蒙特卡罗的原理验证数值实验,这些实验演示了所讨论技术的简单示例。
2017-06-22 quant-ph
Adaptive Learning for Quantum Linear Regression
Politecnico di Milano(米兰理工大学);Twentieth Century Fox(二十世纪福克斯公司);VTT Technical Research Center(VTT技术研究中心);Starfleet Academy(星际舰队学院)
针对量子退火线性回归中精度向量限制解质量的问题,提出用简单自适应算法为每个回归系数单独调节精度,并在 D-Wave Advantage 上的最大规模数据集中验证了性能提升。
2024-08-05 cs.LG quant-ph
Experimental analysis of quantum annealers and hybrid solvers using benchmark optimization problems
本文针对 D-Wave 量子系统上的 HCP 和 TSP 问题提出新的矩阵公式以自动集成基准实例,并通过实验比较不同量子退火器与混合求解器的性能,揭示不完全图需要更多量子比特的原因。
2022-02-17 quant-ph
Local Binary and Multiclass SVMs Trained on a Quantum Annealer
University of Trento(特伦托大学);Jülich Supercomputing Centre(于利希超级计算中心);University of Iceland(冰岛大学);Trento Institute for Fundamental Physics and Applications(特伦托基础物理与应用研究所);Alma Mater Studiorum - Università di Bologna(博洛尼亚大学);AIDAS(艾达斯)
针对量子退火机训练的SVM受硬件连通性限制训练集规模的问题,结合FaLK-SVM局部方法提出量子训练的局部二分类与多分类SVM,经遥感真实数据集实验验证其有效性、可扩展性与大规模场景实用性。
2024-03-13 cs.ET cs.LG quant-ph
Validation and benchmarking of quantum annealing technology
本文提出量子系统动力学与铁路调度两类量子退火求解算法,并结合张量网络基线和并行暴力搜索,对 D-Wave 退火器进行验证与基准评估。
2023-12-06 quant-ph
Testing Quantum and Simulated Annealers on the Drone Delivery Packing Problem
Gran Sasso Science Institute(格兰萨索科学研究所);Quantum Computing Research Laboratory, Leonardo S.p.A.(莱昂纳多公司量子计算研究实验室);Digital Infrastructures, Leonardo S.p.A.(莱昂纳多公司数字基础设施部门);School of Mathematics and Maxwell Institute, University of Edinburgh(爱丁堡大学数学学院与麦克斯韦研究所)
本文通过将无人机送货装箱问题转化为二次无约束二进制优化问题,测试了经典和量子退火方法在该问题上的性能。
2024-06-12 math.CO math.OC quant-ph
Integer programming techniques for minor-embedding in quantum annealers
当前几代量子退火器的主要限制是硬件图中制造的量子位的稀疏连接。这种技术限制产生了相当大的兴趣,激励人们努力设计绕过稀疏约束的高效和灵活的小嵌入程序。在本文中,从以前的方程制定Dridi等人。(arXiv:1810.01440),我们提出了整数规划(IP)技术解决小嵌入问题。第一种方法涉及到一个直接的翻译从以前的方程制定IP,而第二个分解成一个分配主问题和纤维条件检查子问题的问题。所提出的方法能够检测实例不可行性,并提供解决方案的质量,目前采用的启发式方法不提供的能力的界限。我们证明了我们的方法的有效性与广泛的计算评估,涉及三个不同的家庭的随机图的不同大小和密度。直接翻译作为一个整体的IP模型可以解决与现有的商业求解器产生有效的小嵌入,但是,优于整体的分解方法。我们的研究结果表明,我们的方法的承诺,所研究的基准,突出使用IP技术的优势,小嵌入问题。
2019-12-20 math.OC quant-ph
Quantum Annealing Formulation for Binary Neural Networks
The University of Adelaide(阿德莱德大学)
量子退火是构建实用量子计算机的一个很有前途的范例。与其他方法相比,量子退火技术已经扩展到更大数量的量子位。另一方面,深度学习在推动人工智能的边界方面取得了巨大成功。因此,研究潜在的改变游戏规则的技术(如量子退火机)来增强深度学习的能力是很自然的。在这项工作中,我们探索二进制神经网络,这是轻量级但功能强大的模型,通常用于资源受限的设备。从目前的二进制网络,平滑/近似的激活函数,使网络可微的训练制度出发,我们设计了一个二次无约束二进制优化配方的训练问题。虽然这个问题很棘手,即,估计二进制权重的成本与网络大小成指数关系,我们展示了如何在量子退火机上直接优化该问题,从而打开了量子计算的潜在收益。我们通过在实际量子退火机(D-Wave Advantage)上的模拟和测试实验验证了我们的配方,后者在当前技术能力允许的范围内。
2021-07-05 cs.LG quant-ph