Influence of Different 3SAT-to-QUBO Transformations on the Solution Quality of Quantum Annealing: A Benchmark Study
本文在D-Wave Advantage_system4.1上基准比较四种3SAT到QUBO变换,证明变换选择及二次值数量与范围显著影响正确解数量,而QUBO矩阵规模并非可靠预测指标。
2023-05-01 quant-ph
Analysis of the Relation between Quadratic Unconstrained Binary Optimization (QUBO) and the Spin Glass Ground-State Problem
Emory University(埃默里大学)
我们分析了转换的QUBO从其传统的布尔表示成一个等价的自旋玻璃问题与耦合$\pm1$自旋变量暴露于一个网站依赖的外部字段。我们发现,在一个广泛使用的QUBO测试平台,这些领域往往是相当大的典型耦合相比,许多自旋在每个最佳配置简单地对齐的领域,而不管他们的约束。因此,测试床实例往往表现出很大的冗余-看似独立的变量,但对问题的难度贡献不大。我们展示了这种见解的各种后果,为QUBO求解器,以及为寻找自旋玻璃基态开发的光学。为此,我们实现极值优化(EO)启发式,在一个新的适应QUBO问题。我们还提出了一种新的方法来评估质量的渐进缩放的基础上增加问题的大小的prostitics。
2019-12-03 cond-mat.dis-nn cs.AI math.OC
A degree reduction method for an efficient QUBO formulation for the graph coloring problem
提出一种针对二元变量齐次对称多项式的新降次方法,推广了常规降次方法,并在随机图的图着色问题上模拟验证其生成的降次二次多项式比常规方法包含更少变量。
2023-11-27 quant-ph
On the application of matrix congruence to QUBO formulations for systems of linear equations
最近对量子计算算法的研究集中在挖掘量子计算机的特性,这些特性有可能有助于增强计算模型。在各种方法中,量子退火方法有效地并行化线性方程组的二次无约束二元优化(QUBO)公式。本文利用实对称矩阵与对角矩阵的同余关系简化了这些公式。我们进一步展示了所提出的QUBO模型的计算优点,它可以优于经典算法,如QR和SVD分解。
2021-11-01 quant-ph
GPS: A new TSP formulation for its generalizations type QUBO
我们提出了一个新的二次无约束二进制优化(QUBO)制定的旅行商问题(TSP),我们克服了最好的制定的车辆路径问题(VRP)的必要变量的最小数量。之后,我们提出了一个详细的研究的约束条件,新的TSP模型和基准MTZ和本地配方。最后,我们通过将其输入到QUBO问题求解器中来测试公式的正确性。由于量子退火和QUBO公式之间的联系,选择的求解器是D-Wave 2000 Q6量子计算机模拟器。
2022-01-18 quant-ph
Penalty Weights in QUBO Formulations: Permutation Problems
Fujitsu Research of Europe Ltd.(富士通欧洲研究有限公司)
设计用于量子计算机或其他专用硬件的优化算法近年来一直受到研究兴趣。这些求解器中的许多只能优化二进制和二次型的问题。因此,二次无约束二进制优化(QUBO)是这些求解器使用的常用公式。有许多组合优化问题自然地表示为排列,例如,流动推销员问题。然而,使用二进制变量编码置换问题提出了一些挑战。许多QUBO解算器是单翻转解算器,因此可能生成无法解码为有效排列的解。为了产生偏向生成可行解的倾向,我们使用惩罚权重。为各种类型的问题设置静态惩罚权重的过程并不简单。这是因为太小的值将导致求解器返回不可行的解决方案,而太大的值可能导致收敛速度较慢。在这项研究中,我们探讨了一些方法,设置惩罚权重的背景下,QUBO配方。我们提出了新的静态方法计算的惩罚权重,导致更有前途的结果比现有的方法。
2022-06-20 cs.AI cs.DM math.OC
Quadratic Continuous Quantum Optimization
TU Dortmund University(多特蒙德工业大学);University of Bonn(波恩大学);Fraunhofer IAIS(弗劳恩霍夫应用研究促进协会智能分析与信息系统研究所)
QCQO通过连续QUBO权重和迭代优化解决无约束二次规划问题,实现对连续优化任务的有效处理。
2025-12-31 quant-ph
Rydberg-atom graphs for quadratic unconstrained binary optimization problems
本文提出用四种鲁棒的里德伯原子子图组件构建通用QUBO图,通过测量多体基态求解组合优化问题,并实验验证了概念可行性。
2023-09-26 quant-ph
A Simple QUBO Formulation of Sudoku
本研究构建含729个变量的QUBO实例编码数独约束与线索,可通过量子退火器等求解,还能均匀采样有效数独解,并用启发式求解器与量子退火器验证了方法。
2024-03-07 quant-ph
On the application of Sylvester's law of inertia to QUBO formulations for systems of linear equations
以前的量子退火方法的研究集中在有效地建模系统的线性方程组,利用二次无约束二元优化(QUBO)配方。这些研究参与了增强量子计算算法的研究,这些算法提取了适合于改进经典计算模型的量子计算机特性。在本文中,我们进一步发展的QUBO公式的线性方程组应用西尔维斯特的惯性定律,探讨矩阵同余的任何实对称矩阵的对角矩阵。我们期望该算法能在量子计算机上有效地实现高维线性方程组。进一步的实验验证所提出的QUBO模型,以及他们的比较,经典的算法。
2021-12-10 quant-ph
QUBOs for Sorting Lists and Building Trees
University of Bonn(波恩大学);Fraunhofer IAIS(弗劳恩霍夫智能分析与信息系统研究所)
我们证明了排序列表和建立搜索树或堆的基本任务可以建模为二次无约束二进制优化问题(QUBO)。我们的想法是将这些任务理解为置换问题,并设计QUBO,其解决方案代表适当的置换矩阵。我们讨论了如何构造这样的QUBO,以及如何使用Hopfield网或绝热量子计算来求解它们。简而言之,我们证明了神经计算方法或量子计算机可以解决通常与抽象数据结构相关的问题。
2022-03-15 cs.DS cs.LG quant-ph
Pattern QUBOs: Algorithmic construction of 3SAT-to-QUBO transformations
本文提出模式QUBO概念及算法化方法,用于自动构造新的3SAT到QUBO变换,并引入近似变换以减少变量和量子比特使用,同时保持一定有效性。
2023-05-04 quant-ph
Variational Amplitude Amplification for Solving QUBO Problems
我们研究了在基于门的量子计算模型上使用幅度放大作为解决组合优化问题的一种手段。这项研究主要集中在QUBO(二次无约束二元优化)问题,这是非常适合的量子比特叠加态。具体而言,我们演示了电路设计,编码QUBO的“成本预言”操作$U_{\textrm{C}}$,当结合标准的格罗弗扩散算子$U_{\textrm{s}}$导致高概率的测量状态对应的最佳和接近最佳的解决方案。为了实现这些概率,一个单一的标量参数$p_{\textrm{s}}$是必需的,我们可以通过变分量子经典混合方法找到。
2023-02-01 quant-ph
Investigating the Relation Between Problem Hardness and QUBO Properties
本文通过分析聚类和SVM训练的QUBO谱隙,揭示了问题难度与QUBO性质的关系,发现聚类谱隙与数据可分性正相关,而SVM相反。
2024-04-03 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
Multimodal Container Planning: a QUBO Formulation and Implementation on a Quantum Annealer
量子计算发展迅速。现实世界的应用在未来几年内是可以实现的。最有前途的领域之一是组合优化,其中二次无约束二进制优化(QUBO)问题公式用于获得良好的近似解。作为量子退火器的通用量子计算机可以很好地处理这类问题。在本文中,我们提出了一个应用程序的多式联运集装箱规划。我们展示了如何将这个问题映射到一个QUBO问题公式,以及如何在D-Wave Systems生产的量子退火机上实现。
2020-07-03 math.OC quant-ph
Resource-Efficient QUBO Formulation for Anchored Currency Arbitrage
University of Alabama(阿拉巴马大学)
本文针对货币套利问题提出一种资源高效的QUBO公式化方案,引入现实约束,压缩系数范围,经基准测试其为唯一可恢复手续费调整后精确最优解的编码。
2026-08-18 cs.LG quant-ph
Application of QUBO solver using black-box optimization to structural design for resonance avoidance
DENSO CORPORATION(电装公司)
二次无约束二元优化(QUBO)求解器可以应用于设计最优结构以避免共振。在经典或量子设备上工作的QUBO算法已经在一些工业应用中取得了成功。然而,它们的应用仍然受到限制,由于从原来的优化问题转化为QUBO的困难。最近,黑盒优化(BBO)方法已被提出来解决这个问题,使用机器学习技术和组合优化的贝叶斯处理。我们采用BBO方法设计了一个印刷电路板,以避免谐振。该设计问题被公式化以最大化固有频率并且同时最小化安装点的数量。固有频率是QUBO公式的瓶颈,在BBO方法中近似为二次模型。我们证明了BBO使用因式分解机在计算时间和找到最优解的成功概率方面都表现出良好的性能。我们的研究结果可以打开QUBO求解器在结构设计中的其他应用的潜力。
2022-07-20 cond-mat.mes-hall cs.CE cs.LG
Solving General QUBOs with Warm-Start QAOA via a Reduction to Max-Cut
California Institute of Technology(加州理工学院);Northwestern University(西北大学);CC3: Information Sciences, Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室信息科学第三中心)
本文研究如何将基于最大割SDP松弛的QAOA热启动方法通过标准归约推广到一般QUBO问题,并与直接QUBO松弛方法进行实验比较,发现最佳热启动策略取决于具体问题类型。
2025-09-22 cs.DM math.OC quant-ph
A QUBO Formulation for Qubit Allocation
要在量子计算机上运行算法,必须选择从电路中的逻辑量子比特到量子硬件上的物理量子比特的分配。这种初始量子位放置或量子位分配的任务在当今的量子计算机上尤其重要,因为量子计算机具有有限数量的量子位,连接约束和变化的门的几何尺寸。在这项工作中,我们制定和实现量子位的位置问题作为一个二次,无约束二进制优化(QUBO)问题,并解决它使用模拟退火,以获得一个频谱的初始位置。与现有的分配方法相比,|ket $\rangle $和Qiskit,QUBO方法产生具有改进的电路深度的分配,用于大的基准电路集合的$>$ 50%,其中许多还需要更少的CX门。
2020-11-28 quant-ph
Reducing QUBO Complexity in Drone Delivery Through Classical Feasibility Preprocessing
Gran Sasso Science Institute(格兰萨索科学研究所);VSB – Technical University of Ostrava(俄斯特拉发科技大学);IT4Innovations National Supercomputing Center(IT4创新国家超级计算中心);Klaipeda University(克莱佩达大学);Università dell’Aquila(阿奎拉大学)
本研究提出混合量子-经典方法,通过经典预处理移除不可行无人机任务以降低QUBO复杂度,实验显示该方法可减少QUBO规模与SA运行时间,提升优化效率。
2026-10-16 cs.ET quant-ph
Hardware-Aware QUBO Reformulation of Constrained Binary Optimization via the Walsh-Fourier Transform
Fraunhofer IAIS(弗劳恩霍夫应用研究促进协会);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);European Space Agency (ESA)(欧洲空间局);TU Dortmund University(多特蒙德工业大学)
该研究提出基于沃尔什-傅里叶变换的无松弛惩罚框架,将受限二元优化重构为适配量子退火硬件的QUBO,所得硬件原生替代项在嵌入采样后样本目标间隙更低,性能优于现有方法。
2026-07-30 math.OC quant-ph
Two-Step QAOA: Enhancing Quantum Optimization by Decomposing K-hot Constraints in QUBO Formulations
针对QUBO公式中带k-hot约束的组合优化问题,提出两步法QAOA,通过分阶段将软约束转硬约束提升优化效率,适用于复杂社会问题求解。
2025-02-23 quant-ph
Clustering-Based Sub-QUBO Extraction for Hybrid QUBO Solvers
本文提出基于变量相关性矩阵与聚类的 Sub-QUBO 提取协议,将大规模 QUBO 分解后用 QAOA 求解,在调用次数相近时获得更优目标值。
2025-06-08 quant-ph
Grover Adaptive Search for the Higher-Order Formulation of Quadratic Assignment Problems
本研究通过将QAP从QUBO重构为HUBO,并利用带有置换准备算子的Grover自适应搜索,显著缩减了搜索空间,提高了收敛性能,且整体电路深度与QUBO相当,从而证明HUBO更有效。
2025-10-09 quant-ph
Quantum-inspired anomaly detection, a QUBO formulation
本文针对异常检测任务,在回顾传统统计与距离类方法的基础上,提出了受量子启发的QUBO模型公式,对比了经典方法并讨论了其在现有QPU上的可扩展性。
2023-11-06 quant-ph
Optimized QUBO formulation methods for quantum computing
Scuola Normale Superiore(比萨高等师范学院);QuSoft;Korteweg–de Vries Institute for Mathematics, University of Amsterdam(阿姆斯特丹大学科特韦格-德弗里斯数学研究所);NEST, Scuola Normale Superiore and Istituto Nanoscienze-CNR(NEST,比萨高等师范学院与意大利国家研究委员会纳米科学研究所)
本研究提出两种新方法,通过减少QUBO变量数量,提升NISQ设备在解决NP难优化问题中的效率,并对比了D-wave量子退火机的性能差异。
2024-06-18 quant-ph
Combinatorial Optimization on Gate Model Quantum Computers: A Survey
量子计算处理器的出现有可能超越实验能力,这放大了研究其应用的重要性。组合优化问题可以是这些新设备的有前途的应用之一。这些问题在工业应用中经常出现,并且它们通常对于经典计算硬件是困难的。在这项工作中,我们提供了一个调查的方法来解决不同类型的组合优化问题,特别是二次无约束二进制优化(QUBO)问题的门模型量子计算机。我们主要集中在四个不同的方法,包括数字化的绝热量子计算,全球量子优化算法,量子算法,近似的基态的一般QUBO问题,和量子采样。我们还讨论了为解决某些类型的QUBO问题而定制的量子算法。
2017-08-16 cs.DM quant-ph
A Hybrid Framework Using a QUBO Solver For Permutation-Based Combinatorial Optimization
在本文中,我们提出了一个混合框架,有效地解决大规模的基于置换的组合问题,使用高性能的二次无约束二进制优化(QUBO)求解器。为此,需要进行转换以将受约束的最优化模型更改为涉及参数调整的无约束模型。我们提出了一些技术来克服使用通常具有有限位数的QUBO求解器的挑战。首先,为了平滑能源景观,我们在不影响最优性的情况下降低了输入的幅度。我们提出了一种机器学习的方法来调整参数,有效地提高性能。为了处理可能的不可行性,我们引入了一个多项式时间投影算法。最后,为了解决大规模的问题,我们引入了一种分而治之的方法,在小的子问题上重复调用QUBO求解器。我们测试了我们的方法,可证明硬欧几里德旅行商(E-TSP)的情况下,流水车间问题(FSP)。最优性差距小于$10\%$和$11\%$分别获得了最知名的方法相比。
2021-07-06 math.OC quant-ph
A QUBO Algorithm to Compute Eigenvectors of Symmetric Matrices
我们描述了一个算法来计算极值特征值和相应的特征向量的对称矩阵通过解决一系列的二次二元优化问题。该算法在许多不同类型的对称矩阵上都是鲁棒的,可以计算特征向量/特征值对到基本上任意的精度,并且稍加修改也可以解决广义特征值问题。性能分析上的小随机矩阵和选择较大的矩阵,从实际应用中。
2021-04-22 cs.ET quant-ph
Polynomial-time Solver of Tridiagonal QUBO, QUDO and Tensor QUDO problems with Tensor Networks
提出一种受量子启发的张量网络算法,通过模拟虚时间演化和半偏迹精确求解三对角 QUBO、QUDO 及 T-QUDO 问题,具有多项式复杂度,性能优于 Google OR-TOOLS 和 dimod 求解器。
2025-07-15 cs.ET quant-ph
Lagrangian Duality in Quantum Optimization: Overcoming QUBO Limitations for Constrained Problems
QB Information Technologies (1QBit)(1QB信息技术公司);University of Waterloo(滑铁卢大学);Amazon Quantum Solutions Lab(亚马逊量子解决方案实验室)
本文提出基于自适应量子计算框架的拉格朗日对偶方法,实现电路深度二次提升并保持约束无关的电路宽度,克服QUBO框架的局限性。
2024-04-29 math.OC quant-ph
Solving Max-3SAT Using QUBO Approximation
研究系统近似MAX-3SAT的QUBO表示以提升量子退火机求解质量,提出维度更小的(n x n)近似QUBO方法,在D-Wave硬件上优于精确转换且优于朴素近似。
2024-09-24 quant-ph
Quadratic constrained mixed discrete optimization with an adiabatic quantum optimizer
我们扩展了可以在绝热量子优化器(AGO)上实现的问题的家族。当一个二次优化问题至少有一组离散控制且约束是线性的时,我们称之为二次约束混合离散优化问题。QCMDO问题是NP难问题,目前还没有有效的经典算法。包括在类QCMDO问题是由线性偏微分方程(PDE)或线性PDE系统约束的组合优化问题。在解决这类问题时经常遇到的一个基本复杂性是,线性约束可能会将许多中间连续变量引入优化,而计算成本随问题大小呈指数增长。我们解决了这个困难,开发一个建设性的映射从QCMDO二次无约束二进制优化(QUBO),使QUBO问题的大小只取决于离散控制变量的数量。通过适当的嵌入,考虑到可实现的耦合图的物理约束,所得到的QUBO问题可以在现有的AQO上实现。映射本身是有效的,在一般情况下与连续变量的数量成立方缩放,并且如果有效的预条件子可用,则在PDE情况下线性缩放。
2014-03-20 quant-ph
Optimum-Preserving QUBO Parameter Compression
本文研究有限精度下QUBO问题的参数压缩,通过理论界降低动态范围以保持最优解不变,并在量子退火硬件上验证可显著提升性能。
2023-07-05 quant-ph
PyQUBO: Python Library for Mapping Combinatorial Optimization Problems to QUBO Form
我们提出PyQUBO,一个开源的Python库,用于从优化问题的目标函数和约束中构建二次无约束二进制优化(QUBO)。PyQUBO使用户能够轻松地为各种组合优化问题准备QUBO或伊辛模型,这要归功于表达式的抽象和程序的可扩展性。使用PyQUBO制定的QUBO和伊辛模型可通过伊辛机(包括量子退火机)求解。我们介绍了PyQUBO的特点,并将其应用于数划分问题、背包问题、图着色问题和使用二进制乘法器的整数分解。此外,我们还演示了PyQUBO如何通过与量子退火机的集成应用于生产规模的问题。通过其灵活性和易用性,PyQUBO有可能使量子退火成为研究人员中更实用的工具。
2021-03-03 cs.ET quant-ph
Landscape-Dependent Performance of Photonic Quantum Solvers in QUBO Feature Selection for Financial Risk Detection
Singapore Management University(新加坡管理大学)
本研究基准测试了经典与光子量子求解器在金融风险检测QUBO特征选择中的性能,发现求解器性能依赖特征空间景观,光子方法在特定场景下可匹配或超越经典方法。
2026-10-05 cs.LG q-fin.RM quant-ph
Hybrid Quantum-Classical Unit Commitment
提出了一种量子-经典混合算法来求解电力系统中的机组组合问题。UC问题被分解为一个二次子问题,一个二次无约束二进制优化(QUBO)子问题,和一个无约束二次子问题。经典的优化求解器求解第一和第三个子问题,而QUBO子问题由称为量子近似优化算法(QAOA)的量子算法求解。三个子问题,然后协调迭代使用三块交替方向法的乘子算法。利用IBM Q系统上的Qiskit作为仿真环境,仿真结果验证了所提算法解决UC问题的有效性。
2022-01-07 quant-ph
Solving QUBOs with a quantum-amenable branch and bound method
本文提出并验证了一种适用于量子加速的精确经典分支定界QUBO求解器,结合高性能计算与运筹学技术提升性能,并与现有求解器进行了广泛对比分析。
2024-07-29 math.OC quant-ph
Insights on Training Neural Networks for QUBO Tasks
LMU Munich(慕尼黑大学)
当前的硬件限制限制了通过量子近似优化算法(QAOA)或量子退火(QA)求解二次无约束二进制优化(QUBO)问题的潜力。因此,我们考虑在这种情况下训练神经网络。我们首先讨论源自旅行商问题(TSP)的翻译实例的QUBO问题:通过自动编码器分析这种表示表明,包含的信息比解决原始TSP所需的信息要多。然后,我们表明,神经网络可以用来解决TSP的情况下,从QUBO输入和自动编码器的隐藏状态表示。最后,我们推广的方法,并成功地训练神经网络来解决任意的QUBO问题,草图意味着使用神经形态硬件作为模拟器或额外的协处理器的量子计算。
2020-04-29 cs.LG quant-ph
Layer-wise QUBO-Based Training of CNN Classifiers for Quantum Annealing
本研究提出基于QUBO的CNN分类器训练方法,通过量子退火避免梯度优化,提升图像分类精度。
2026-03-03 cs.AI quant-ph
A note on QUBO instances defined on Chimera graphs
McGeoch和Wang(2013)最近使用439量子位D-Wave Two量子计算系统在比使用IBM BLOG CPLEX混合整数二次规划(MIQP)求解器少得多的时间内获得了一些二次无约束布尔优化(QUBO)问题实例的最优或接近最优解。McGeoch和Wang研究的问题是在Chimera图的子图上定义的-最多有439个节点。我们观察到,在将QUBO问题标准地重新表述为混合整数线性规划(MILP)之后,McGeoch和Wang使用的特定实例可以用CPLEX MILP求解器在比McGeoch和Wang报告的CPLEX MIQP求解器的时间少得多的时间内求解到最优。然而,解决的时间仍然比McGeoch-Wang测试中的D-Wave计算机所花费的时间更长。
2013-07-01 cs.DS math.OC quant-ph
A Tutorial on Formulating and Using QUBO Models
二次无约束二元优化(QUBO)模型近年来因其统一了丰富多样的组合优化问题而备受关注。通过与物理学中的伊辛问题的联系,QUBO模型已经成为量子计算领域的基础,称为量子退火,并已成为类脑计算的研究主题。通过这些联系,QUBO模型是D-Wave Systems开发的量子计算机和IBM开发的神经形态计算机进行实验的核心。经典和量子计算社区正在积累计算经验,这不仅突出了QUBO模型的潜力,而且还突出了其作为传统建模和解决方案方法的替代方案的有效性。本教程揭示了QUBO模型的基本功能,这些功能赋予了它强大的功能和灵活性,以涵盖将其推向优化领域中心舞台的应用范围。我们展示了有多少不同类型的约束关系,在实践中产生的可以体现在“无约束”QUBO制定在一个非常自然的方式使用罚函数,产生精确的模型表示,而不是由习惯使用罚函数的近似表示。生成这种模型的每个步骤都通过简单的数值示例详细说明,以突出在许多设置中使用QUBO模型的便利性。我们还描述了最近的创新解决QUBO模型,提供了一个肥沃的途径,整合经典和量子计算,并将这些模型应用于机器学习。
2019-11-04 cs.DM cs.DS math.OC
An encoding of argumentation problems using quadratic unconstrained binary optimization
Università degli Studi di Perugia(佩鲁贾大学)
本文将抽象论证中的NP完全问题编码为QUBO,使其可借助模拟退火、量子退火等架构求解,并通过与两类近似求解器对比验证了正确性与适用性。
2024-09-09 cs.AI quant-ph
Transforming optimization problems into a QUBO form: A tutorial
Russian Quantum Center(俄罗斯量子中心);Cloud Quantum Technologies(云量子技术)
本文介绍了将二次优化问题转换为QUBO形式的三种主要方法,并提供了简化计算的公式和示例。
2024-10-28 math.OC quant-ph
Quantum Optimization in Loc(Q)ation Science: QUBO Formulations, Benchmark Problems, and a Computational Study
Institute for Operations Research, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院运筹学研究所)
本文提出QUBO建模用于解决定位科学中的关键问题,开发了QUBO模型并评估了量子算法在p-中位问题和FCFLP中的应用。
2026-02-11 quant-ph
A QUBO formulation for top-$τ$ eigencentrality nodes
近年来,由于大量数据的产生,网络中节点的中心性或“层次”的有效计算已经获得了很大的相关性。特征向量中心性(又称特征中心性)由于其简单性和保真度而迅速成为中心性的良好度量。在这项工作中,我们奠定了基础,解决的特征中心性问题的排名的节点的重要性与分数从网络的特征向量,使用量子计算范例,如量子退火和基于门的量子计算。该问题被重新表述为二次无约束二进制优化(QUBO),可以在两种量子架构上求解。结果集中在正确识别给定数量的最重要的节点在众多的网络中给出了我们的QUBO制定的稀疏向量解决方案的问题,确定顶部- $τ$最高本征中心节点在网络上的D-Wave和IBM量子计算机
2022-07-10 quant-ph
Five Starter Problems: Solving Quadratic Unconstrained Binary Optimization Models on Quantum Computers
本教程面向学生与行业从业者,介绍在IBM门电路架构与D-Wave量子退火机两类现有量子设备及模拟器上求解QUBO模型的方法,含实例、算法基础与实现指南,是量子求解复杂QUBO的入门资源。
2025-06-17 math.OC quant-ph
Testing a QUBO Formulation of Core-periphery Partitioning on a Quantum Annealer
我们提出了一个新的内核,量化的成功计算一个无向网络的核心-外围分区的任务。找到相关联的最优划分可以以二次无约束二进制优化(QUBO)问题的形式来表达,最先进的量子退火器可以应用于该问题。因此,我们利用新的目标函数来(a)判断量子退火器的性能,以及(b)将这种方法与现有的启发式核心-外围划分方法进行比较。量子退火在市售的D-Wave机器上进行。QUBO问题涉及一个完整的矩阵,即使底层网络是稀疏的。因此,我们开发并测试了原始QUBO的稀疏化版本,这增加了量子退火机的可用问题维度。在合成和真实数据集上提供了结果,我们得出结论,QUBO/量子退火方法在优化这个新的感兴趣的量方面提供了好处。
2022-01-05 cs.SI physics.data-an quant-ph
Computing Canonical Averages with Quantum and Classical Optimizers: Thermodynamic Reweighting for QUBO Models of Physical Systems
本文提出一种基于直方图重加权的通用方法,用于从量子或经典QUBO采样中恢复态密度并计算正则系综平均,并在晶格环聚合物熔体中揭示了环套环概率随弯曲刚度的非单调关系。
2025-05-06 cond-mat.soft 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
Formulating Multistage Cutting Stock Problems as QUBO
University of Siegen(锡根大学);eleQtron GmbH(eleQtron有限公司);University of Trento(特伦托大学);INFN-TIFPA, Trento Institute for Fundamental Physics and Applications(意大利国家核物理研究所-特伦托基础物理与应用研究所)
本文提出多阶段二维切割下料问题的线性规划表述,并推导其QUBO非精确重构,通过模拟退火和迭代增广拉格朗日方法求解受限问题,并探讨量子退火的应用前景。
2026-09-15 math.OC quant-ph
Mean Field Approximation for solving QUBO problems
二次无约束二元优化(QUBO)问题是NP难的,因此,到目前为止,还没有有效的算法来解决它们。对于较小的问题,有精确的方法,如分支定界算法,对于较大的问题,有许多很好的近似方法,如离散变量的随机模拟退火或连续变量的平均场退火。本文将表明,统计物理方法和量子力学方法在平均场退火给出了相同的结果。我们研究了伊辛问题,这是QUBO问题的另一种表述。我们的方法包括一组简单的基于梯度的连续变量的最小化,因此很容易模拟。我们将我们的方法与解决G集的最大割问题进行了基准测试。在许多图中,我们可以实现最著名的割值。
2021-06-06 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Utilizing Graph Sparsification for Pre-processing in Maxcut QUBO Solver
本文提出将图稀疏化用作 maxcut QUBO 求解的预处理,以减少云端量子及量子启发求解器处理稠密图时的通信开销,并验证其可获得接近最优的目标值。
2024-01-23 cs.DC math.OC quant-ph